特開 2024-6441 大動脈瘤画像診断支援装置、大動脈瘤画像診断支援方法、およびプログラム

(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】P2024006441

(43)【公開日】2024-01-17

(54)【発明の名称】大動脈瘤画像診断支援装置、大動脈瘤画像診断支援方法、およびプログラム

(51)【国際特許分類】

   A61B 6/03 20060101AFI20240110BHJP

   A61B 6/46 20240101ALI20240110BHJP

【ＦＩ】

A61B6/03 360J

A61B6/03 360Q

A61B6/03 360G

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022107306

(22)【出願日】2022-07-01

【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 〔１〕集会 開催日 令和３年７月３日 集会名、開催場所 第９３回日本心臓血管放射線研究会 Ｗｅｂ開催 ＜資料＞ 「第９３回日本心臓血管放射線研究会プログラム」資料 〔２〕集会 開催日 令和３年８月２７日 集会名、開催場所 ＥＳＣ Ｃｏｎｇｒｅｓｓ ２０２１国際会議 Ｗｅｂ開催 ＜資料＞ 「ＥＳＣ Ｃｏｎｇｒｅｓｓ ２０２１国際会議プログラム」資料 〔３〕集会 開催日 令和３年１１月２８日 集会名、開催場所 ＲＳＮＡ ２０２１ Ｒｅｄｅｆｉｎｉｎｇ Ｒａｄｉｏｌｏｇｙ Ｗｅｂ開催 ＜資料＞ 「Ａｂｓｔｒａｃｔ Ａｒｃｈｉｖｅｓ ｏｆ ｔｈｅ ＲＳＮＡ，２０２１」資料

(71)【出願人】

【識別番号】000102728

【氏名又は名称】株式会社ＮＴＴデータグループ

(71)【出願人】

【識別番号】507148456

【氏名又は名称】学校法人 岩手医科大学

(74)【代理人】

【識別番号】110001634

【氏名又は名称】弁理士法人志賀国際特許事務所

(72)【発明者】

【氏名】荒木 健太

(72)【発明者】

【氏名】安東 諒人

(72)【発明者】

【氏名】伊藤 寛祥

(72)【発明者】

【氏名】小山田 幸平

(72)【発明者】

【氏名】藤澤 朝香

(72)【発明者】

【氏名】藤原 純平

(72)【発明者】

【氏名】折居 誠

(72)【発明者】

【氏名】吉岡 邦浩

【テーマコード（参考）】

4C093

【Ｆターム（参考）】

4C093AA22

4C093AA26

4C093CA18

4C093CA23

4C093DA02

4C093FD09

4C093FF16

4C093FF22

4C093FF35

4C093FF42

4C093FF45

4C093FG13

4C093FG14

(57)【要約】

【課題】部位に応じた判定基準で大動脈瘤の候補を検出することができる大動脈瘤画像診断支援装置を提供すること。
【解決手段】生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部と、複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部とを備える、大動脈瘤画像診断支援装置。
【選択図】図１

【特許請求の範囲】

【請求項1】

生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部と、
前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部と
を備える、大動脈瘤画像診断支援装置。

【請求項2】

前記検出した大動脈を細線化する細線抽出部を備え、
前記大動脈瘤候補検出部は、
前記大動脈の断面であって、前記細線抽出部による細線化で得られた線に対して垂直な断面を抽出する垂直断面抽出部と、
前記大動脈の断面に対して、前記条件を適用して大動脈瘤候補を検出する条件判定部と
を備える、請求項１に記載の大動脈瘤画像診断支援装置。

【請求項3】

前記細線抽出部による細線化で得られた線に対して、髭除去処理を行う髭除去部を備え、
前記髭除去部において、除去対象とするか否かの判定条件は、前記複数の部位に応じている、請求項２に記載の大動脈瘤画像診断支援装置。

【請求項4】

前記細線抽出部による細線化で得られた線に沿った軸方向に、前記大動脈の太さを表す値をプロットしたグラフと、前記大動脈をコロナル面に投影した画像と、前記大動脈の中心線に対して垂直な断面の画像とを並べて表示する検出結果表示部を備える、請求項２に記載の大動脈瘤画像診断支援装置。

