特許 7071744 線維症のコンピューター補助分析方法と電子装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-05-11

(45)【発行日】2022-05-19

(54)【発明の名称】線維症のコンピューター補助分析方法と電子装置

(51)【国際特許分類】

   G06T 7/155 20170101AFI20220512BHJP

   G01N 33/48 20060101ALI20220512BHJP

   G06T 7/00 20170101ALI20220512BHJP

【ＦＩ】

G06T7/155

G01N33/48 M

G01N33/48 Z

G06T7/00 630

【請求項の数】 10

【外国語出願】

(21)【出願番号】P 2019153511

(22)【出願日】2019-08-26

(65)【公開番号】P2020035444

(43)【公開日】2020-03-05

【審査請求日】2019-10-18

(31)【優先権主張番号】62/723,460

(32)【優先日】2018-08-27

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】108127947

(32)【優先日】2019-08-06

(33)【優先権主張国・地域又は機関】TW

【前置審査】

(73)【特許権者】

【識別番号】504455908

【氏名又は名称】国立成功大学

(74)【代理人】

【識別番号】100106002

【弁理士】

【氏名又は名称】正林 真之

(74)【代理人】

【識別番号】100120891

【弁理士】

【氏名又は名称】林 一好

(72)【発明者】

【氏名】チュン チャン パウ－チョー

(72)【発明者】

【氏名】周 楠華

(72)【発明者】

【氏名】蔡 弘文

(72)【発明者】

【氏名】鄭 國順

(72)【発明者】

【氏名】黄 俊承

【審査官】山田 辰美

(56)【参考文献】

【文献】吉野 進也 Shin'ya YOSHINO，慢性肝炎の生検組織像における線維化の定量的評価，電気学会論文誌Ｃ Ｖｏｌ．１１５－Ｃ Ｎｏ．１２ The Transactions of The Institute of Electrical Engineers of Japan，日本，社団法人電気学会，1995年11月20日，第115-C巻

【文献】木谷 拓也 Takuya Kitani， 暗視野画像を利用した肝病理組織標本画像からの線維と核位置の抽出，ＦＩＴ２００８ 第７回情報科学技術フォーラム 講演論文集 第２分冊 査読付き論文・一般論文 データベース 自然言語・音声・音楽 人工知能・ゲーム 生体情報科学 Forum on Information Technology 2008，日本，社団法人電子情報通信学会 社団法人情報処理学会，2008年08月20日，p．455－p.456

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／００－７／９０

Ｇ０１Ｎ ３３／４８

ＩＥＥＥ Ｘｐｌｏｒｅ

(57)【特許請求の範囲】

【請求項1】

複数のコマンドを記憶するメモリと、
前記コマンドを実行して複数の工程を完成するためのプロセッサと、
を備え、
前記複数の工程は、
医療画像をとって、前記医療画像に対して畳み込みニューラルネットワークである分割演算法を行って、繊維部と細胞部を含む分割映像をとる工程と、
前記分割映像に基づいて前記医療画像における少なくとも１つの環状繊維を検出する工程と、
前記少なくとも１つの環状繊維のサイズによって画分を決める工程と、
を含む電子装置。

【請求項2】

前記分割映像に基づいて前記医療画像における前記少なくとも１つの環状繊維を検出する工程は、
前記繊維部を取り除き、前記細胞部に対して少なくとも１つのエロージョンプログラムを行って少なくとも１つの包囲領域を取得する工程と、
前記少なくとも１つの包囲領域の円形度を計算する工程と、
前記少なくとも１つの包囲領域の前記円形度が第１の閾値よりも大きくなると、前記少なくとも１つの包囲領域が前記環状繊維であると判断する工程と、
を含む請求項１に記載の電子装置。

【請求項3】

前記円形度は、以下の方程式（１）によって計算され、

【数1】

ただし、

【数2】

が前記円形度であり、Ａが前記少なくとも１つの包囲領域の面積であり、Ｐが前記少なくとも１つの包囲領域の周長である請求項２に記載の電子装置。

【請求項4】

前記少なくとも１つの環状繊維のサイズによって画分を決める工程は、
前記少なくとも１つの環状繊維の面積の総和を前記細胞部の面積で除算して比率を取得する工程と、
前記比率が第２の閾値以上になると、前記画分を第１の画分に設定するが、でなければ、前記画分を第２の画分に設定し、前記第１の画分が前記第２の画分よりも大きい工程と、
を含む請求項１に記載の電子装置。

【請求項5】

前記複数の工程は、
前記医療画像における複数の門脈域と複数の中心静脈を検出する工程と、
前記分割映像に基づいて前記門脈域と前記中心静脈のブリッジ数を計算する工程と、
前記ブリッジ数によって前記画分を第３の画分又は第４の画分に設定する工程と、
を更に含む請求項４に記載の電子装置。

【請求項6】

前記分割映像に基づいて前記門脈域と前記中心静脈の前記ブリッジ数を計算する工程は、
前記門脈域と前記中心静脈を複数のノードとする工程と、
前記ノードに対して三角化演算法を行って各々の前記ノードの隣接ノードを判断する工程と、
各々の前記ノードに対して、前記分割映像に基づいて前記ノードが前記繊維部によって対応する前記隣接ノードに接続されるかを判断して、前記ブリッジ数を計算する工程と、
を含み、
前記ブリッジ数によって前記画分を前記第３の画分又は前記第４の画分に設定する工程は、
前記ブリッジ数と辺数との間の比率が第３の閾値よりも大きいかを判断し、そうであれば、前記画分を前記第３の画分に設定するが、でなければ、前記画分を前記第４の画分に設定し、前記第３の画分が前記第４の画分よりも大きく、前記辺数が（３ｎ－３－ｋ）であり、ｎが前記ノードの数であり、ｋが前記ノードからなるコンベックスフル（ｃｏｎｖｅｘ ｈｕｌｌ）のノードの数である工程、
を含む請求項５に記載の電子装置。

【請求項7】

前記分割映像に基づいて前記門脈域と前記中心静脈の前記ブリッジ数を計算する工程は、
前記門脈域と前記中心静脈を複数のノードとし、前記ノードの間の距離を辺として図を形成する工程と、
前記図を各々の前記ノードの対応する隣接ノードを指示するツリー構造に変換する工程と、
各々の前記ノードに対して、前記分割映像に基づいて前記ノードが前記繊維部によって対応する前記隣接ノードに接続されるかを判断して、前記ブリッジ数を計算する工程と、
を含み、
前記ブリッジ数によって前記画分を前記第３の画分又は前記第４の画分に設定する工程は、
前記繊維部によって接続される前記ノードの数とすべての前記ノードの数との間の比率が第３の閾値よりも大きいかを判断し、そうであれば、前記画分を前記第３の画分に設定するが、でなければ、前記画分を前記第４の画分に設定する工程、
を含む請求項５に記載の電子装置。

【請求項8】

前記複数の工程は、
各々の前記門脈域に対して、前記分割映像に基づいて前記門脈域における前記繊維部の面積と前記門脈域の面積との間の比率が第４の閾値よりも大きいかを判断し、そうであれば、前記門脈域が門脈拡張であると判断し、拡張数が前記門脈域にいくつの門脈域が門脈拡張であるかを示す工程と、
前記拡張数によって前記画分を第５の画分、第６の画分又は第７の画分に設定する工程と、
を更に含む請求項７に記載の電子装置。

【請求項9】

前記複数の工程は、
前記拡張数と前記門脈域の数との間の比率が第５の閾値よりも大きくなると、前記画分を前記第５の画分に設定する工程と、
前記拡張数と前記門脈域の数との間の比率が前記第５の閾値以下であり且つゼロよりも大きくなると、前記画分を前記第６の画分に設定する工程と、
前記拡張数がゼロであると、前記画分を前記第７の画分に設定する工程と、
を更に含む請求項８に記載の電子装置。

【請求項10】

電子装置に適用されるコンピューター補助分析方法において、
医療画像をとって、前記医療画像に対して畳み込みニューラルネットワークである分割演算法を行って繊維部と細胞部を含む分割映像をとる工程と、
前記分割映像に基づいて前記医療画像における少なくとも１つの環状繊維を検出する工程と、
前記少なくとも１つの環状繊維のサイズによって画分を決める工程と、
を備える線維症のコンピューター補助分析方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、画分を客観的に計算できる線維症のコンピューター補助分析方法に関する。