【請求項5】

生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する過程と、
前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する過程と
を有する、大動脈瘤画像診断支援方法。

【請求項6】

コンピュータを、
生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部、
前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部
として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、大動脈瘤画像診断支援装置、大動脈瘤画像診断支援方法、およびプログラムに関する。

【背景技術】

【0002】

画像処理技術を用いてＣＴ（Computer Tomography；コンピュータ断層撮影）画像データから大動脈瘤を判定するにあたり、ＣＴ画像の水平方向の断面（Axial断面）で大動脈のセグメンテーションを実施し、各断面で認識した大動脈の短径のピーク位置を大動脈瘤の候補として検出する方法がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２０１７－０４７８１９号

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、ＣＴ画像データから大動脈瘤の診断を行う方法においては、大動脈の部位（胸部、腹部、腸骨など）によって判定基準（たとえば、サイズ）が異なるため、検出した大動脈瘤の候補各々に対して、その部位に対応した診断を行うのに時間を要することがあるという問題がある。

【0005】

本発明は、このような事情に鑑みてなされたもので、部位に応じた判定基準で大動脈瘤の候補を検出することができる大動脈瘤画像診断支援装置、大動脈瘤画像診断支援方法、およびプログラムを提供する。

【課題を解決するための手段】

【0006】

この発明は上述した課題を解決するためになされたもので、本発明の一態様は、生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部と、前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部とを備える、大動脈瘤画像診断支援装置である。

【0007】

また、本発明の他の一態様は、上述した大動脈瘤画像診断支援装置であって、前記検出した大動脈を細線化する細線抽出部を備え、前記大動脈瘤候補検出部は、前記大動脈の断面であって、前記細線抽出部による細線化で得られた線に対して垂直な断面を抽出する垂直断面抽出部と、前記大動脈の断面に対して、前記条件を適用して大動脈瘤候補を検出する条件判定部とを備える。

【0008】

また、本発明の他の一態様は、上述した大動脈瘤画像診断支援装置であって、前記細線抽出部による細線化で得られた線に対して、髭除去処理を行う髭除去部を備え、前記髭除去部において、除去対象とするか否かの判定条件は、前記複数の部位に応じている。

【0009】

また、本発明の他の一態様は、上述した大動脈瘤画像診断支援装置であって、前記細線抽出部による細線化で得られた線に沿った軸方向に、前記大動脈の太さを表す値をプロットしたグラフ、前記大動脈をコロナル面に投影した画像と、前記大動脈の中心線に対して垂直な断面の画像とを並べて表示する検出結果表示部を備える。

【0010】

また、本発明の他の一態様は、生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する過程と、前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する過程とを有する、大動脈瘤画像診断支援方法である。

【0011】

また、本発明の他の一態様は、コンピュータを、生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部、前記複数の部位各々に応じた大動脈瘤の判定サイズに関する条件を用いて、前記検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部として機能させるためのプログラムである。

【発明の効果】

【0012】

この発明によれば、部位に応じた判定基準で大動脈瘤の候補を検出することができる。

【図面の簡単な説明】

【0013】

【図1】この発明の一実施形態による大動脈瘤画像診断支援装置１００の構成を示す概略ブロック図である。

【図2】同実施形態における大動脈検出部１０１の構成例を示す概略ブロック図である。

【図3】同実施形態における大動脈データの例を説明する図である。

【図4】同実施形態における細線抽出部１１３による細線化の例を説明する図である。

【図5】同実施形態における髭除去部１１４の処理を説明する図である。

【図6】同実施形態における髭除去部１１４における判定条件の例を示す表である。

【図7】同実施形態における大動脈瘤候補検出部１０２の構成例を示す概略ブロック図である。

【図8】同実施形態における垂直断面抽出部１２１の動作を説明する模式図である。

【図9】アキシャル断面のＣＴ画像の例を示す図である。

【図10】同実施形態における大動脈の中心線に対して垂直な断面のＣＴ画像の例を示す図である。

【図11】同実施形態における条件判定部１２２の動作を説明するＣＴ画像の例を示す図である。

【図12】同実施形態における条件判定部１２２の動作を説明するグラフである。

【図13】同実施形態における条件判定部１２２が用いる大動脈瘤の判定サイズに関する条件（閾値）を示す表である。

【図14】同実施形態における検出結果表示部１０３による表示例Ｇ１、Ｇ２を示す図である。

【図15】同実施形態における検出結果表示部１０３による表示例Ｇ３を示す図である。

【図16】同実施形態における検出結果表示部１０３による表示例Ｇ４を示す図である。

【図17】同実施形態における学習済モデル生成装置２００の構成を示す概略ブロック図である。

【発明を実施するための形態】

【0014】

以下、図面を参照して、本発明の実施の形態について説明する。図１は、この発明の一実施形態による大動脈瘤画像診断支援装置１００の構成を示す概略ブロック図である。大動脈瘤画像診断支援装置１００は、人体を含む生物のＣＴ画像データから、大動脈瘤の候補位置を検出する装置である。医師は、大動脈瘤画像診断支援装置１００が検出した大動脈瘤の候補位置およびその付近のＣＴ画像を見て、大動脈瘤の診断を行うことができる。大動脈瘤画像診断支援装置１００は、タブレット端末、ノート型コンピュータ、デスクトップ型コンピュータ、サーバマシンなどの１台以上のコンピュータがソフトウェアを実行することで実現される。

【0015】

図１に示すように大動脈瘤画像診断支援装置１００は、大動脈検出部１０１、大動脈瘤候補検出部１０２、検出結果表示部１０３を備える。大動脈検出部１０１は、生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する。生物をコンピュータ断層撮影した画像は、輝度値を持つボクセル（voxel）が３次元に配置されたＣＴ画像データであり、例えば、体軸方向に対して垂直な断面（横断面、アキシャル断面）の画像の集合である。大動脈検出部１０１は、ＣＴ画像データに含まれるボクセルのうち、複数の部位各々の大動脈に分類されたボクセルを検出する。

【0016】

大動脈瘤候補検出部１０２は、複数の部位各々に応じた条件を用いて、大動脈検出部１０１が検出した大動脈から大動脈瘤候補を検出する。検出結果表示部１０３は、大動脈瘤候補検出部１０２が検出した大動脈瘤候補を表示する。

【0017】

図２は、本実施形態における大動脈検出部１０１の構成例を示す概略ブロック図である。図２に示す例では、大動脈検出部１０１は、全大動脈検出部１１１と、腸骨大動脈検出部１１２と、細線抽出部１１３と、髭除去部１１４とを備える。全大動脈検出部１１１は、学習済のニューラルネットワークを用いて、ＣＴ画像データから、上行部の大動脈と、弓部の大動脈と、下行部の大動脈と、腹部の大動脈と、腸骨部の大動脈を検出する。腸骨大動脈検出部１１２は、学習済のニューラルネットワークを用いて、ＣＴ画像データのうち、全大動脈検出部１１１が腸骨部の大動脈を検出したアキシャル断面のデータから、腸骨部の大動脈を検出する。腸骨部の大動脈は、その他の部位の大動脈に比べて、複雑な構造をしているが、腸骨部の大動脈のみを検出するニューラルネットワークを用いることで、精度良く検出することができる。また、全大動脈検出部１１１および腸骨大動脈検出部１１２における検出は、例えば、Ｏｚｇｕｎ Ｃｉｃｅｋ他の３Ｄ Ｕ－Ｎｅｔ：Ｌｅａｒｎｉｎｇ Ｄｅｎｓｅ Ｖｏｌｕｍｅｔｒｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ ｆｒｏｍ Ｓｐａｒｓｅ Ａｎｎｏｔａｔｉｏｎ（https://arxiv.org/pdf/1606.06650.pdf）に記載の方法を用いることができる。