【背景技術】

【0002】

肝線維症は、慢性Ｂ肝又はＣ肝患者の一般的な変化であり、次第に肝硬変や肝癌に進行する可能性があり、如何に早期に肝線維症の程度を診断して適切な治療を行うかは、疾患の進行を防ぐための重要な課題である。しかしながら、従来の線維症の病期分類方法は、医師の主観的判断に依存するので、如何に客観的なコンピューター補助の病期分類方法を提供するかは、当業者の関心のある問題である。

【発明の概要】

【0003】

本発明の実施例は、複数のコマンドを記憶するメモリと、コマンドを実行して複数の工程を完成するためのプロセッサと、を備え、前記複数の工程は、医療画像を取って、医療画像に対して分割演算法を行って、繊維部と細胞部を含む分割映像を取る工程と、分割映像に基づいて医療画像における少なくとも１つの環状繊維を検出する工程と、少なくとも１つの環状繊維のサイズによって画分を決める工程と、を含む電子装置を提出する。この電子装置によって、画分を客観的に計算することができる。

【0004】

いくつかの実施例において、分割映像に基づいて医療画像における環状繊維を検出する工程は、繊維部を取り除き、細胞部に対して侵食プログラムを行って繊維により囲まれる包囲領域を取得する工程と、包囲領域の囲まれた程度を計算する工程と、包囲領域の程度が第１の閾値よりも大きくなると、包囲領域が環状繊維であると判断する工程と、を含む。

【0005】

いくつかの実施例において、前記環状繊維の判断は、また円形度によって可能性のある誤判定を除去することができる。円形度は、以下の方程式（１）によって計算され、ただし、

【数1】

円形度であり、Ａが包囲領域の面積であり、Ｐが包囲領域の周長である。

【数2】

【0006】

いくつかの実施例において、前記環状繊維のサイズによって画分を決める工程は、環状繊維の面積の総和を細胞部の面積で除算して比率を取得する工程と、この比率が第２の閾値以上になると、画分を第１の画分に設定するが、でなければ、画分を第２の画分に設定し、第１の画分が第２の画分よりも大きい工程と、を含む。

【0007】

いくつかの実施例において、前記工程は、医療画像における複数の門脈域と複数の中心静脈を検出する工程と、分割映像に基づいて門脈域と中心静脈のブリッジ数を計算する工程と、ブリッジ数によって画分を第３の画分又は第４の画分に設定する工程と、を更に含む。

【0008】

いくつかの実施例において、前記分割映像に基づいて門脈域と中心静脈のブリッジ数を計算する工程は、門脈域と中心静脈を複数のノードとする工程と、ノードに対して三角化演算法を行って各々のノードの隣接ノードを判断する工程と、各々のノードに対して、分割映像に基づいてノードが繊維部によって対応する隣接ノードに接続されるかを判断して、ブリッジ数を計算する工程と、を含み、前記ブリッジ数によって画分を第３の画分又は第４の画分に設定する工程は、ブリッジ数と辺数との間の比率が第３の閾値よりも大きいかを判断し、そうであれば、画分を第３の画分に設定するが、でなければ、画分を第４の画分に設定し、第３の画分が第４の画分よりも大きく、辺数が（３ｎ－３－ｋ）であり、ｎがノードの数であり、ｋがノードからなるコンベックスフル（ｃｏｎｖｅｘ ｈｕｌｌ）のノードの数である工程、を含む。

【0009】

いくつかの実施例において、ブリッジ数を計算する工程は、門脈域と中心静脈を複数のノードとし、ノードの間の距離を辺として図を形成する工程と、この図によって各々のノードの対応する隣接ノードを指示するためのツリー構造を構築する工程と、各々のノードに対して、分割映像に基づいてこのノードが繊維部によって対応する隣接ノードに接続されるかを判断して、ブリッジ数を計算する工程と、を含む。ある実施例において、前記ブリッジ数によって画分を第３の画分又は第４の画分に設定する工程は、繊維部によって他のノードに接続されるノードの数とすべてのノードの数との間の比率が閾値よりも大きいかを判断し、そうであれば、画分を第３の画分に設定するが、でなければ、画分を第４の画分に設定する工程、を更に含む。