【0018】

全大動脈検出部１１１が検出した上行部の大動脈と、弓部の大動脈と、下行部の大動脈と、腹部の大動脈とを表すデータと、腸骨大動脈検出部１１２が検出した腸骨部の大動脈を表すデータとを合わせたものを、以降、大動脈データという。すなわち、大動脈データは、ＣＴ画像データに含まれるボクセルのうち、上行部の大動脈、弓部の大動脈、下行部の大動脈、腹部の大動脈、腸骨部の大動脈の各々に対応するボクセルを表すデータである。例えば、各ボクセルの画素値が、上行部の大動脈、弓部の大動脈、下行部の大動脈、腹部の大動脈、腸骨部の大動脈、大動脈以外のうちのいずれかを表す値を持つデータであってもよい。

【0019】

細線抽出部１１３は、大動脈データが表す大動脈を細線化する。この細線化とは、二値画像を幅１ピクセルの線画像に変換する処理であり、ここでは、大動脈であるか否かを表す３次元の二値画像を幅１ピクセルの線画像に変換する。細線化には、Ｈｉｌｄｉｔｃｈ、田村、Ｚｈａｎｇ Ｓｕｅｎなどの公知の方法を用いることができる。髭除去部１１４は、細線抽出部１１３による細線化の結果に含まれる髭と呼ばれる部分を除去して、細線データを生成する。細線データは、大動脈の中心線を表すボクセルのデータである。なお、髭除去部１１４は、細線抽出部１１３による細線化の結果をグラフ構造に変換して、髭部分を検出する。

【0020】

図３は、本実施形態における大動脈データの例を説明する図である。図３は、大動脈データを、コロナル面に投影した図であり、上行部の大動脈Ｐ１と、弓部の大動脈Ｐ２と、下行部の大動脈Ｐ３と、腹部の大動脈Ｐ４と、腸骨部の大動脈Ｐ５とを含む。大動脈データは、上行部の大動脈Ｐ１と、弓部の大動脈Ｐ２と、下行部の大動脈Ｐ３と、腹部の大動脈Ｐ４と、腸骨部の大動脈Ｐ５との各々に対応する画素値を持つボクセルから成るデータである。

【0021】

図４は、本実施形態における細線抽出部１１３による細線化の例を説明する図である。図４は、図３の大動脈データを、細線抽出部１１３による細線化の結果を、コロナル面に投影した図である。図４に示すように、細線化の結果、大動脈の中心線とともに、中心線から分岐している髭と呼ばれる部分が得られる。

【0022】

図５は、本実施形態における髭除去部１１４の処理を説明する図である。図５は、細線抽出部１１３による細線化の結果の一部をグラフ構造に変換した結果である。グラフ構造では、細線化の結果は、図５に丸印で示すノード（頂点）と、ノードとノードとを結ぶエッジの集合で表される。髭除去部１１４は、図５に示すように、中心線から分岐している除去対象Ｄ、いわゆる髭を除去する。髭除去部１１４は、除去対象Ｄとする髭か否かの判定条件を、部位に応じていてもよい。図６は、本実施形態における髭除去部１１４における判定条件の例を示す表である。図６の例では、髭除去部１１４は、分岐している部分の長さが閾値以下であるときは、除去対象Ｄであると判定するが、その閾値を腸骨部以外では値ＢＴｈ１とし、腸骨部では値ＢＴｈ２としている。なお、値ＢＴｈ２は、値ＢＴｈ１よりも小さな値とである。腸骨部の大動脈は、その他の部位の大動脈に比べて、分岐があるなど複雑な構造をしているが、このように腸骨部の閾値を、腸骨部以外よりも小さくすることで、腸骨部においても髭除去を行うことができる。なお、図６の例では、腸骨部以外と、腸骨部とで閾値が異なるようにしたが、部位ごとに閾値が異なるようにしてもよい。また、髭除去部１１４は、腸骨部以外では、分岐しているうちの短い方を除去対象Ｄであると判定するようにしてもよい。