【0010】

いくつかの実施例において、前記工程は、各々の門脈域に対して、分割映像に基づいて門脈域における繊維部の面積と門脈域の面積との間の比率が第４の閾値よりも大きいかを判断し、そうであれば、門脈域が門脈拡張であると判断し、拡張数が門脈域にいくつの門脈域が門脈拡張であるかを示す工程と、拡張数によって画分を第５の画分、第６の画分又は第７の画分に設定する工程と、を更に含む。

【0011】

いくつかの実施例において、前記工程は、拡張数と門脈域の数との間の比率が第５の閾値よりも大きくなると、画分を第５の画分に設定する工程と、拡張数と門脈域の数との間の比率が第５の閾値以下であり且つゼロよりも大きくなると、画分を第６の画分に設定する工程と、拡張数がゼロであると、画分を第７の画分に設定する工程と、を更に含む。

【0012】

一方、本発明の実施例は、電子装置に適用されるコンピューター補助分析方法において、医療画像をとって、医療画像に対して分割演算法を行って繊維部と細胞部を含む分割映像をとる工程と、分割映像に基づいて医療画像における環状繊維を検出する工程と、環状繊維のサイズによって画分を決める工程と、を備えるコンピューター補助分析方法を提出する。

【0013】

本発明の上記特徴、及びメリットをより分かりやすくするために、下文では、特に実施例を挙げて、添付の図面に合わせて、下記のように説明する。

【図面の簡単な説明】

【0014】

【図1】一実施例による電子装置を示す模式図である。

【図2A】いくつかの実施例による医療画像と分割映像を示す模式図である。

【図2B】いくつかの実施例による医療画像と分割映像を示す模式図である。

【図3】一実施例による環状繊維を判断することを示す模式図である。

【図4】一実施例による部分医療画像を示す模式図である。

【図5】一実施例による部分医療画像を示す模式図である。

【図6】一実施例による部分医療画像を示す模式図である。

【図7】一実施例による三角化後の様子を示す模式図である。

【図8】一実施例による分割映像におけるノードを示す模式図である。

【図9】一実施例による三角化後のいくつかのノードからなるコンベックスフルを示す模式図である。

【図10】一実施例による接続マトリックスを構築することを示す模式図である。

【図11】一実施例による環が取り除かれた様子を示す模式図である。

【図12】一実施例による線維症のコンピューター補助分析方法のフロー図である。

【発明を実施するための形態】

【0015】

本明細書に使用される「第１の」、「第２の」等については、順序又は順位を特定する意味ではなく、同一の技術用語で記述される素子又は操作を区別するためのものだけである。

【0016】

図１は、一実施例による電子装置を示す模式図である。図１を参照すると、電子装置１００は、スマートフォン、タブレット、パーソナルコンピューター、ノート型パソコン、工業用パソコン、或いは計算能力を持つ様々な電子機器又は医療機器等であってよいが、本発明はこれらに限定されない。電子装置１００は、プロセッサ１１０と、メモリ１２０と、を備え、プロセッサ１１０は中央プロセッサ、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ、画像処理チップ、特殊用途集積回路等であってよいが、メモリ１２０は複数のコマンドが記憶される揮発性メモリ又は非揮発性メモリであってよいが、プロセッサ１１０はこれらのコマンドを実行して線維症病期分類方法を完成する。まず、イシャク（Ｉｓｈａｋ）線維症画分を紹介し、以下の表１を参照されたい。

【表1】

【0017】

表１の線維症画分は、医師の主観的判断に依存し、以下、客観的な線維症病期分類方法を提出する。まず、肝臓組織スライススキャン画像であってよい医療画像をとって、図２Ａの例において、医療画像２１０は肝臓組織のスライス画像であるが、他の実施例において、他の臓器の医療画像であってもよいが、本発明はこれらに限定されない。次に、医療画像２１０に対して分割（ｓｅｇｍｅｎｔａｔｉｏｎ）演算法を行って、各ピクセルが繊維であるかを示す二値化画像である分割映像２２０をとる。いくつかの実施例において、前記分割演算法としては、畳み込みニューラルネットワークを採用するが、他の実施例において任意の分割演算法を採用してもよく、本発明はこれらに限定されない。例として、トレーニング段階では、畳み込みニューラルネットワークは、入力が医療画像であり、出力が繊維を人工的に付された二値化画像である。テスト段階では、医療画像２１０をトレーニング済み畳み込みニューラルネットワークに入力してよく、この畳み込みニューラルネットワークが分割映像２２０を出力する。上記実施例において、分割映像２２０は二値化画像であるが、他の実施例において、生じた分割映像により多くのカテゴリを有してもよい。例として、図２Ｂを参照すると、医療画像３１０と医療画像３３０の何れも肝臓組織のスライススキャン画像であり、分割映像３２０は医療画像３１０に対して分割を行った結果であり、分割映像３４０は医療画像３３０に対して分割を行った結果である。分割映像３２０は、細胞部３２１、血管部３２２、胆管部３２３及び繊維部３２４を含む。分割映像３４０は、細胞部３４１、血管部３４２及び繊維部３４３を含む。他の実施例において、他のカテゴリに分けることもでき、本発明はこれに限定されない。

【0018】

次に、分割映像によって医療画像における環状繊維を検出し、この環状繊維とは、繊維により囲まれた肝細胞であり、結節（ｎｏｄｕｌｅ）とも言われる。分割映像において細胞部と繊維部が分離されているため、繊維部を取り除くと、環状繊維は肝細胞を残し、その大部分の形が円形状に近似している。しかし、このような作法では、繊維により完全に囲まれた肝細胞しか見つけることができず、実際には、肝細胞がある比率で（例えば７５％）囲まれるようになると、環状繊維と判断することができる。従って、ここで、分割映像における繊維部を取り除き、包囲領域を取得するために、残りの細胞部に対して画像処理の侵食（ｅｒｏｓｉｏｎ）プロセスを実行することができ、ある領域における肝細胞の７５％以上が繊維に囲まれるようになると、侵食プログラムは、囲まれていない肝細胞を除去して、残りの肝細胞を独立させる（他の肝細胞に接続されない）。図３を参照すると、分割映像３５０は、細胞部３５１と繊維部３５２を含み、繊維部３５２を取り除いて細胞部３５１に対して侵食プログラムを実行した後で画像３６０が得られ、異なるグレースケールによって、例えば包囲領域３６１～３６５のようなそれぞれ独立した包囲領域を表す。

【0019】

次に、各包囲領域の円形度を計算し、円形度が閾値よりも大きくなると環状繊維であると判断することができる。いくつかの実施例において、前記円形度として、以下の方程式（１）を採用することができる。

【数3】

【0020】

ただし、

【数4】

が円形度であり、Ａが包囲領域の面積であり、Ｐが包囲領域の周長であり、円形度が大きいほど、包囲領域が円形に近似している。この実施例において、包囲領域の長軸（領域内の最も遠い２点間の距離）が１ｃｍ以上であり且つ円形度が０．３以上である場合に環状繊維であると判断される。例えば、画像３７０に環状繊維３７１～３７４がしめされ、残りの包囲領域が環状繊維ではない。いくつかの実施例において、繊維部３５２を取り除いた後でも細胞部３５１に対して侵食プログラムを複数回行ってよく、毎回の侵食プログラムで異なるコアを採用し、毎回の侵食プログラムの後で上記円形度の計算を行い環状繊維であるかを判断し、これらの判断の結果に対して和集合を取り、つまり包囲領域は、何れの侵食プログラムで環状繊維であると判断されると、環状繊維である。コアが小さい侵食プログラムを使う場合、包囲領域３６１～３６５の間の繋がる肝細胞を遮断することはできないため、包囲領域３６１～３６５が見つからないので、複数回の侵食プログラムを行う。