【0023】

図７は、本実施形態における大動脈瘤候補検出部１０２の構成例を示す概略ブロック図である。図７に示す例では、大動脈瘤候補検出部１０２は、垂直断面抽出部１２１、条件判定部１２２を備える。垂直断面抽出部１２１は、細線データが示す中心線に沿って、一定間隔毎に、大動脈データが示す大動脈の断面であって、細線データが示す中心線に対して垂直な断面を抽出する。条件判定部１２２は、垂直断面抽出部１２１が抽出した大動脈の断面に対して、複数の部位各々に応じた大動脈瘤の判定サイズに関する条件（判定基準）を適用して大動脈瘤候補を検出する。

【0024】

図８は、本実施形態における垂直断面抽出部１２１の動作を説明する模式図である。垂直断面抽出部１２１は、細線データが示す大動脈の中心線Ｃｌに対して垂直な面Ｃｓを抽出する。図９は、アキシャル断面のＣＴ画像の例を示す図である。図１０は、大動脈の中心線に対して垂直な断面のＣＴ画像の例を示す図である。大動脈は、必ずしも体軸に沿った方向となっていないため、アキシャル断面のＣＴ画像では、図９の大動脈Ａ１のように、大動脈を斜めに切ったような形状になってしまうことがある。しかし、垂直断面抽出部１２１では、中心線に対して垂直な面を抽出するため、図１０の大動脈Ａ２のように、大動脈の垂直断面を捉えることができる。

【0025】

図１１は、本実施形態における条件判定部１２２の動作を説明するＣＴ画像の例を示す図である。条件判定部１２２は、垂直断面抽出部１２１が抽出した各断面における大動脈に対して、図１１の楕円Ｅのように楕円フィッティングを行う。楕円フィッティングには、例えば最小二乗法など、公知の方法を用いることができる。条件判定部１２２は、大動脈の太さを表す値として、フィッティングした楕円Ｅの短径Ｄｍを取得する。なお、条件判定部１２２は、大動脈の太さを表す値として、例えばフィッティングした円の直径など、該短径以外の値を用いるようにしてもよい。

【0026】

図１２は、本実施形態における条件判定部１２２の動作を説明するグラフである。図１２のグラフは、条件判定部１２２が取得した短径を、中心線方向にプロットしたグラフである。図１２において、グラフＧｐ１は、上行部の短径をプロットしたグラフである。グラフＧｐ２は、弓部の短径をプロットしたグラフである。グラフＧｐ３は、下行部の短径をプロットしたグラフである。グラフＧｐ４は、腹部の短径をプロットしたグラフであるグラフＧｐ５は、腸骨部の短径をプロットしたグラフである。また、値Ｔｈ１、Ｔｈ２、Ｔｈ３、Ｔｈ４、Ｔｈ５は、それぞれ、上行部、弓部、下行部、腹部、腸骨部における閾値である。条件判定部１２２は、図１２に示したように短径を、大動脈の中心線方向にプロットしたときのピークであり、かつ、該ピークの値が、該ピークの位置が属する部位に応じた閾値を超えているときは、該ピークの中心線方向の位置を、大動脈瘤候補ＡＣと判定する。なお、条件判定部１２２は、複数の位置を大動脈瘤候補として判定してもよい。

【0027】

図１３は、本実施形態における条件判定部１２２が用いる大動脈瘤の判定サイズに関する条件（閾値）を示す表である。条件判定部１２２が用いる条件は、上行部、弓部、下行部、腹部、腸骨部の各々に対応した閾値である。図１２でも示した例では、上行部の閾値Ｔｈ１は、弓部の閾値Ｔｈ２よりも大きい値である。また、弓部の閾値Ｔｈ２は、下行部の閾値Ｔｈ３と同じ値である。下行部の閾値Ｔｈ３は、腹部の閾値Ｔｈ４よりも大きい値である。腹部の閾値Ｔｈ４は、腸骨部の閾値Ｔｈ５よりも大きい値である。

【0028】

図１４、図１５、図１６は、本実施形態における検出結果表示部１０３による表示例Ｇ１、Ｇ２、Ｇ３、Ｇ４を示す図である。表示例Ｇ１は、体軸に沿って大動脈の太さを表す値をプロットしたグラフである。表示例Ｇ２は、大動脈の中心線に沿って大動脈の太さを表す値をプロットしたグラフである。表示例Ｇ３は、大動脈をコロナル面に投影した画像である。表示例Ｇ４は、大動脈の中心線に対して垂直な断面の画像である。検出結果表示部１０３は、例えば、表示例Ｇ２とＧ３とＧ４など、これらの一部もしくは全てを並べて表示する。

【0029】

図１４の表示例Ｇ１において、縦軸は、体軸に沿ったスライス番号であり、横軸は、条件判定部１２２が取得した短径である。また、図１４の表示例Ｇ２において、縦軸は、中心線に沿った軸方向のスライス番号であり、横軸は、条件判定部１２２が取得した短径である。表示例Ｇ１と表示例Ｇ２に付された丸印は、大動脈瘤候補として検出された箇所であり、丸印に付された数字は、スライス番号と、短径である。また、直線Ｓｌ１と直線Ｓｌ２は、表示例Ｇ１と表示例Ｇ２とともに表示する、表示例Ｇ４に示すようなＣＴ画像のスライス位置を示す。直線Ｓｌ１と直線Ｓｌ２は、マウス、キーボードなどの入力手段により、上下に動かすことが可能であり、移動された直線Ｓｌ１と直線Ｓｌ２に応じたスライス番号のＣＴ画像を、検出結果表示部１０３は表示する。

【0030】

図１５の表示例Ｇ３は、大動脈データが示す大動脈とその部位を、コロナル面に投影した画像である。表示例Ｇ３における直線Ｓｌ３は、図１４の直線Ｓｌ１および直線Ｓｌ２と同様である。図１６の表示例Ｇ４は、直線Ｓｌ１、Ｓｌ２、Ｓｌ３に対応するスライス番号におけるＣＴ画像である。このＣＴ画像は、中心線に対して垂直な断面のＣＴ画像であるが、検出結果表示部１０３は、アキシャル面のＣＴ画像を表示してもよい。図１６の楕円Ｅ４は、条件判定部１２２が、大動脈に対してフィッティングした楕円であり、短径Ｄｍ４とその値（５８ｍｍ）も、表示例Ｇ４に表示されている。

【0031】

図１７は、本実施形態における学習済モデル生成装置２００の構成を示す概略ブロック図である。学習済モデル生成装置２００は、全大動脈検出部１１１と、腸骨大動脈検出部１１２のそれぞれで用いられるニューラルネットワークを、学習済モデルとして生成する。学習済モデル生成装置２００は、タブレット端末、ノート型コンピュータ、デスクトップ型コンピュータ、サーバマシンなどの１台以上のコンピュータがソフトウェアを実行することで実現される。

【0032】

学習済モデル生成装置２００は、大動脈指定部２０１、部位境界指定部２０２、教師データ生成部２０３、全大動脈学習済モデル生成部２０４、腸骨大動脈学習済モデル生成部２０５を備える。大動脈指定部２０１は、ＣＴ画像データの各アキシャル断面における大動脈の領域の指定を受け付ける。この指定は、アキシャル断面の画像各々に対して、マウス、タッチパッドなどの入力手段を用いて行う。部位境界指定部２０２は、ＣＴ画像データの大動脈の部位の境界の指定を受け付ける。ここで部位の境界は、上行部と弓部の境界、弓部と下行部の境界、下行部と腹部の境界、腹部と腸骨部の境界である。この境界の指定は、いずれのスライス番号のアキシャル断面が、境界であるかを、マウス、キーボードなどの入力手段を用いて行う。なお、一例として、下行部と腹部との境界位置を腹腔動脈と指定する。