【0021】

環状繊維を判断した後で、これらの環状繊維のサイズによって画分を５点又は６点と決めることができる。具体的に、すべての環状繊維３７１～３７４の面積総和を分割映像のすべての細胞部３５１の面積で除算して比率を取得することができ、この比率が閾値以上になると、画分を６点に設定するが、でなければ、画分を５点に設定する。

【0022】

医療画像に環状繊維がない場合、画分が０～４点の内の１つであると示す。線維症が厳しい場合、門脈域と中心静脈には繊維ブリッジがあるので、画分が３点又は４点である。繊維ブリッジがない場合、０～２点の内の１つである。従って、次に、医療画像２１０における門脈域（ｐｏｒｔａｌ ａｒｅａ）と中心静脈（ｃｅｎｔｒａｌ ｖｅｉｎ）を検出し、検出された門脈域と中心静脈は図４のようにバウンディングボックス（ｂｏｕｎｄｉｎｇ ｂｏｘ）で囲まれ、一部の拡大医療画像４１０に門脈域４１１～４１３がある。上記検出工程は、畳み込みニューラルネットワーク、サポートベクターマシン等のような画像分析又は任意の機械学習演算法を採用してよいが、本発明はこれらに限定されない。いくつかの実施例において、機械学習モデルを訓練して門脈域と中心静脈を検出し、又は２つの機械学習モデルを訓練してそれぞれ門脈域と中心静脈を検出することができる。

【0023】

ここに、繊維ブリッジがないことを説明し、この場合、門脈域に繊維拡張があるかを判断する必要がある。具体的には、各門脈域について、繊維部の面積とゲート領域の面積の比率が臨界値（例えば５０％）よりも大きいかを判断でき、そうであれば、門脈域に門脈拡張があると判断することができる。この門脈域の面積とは、繊維部の面積に血管部又は細胞部の面積を加えたものを指し、これらの面積の何れも上記の分割映像に基づいて得られる。例として、図５の例において、門脈域は、繊維性部分５１０と非繊維性部分５２０を有し、図５の例において、繊維性部分５１０の面積と門脈域全体の面積との間の比率が５０％以下であるため、この門脈域に門脈拡張がない。図６の例において、門脈域は繊維性部分６１０と非繊維性部分６２０を有するが、繊維性部分６１０の面積と全体門脈域の面積との間の比率がもう５０％よりも大きくなるため、この門脈域に門脈拡張がある。

【0024】

ここで、拡張数は、医療画像においていくつかの門脈領域が門脈拡張を有するかを示している。拡張数とすべての門脈域の数との間の比率が閾値（例えば５０％）よりも大きくなると、画分を２画分に設定する。拡張数とすべての門脈域の数との間の比率が５０％以下であり且つ１つの閾値（例えば０、１、２又は他の適切な数値）よりも大きくなると、画分を１画分に設定し、拡張数がこの閾値（例えば０）以下になると、画分を０画分に設定する。これらの比率は、一致する演算法に従って調整することもでき、すべてこの特許の範囲に属す。

【0025】

ここに、繊維ブリッジがあることを説明し、線維症の程度が厳しい場合、門脈域又は中心静脈の繊維は周りの隣接する門脈域又は中心静脈に接続されてブリッジ繊維を形成するので、門脈域と中心静脈の間のブリッジの数を計算しなければならない。注意すべきなのは、このブリッジ数は２つの門脈域の間のブリッジ、２つの中心静脈の間のブリッジ、及び門脈域と中心静脈の間のブリッジを含む。具体的には、医療画像におけるすべての門脈域と中心静脈を複数のノードとし、これらのノードに対して三角化演算法を行って、結果が図（ｇｒａｐｈ）であり、複数のノードと複数の辺を含み、例えば図７のように、この三角化演算法は例えばＤｅｌａｕｎａｙ Ｔｒｉａｎｇｕｌａｔｉｏｎであるが、本発明はこれらに限定されない。三角化の後、各ノードの何れも三角形の辺により付近の複数のノード（隣接ノードともいう）に接続され、三角化後の各ノードに対して、何れも上記の分割映像に基づいてこのノードが繊維により対応する隣接ノードに接続されるかを判断することができる。例として、図８を参照すると、図８においてノード８０１～８０８を分割映像に示して、ノード８０１～８０８の間にブリッジ繊維があるかが見られる。上記のように、各ノード８０１～８０８の何れも１つの門脈又は中心静脈に対応し、いくつかの実施例においてノード８０１～８０８の座標が対応するバウンディングボックスの中心点である。ノード８０４を例として、三角化の結果により、ノード８０４はノード８０１、８０６、８０８と８０５と隣接するが、ノード８０４とノード８０１の間にブリッジ繊維がなく、ノード８０４とノード８０５、８０６、８０８の間にブリッジ繊維（ブリッジ数に３を加えてよい）があり、つまり、ブリッジ数が大きいほど、線維症の程度が厳しくなることを示す。上記ブリッジがあるかの判断は幅優先検索（ｂｒｅａｄｔｈ ｆｉｒｓｔ ｓｅａｒｃｈ）を採用でき、これにより２つのノードの間に連続的な繊維の接続があるかを判断するが、他の実施例において他の適切な演算法により２つのノードの間が繊維により接続されるかを判断でき、本発明はこれらに限定されない。

【0026】

図９は、一実施例による三角化後のいくつかのノードからなるコンベックスフルを示す模式図である。図９を参照すると、上記の三角化の後、共に（２ｎ－２－ｋ）の三角形及び（３ｎ－３－ｋ）の辺が形成され、ただし、ｎがすべてのノードの数であり、ｋがこれらのノードからなるコンベックスフル９１０（ｃｏｎｖｅｘ ｈｕｌｌ）におけるノードの数であり、（３ｎ－３－ｋ）が辺数とも言われ、（２ｎ－２－ｋ）が三角形数とも言われる。上記ノードの間が繊維により互いに接続されるかを判断する工程はこの（３ｎ－３－ｋ）の辺がブリッジ繊維であるかを検査する。いくつかの実施例において、前記ブリッジ数と辺数（３ｎ－３－ｋ）の比率が閾値（例えば５０％）よりも小さいと、画分を３画分と判定し、でなければ、画分を４画分と判定する。

【0027】

いくつかの実施例において、門脈域と中心静脈をノードとした後、ノードの間の距離を辺として１つの完全な接続図を形成してから、この完全な接続図を１つのツリー構造（例えば最小重みスパニングツリー又は他のツリー構造）に変換し、このツリー構造は、各ノードの対応する隣接ノードを指示することに用いられる。各ノードに対して、このノードが繊維部により対応する隣接ノードに接続されるかを判断して、ブリッジ数を計算することができる。いくつかの実施例において、ブリッジ数をすべてのノードの数（即ち正整数ｎ）で除算して比率を取得することができ、この比率が閾値よりも大きくなると４画分と判定し、でなければ、３画分と判定する。いくつかの実施例において、繊維部により互いに接続されるノードの数とすべてのノードの数との間の比率が閾値よりも大きいかを計算することができ、そうであれば４画分と判定し、でなければ、３画分と判定する。

【0028】

上記の０～６画分は一例だけであり、他の実施形態では画分に他の数値を用いてもよいし、任意の記号や文字で画分を表してもよく、本発明はこれに限定されない。言い換えれば、上記の０～６画分は、第７～第１の画分と呼ばれることもあるが、本発明は、第７～第１の画分に含まれる数字、符号又は単語を限定しない。

【0029】

いくつかの実施例において、前記環状繊維は、ブリッジの情况により判断されてよく、これはノードの間が繊維彼により互いに接続され且つ１つの環（ｃｉｒｃｌｅ）を形成するためであり、例えば図８のノード８０４、８０６、８０８の間に１つの環が形成される。すべての環の数を計算するために、ノードとノードの間の隣接関係により接続マトリックスを構築してよく、例として、図１０において図（ｇｒａｐｈ）１０１０を示し、図１０１０におけるノードが上記の門脈域と中心静脈であり、図１０１０における各辺がブリッジ繊維を示し、図１０１０のノードと辺により接続マトリックス１０２０を構築することができ、例えばノードＡとノードＢの間に辺（即ちこの２つの門脈域／中心静脈の間にブリッジ繊維があり）があるが、ノードＢとノードＤの間に辺がなく、このように類推する。この接続マトリックス１０２０により複数の環を判断することができ、例えば、論文「Ｆｉｎｄｉｎｇ Ａｌｌ ｔｈｅ Ｅｌｅｍｅｎｔａｒｙ Ｃｉｒｃｕｉｔｓ ｏｆ ａ Ｄｉｒｅｃｔｅｄ Ｇｒａｐｈ」ｂｙ Ｄ．Ｂ． Ｊｏｈｎｓｏｎ，１９７５に開示された演算法を採用するが、本発明はこれらに限定されない。