【0033】

教師データ生成部２０３は、部位境界指定部２０２が受け付けた部位の境界に基づき、大動脈指定部２０１が受け付けた大動脈の領域がいずれの部位の大動脈であるかを示すデータ生成する。教師データ生成部２０３は、このデータを、ＣＴ画像データと組み合わせて、全大動脈学習済モデル生成部２０４用の教師データとする。また、教師データ生成部２０３は、腸骨部の大動脈を示すデータと、ＣＴ画像データのうち腸骨部の大動脈を含むアキシャル断面のデータとを組み合わせて、腸骨大動脈学習済モデル生成部２０５用の教師データとする。全大動脈学習済モデル生成部２０４は、教師データ生成部２０３が生成した全大動脈学習済モデル生成部２０４用の教師データを用いて、ニューラルネットワークを学習させ、ＣＴ画像データから上行部と、弓部と、下行部と、腹部と、腸骨部の大動脈を検出する学習済モデルを生成する。腸骨大動脈学習済モデル生成部２０５は、教師データ生成部２０３が生成した腸骨大動脈学習済モデル生成部２０５用の教師データを用いて、ニューラルネットワークを学習させ、腸骨部の大動脈を含むアキシャル断面のデータから腸骨部の大動脈を検出する学習済モデルを生成する。全大動脈学習済モデル生成部２０４が生成した学習済モデルは、全大動脈検出部１１１で用いられ、腸骨大動脈学習済モデル生成部２０５が生成した学習済モデルは、腸骨大動脈検出部１１２で用いられる。

【0034】

このように、大動脈瘤画像診断支援装置１００は、生物をコンピュータ断層撮影した画像から、複数の部位に分類された大動脈を検出する大動脈検出部１０１と、複数の部位各々に応じた条件を用いて、検出した大動脈から大動脈瘤候補を検出する大動脈瘤候補検出部１０２とを備える。これにより、大動脈瘤画像診断支援装置１００は、部位に応じた判定基準で大動脈瘤の候補を検出することができる。

【0035】

大動脈瘤画像診断支援装置１００は、検出した大動脈を細線化する細線抽出部１１３をさらに備え、大動脈瘤候補検出部１０２は、大動脈の断面であって、細線抽出部１１３による細線化で得られた線に対して垂直な断面を抽出する垂直断面抽出部１２１と、大動脈の断面に対して、複数の部位各々に応じた条件を適用して大動脈瘤候補を検出する条件判定部１２２とを備える。これにより、大動脈瘤画像診断支援装置１００は、大動脈の中心線に対して垂直な断面に条件を適用して大動脈瘤候補を検出するため、誤検出を抑えることができる。

【0036】

大動脈瘤画像診断支援装置１００は、細線抽出部１１３による細線化で得られた線に対して、髭除去処理を行う髭除去部１１４をさらに備え、髭除去部１１４において、除去対象とするか否かの判定条件は、複数の部位に応じている。これにより、大動脈瘤画像診断支援装置１００は、部位の構造に応じた判定条件を適用し、髭除去をより正確に行うことができる。

【0037】

大動脈瘤画像診断支援装置１００は、細線抽出部１１３による細線化で得られた線に沿った軸方向に、大動脈の太さを表す値をプロットしたグラフを表示する検出結果表示部１０３を備える。これにより、大動脈瘤画像診断支援装置１００は、この装置の使用者に、大動脈の太さの変化を直観的に把握させて、診断を支援することができる。

【0038】

また、図１、図１７における大動脈瘤画像診断支援装置１００、学習済モデル生成装置２００の各々もしくはその一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより大動脈瘤画像診断支援装置１００、学習済モデル生成装置２００を実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

【0039】

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

【0040】

以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。

【符号の説明】

【0041】

１００ 大動脈瘤画像診断支援装置
１０１ 大動脈検出部
１０２ 大動脈瘤候補検出部
１０３ 検出結果表示部
１１１ 全大動脈検出部
１１２ 腸骨大動脈検出部
１１３ 細線抽出部
１１４ 髭除去部
１２１ 垂直断面抽出部
１２２ 条件判定部
２００ 学習済モデル生成装置２００
２０１ 大動脈指定部
２０２ 部位境界指定部
２０３ 教師データ生成部
２０４ 全大動脈学習済モデル生成部
２０５ 腸骨大動脈学習済モデル生成部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】