【0030】

図１１は、一実施例による複数の環を示す模式図である。図１１の例において、共に３つの環１１１０～１１１２があり、環１１１０が４つのノードを有し、環１１１１と環１１１２の何れも３つのノードがあり、一方、環１１１１と環１１１２との和集合が環１１１０として構成される。上記Ｊｏｈｎｓｏｎ演算法の結果は、共に４つの環があると指摘するが、このようにして繰り返して線維症の状況を計算するので、繰り返して計算する環を取り除かなければならない。具体的には、各環に対して、この環が他の環の和集合であるかを判断し、この判断工程は、以下の方程式（２）の通りに書かれてよい。

【数5】

【0031】

ただし、Ｃｉ、Ｃｊは環を示す。方程式（２）が成立すると、環Ｃｉを取り除き、すべての環に対して上記方程式（２）の判断を行った後、残りの環が他の環の和集合ではなくなり、繰り返して計算しなく、残りの環の合計は環数と呼ばれる。例えば、図１１の実施例において環１１１０は取り除かれ、残りの環１１１１、１１１２がカウントされる。一方、上記環を見つけて重複環を取り除く工程は（２ｎ－２－ｋ）の三角形からブリッジ繊維からなる三角形を見つけることである。次に、この環数と上記三角形数（２ｎ－２－ｋ）の間の比率が閾値（例えば５０％）よりも小さいかを判断し、そうであれば、画分を５画分に設定するが、でなければ、画分を６画分に設定する。

【0032】

図１２は、一実施例による線維症のコンピューター補助分析方法のフロー図である。図１２を参照すると、工程１２０１において、医療画像に対して分割演算法を行って分割映像をとる。工程１２０２において、環状繊維があるかを判断する。環状繊維があると、工程１２０３において、環状繊維のサイズによって画分５又は６を決める。環状繊維がないと、工程１２０４において門脈域と中心静脈を検出する。工程１２０５において、ブリッジがあるかを判断する。門脈域と中心静脈がブリッジを有すると、工程１２０６においてブリッジ数によって画分３又は４を決める。ブリッジがないと、工程１２０７において門脈の拡張状況によって画分０～２を決める。しかしながら、図１２における各工程を以上のように説明したので、ここに説明しない。注意すべきなのは、図１２における各工程は複数のプログラムコード又は回路として実作されてよいが、本発明はこれらに限定されない。また、図１２の方法は以上の実施例に組み合わせて使用されてよく、単独して使用されてよい。言い換えれば、図１２の各工程の間に他の工程を加えてよい。

【0033】

本発明では、実施形態を前述の通りに開示したが、これは本発明を限定するものではなく、当業者であれば、本発明の精神と領域から逸脱しない限り、多様の変更や修飾を加えることができる。従って、本発明の保護範囲は、後の特許請求の範囲で指定した内容を基準とするものである。

【符号の説明】

【0034】

１００：電子装置
１１０：プロセッサ
１２０：メモリ
２１０、３１０、３３０：医療画像
２２０、３２０、３４０、３５０：分割映像
３２１、３４１、３５１：細胞部
３２２、３４２：血管部
３２３：胆管部
３２４、３４３、３５２：繊維部
３６０、３７０：画像
３７１～３７４：環状繊維
４１０：医療画像
４１１～４１３：門脈域
５１０、６１０：繊維性部分
５２０、６２０：非繊維性部分
８０１～８０８：ノード
９１０：コンベックスフル
１０１０：図
１０２０：接続マトリックス
１１１０～１１１２：環
１２０１～１２０７：工程

【図1】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】