プログラム及び画像処理装置
【課題】ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出する。
【解決手段】骨関節領域の３次元画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムで、画像記憶部で記憶した画像データの骨関節部を含む範囲を指定する範囲指定処理(S103〜S107)と、指定した範囲内の骨関節部の輪郭情報を抽出する輪郭抽出処理、抽出した輪郭情報から骨関節部を拡張する拡張処理、及び拡張した骨関節部の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップ(S108)と、骨領域抽出ステップ(S108)で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び検出したエッジ位置群の連結から軟骨領域の境界を推定する平滑化処理により軟骨領域を抽出する軟骨領域抽出ステップ(S110)とを実行させる。
【解決手段】骨関節領域の３次元画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムで、画像記憶部で記憶した画像データの骨関節部を含む範囲を指定する範囲指定処理(S103〜S107)と、指定した範囲内の骨関節部の輪郭情報を抽出する輪郭抽出処理、抽出した輪郭情報から骨関節部を拡張する拡張処理、及び拡張した骨関節部の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップ(S108)と、骨領域抽出ステップ(S108)で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び検出したエッジ位置群の連結から軟骨領域の境界を推定する平滑化処理により軟骨領域を抽出する軟骨領域抽出ステップ(S110)とを実行させる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、医療用画像、特に関節部の３次元スキャン画像から軟骨領域を抽出するためのプログラム及び画像処理装置に関する。
【背景技術】
【０００２】
例えば、膝関節の半月板領域などの関節空間内の軟部組織を高い精度で自動的に抽出するべく、ＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ：核磁気共鳴画像）装置によって生成されたＭＲＩ画像データから、ファジイ推論を用いて軟骨領域中の半月板領域の画像データを抽出するようにした技術が考えられている。（例えば、特許文献１）
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２０００−１３９８７０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記特許文献に記載された技術は、軟骨領域の位置と濃度値の知識のファジイルール、半月板の位置と濃度値の知識のファジイルールを用いて最終的に半月板領域の画像データを抽出するようにしたもので、ファジイ推論を実行するための各種メンバーシップ関数の設定の仕方によって抽出精度が大きく左右される。このようなファジイ推論を用いず、できるだけユーザによる入力量を削減しながら、安定した抽出結果を得ることが求められている。
【０００５】
本発明は上記のような実情に鑑みてなされたもので、その目的とするところは、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能なプログラム及び画像処理装置を提供することにある。
【課題を解決するための手段】
【０００６】
本発明の一態様は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップとをコンピュータに実行させることを特徴とする。
【発明の効果】
【０００７】
本発明によれば、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【図面の簡単な説明】
【０００８】
【図１】本発明の一実施形態に係る軟骨領域抽出プログラムをインストールしたパーソナルコンピュータのハードウェア構成を示すブロック図。
【図２】同実施形態に係る第１の動作例としての大腿骨軟骨領域抽出処理の内容を示すフローチャート。
【図３】同実施形態に係る図２の大腿骨骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図４】同実施形態に係る図２の大腿骨軟骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図５】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図６】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図７】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図８】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図９】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１０】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１１】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１２】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１３】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１４】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１５】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１６】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１７】同実施形態に係る第２の動作例としての頸骨軟骨領域抽出処理の内容を示すフローチャート。
【図１８】同実施形態に係る図１７の脛骨骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図１９】同実施形態に係る図１７の脛骨軟骨領域輪郭検出処理のサブルーチンの内容を示すフローチャート。
【図２０】同実施形態に係る図１７の脛骨軟骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図２１】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２２】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２３】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２４】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２５】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２６】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２７】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２８】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２９】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図３０】同実施形態に係る骨領域の抽出処理時間と軟骨領域の抽出処理時間の例を示す図。
【発明を実施するための形態】
【０００９】
以下、本発明の一実施形態について図面を参照して説明する。
図１は、膝関節軟骨領域抽出プログラムをインストールしたパーソナルコンピュータ（以下「ＰＣ」）１０のハードウェア構成を示す。各種処理制御を司るＣＰＵ１１とフロントサイドバスＦＳＢを介してチップセットのノースブリッジ１２が接続される。
【００１０】
このノースブリッジ１２は、さらにメモリバスＭＢを介してメインメモリ１３と、またＰＣＩ−Ｅｘｐｒｅｓｓバスを介してグラフィックコントローラ１４及びグラフィックメモリ１５と接続される他、チップセットであるサウスブリッジ１６とも接続され、主としてこれらの間での入出力制御を実行する。
【００１１】
サウスブリッジ１６は、キーボード／マウス１８、ビデオエンコーダ１９、ハードディスク装置（ＨＤＤ）２０、ネットワークインタフェース（Ｉ／Ｆ）２１、及びマルチディスクドライブ２２と接続され、主としてこれら周辺回路とノースブリッジ１２との間の入出力制御を行なう。
【００１２】
上記ハードディスク装置２０内に、ＯＳ（オペレーティングシステム）と各種のアプリケーションプログラム、各種のデータファイル等に加えて、膝関節置換手術で使用する膝関節軟骨抽出プログラム等が予めインストールされているものとする。
【００１３】
なお、上記ビデオエンコーダ１９は、与えられたデジタル値の画像信号からアナログ値の画像信号であるＲＧＢビデオ信号を生成して出力し、ここでは図示しないディスプレイ部に送ることで、画像が表示される。
【００１４】
また、上記マルチディスクドライブ２２は、例えばＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）規格、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）規格、及びＢＤ（Ｂｌｕｅ−ｒａｙ Ｄｉｓｃ：ブルーレイ・ディクス）規格に則った各種光ディスク媒体の再生と記録が可能であり、後述するＭＲＩ装置で取得した断層写真等を記録した光ディスク媒体を再生して読出すことで、ＭＲＩ装置で取得した、患者の膝関節周辺の断層３次元形状データ（以下「ＭＲＩ画像データ」と称する）を入力してハードディスク装置２０に記録可能とする。
【００１５】
ＭＲＩ画像データとしては、例えばＴ２階調、１６ビット濃淡画像、５１２×５１２画素、スライス間隔０．３ｍｍ、画素間隔０．３１２５ｍｍで、１つのデータセット当たり約３００枚程度を使用する。
なお、これらＰＣ１０を構成する個々の要素は、きわめて一般的な周知の技術であるのでその説明は省略するものとする。
【００１６】
次に上記実施形態の動作について説明する。
本プログラムの実行の前準備として、予め膝関節置換手術を行なう患部の幹部をＭＲＩ装置で撮影し、その撮影によって得られたＭＲＩ画像データがハードディスク装置２０に記憶されているものとする。
【００１７】
（第１の動作例）
図２乃至図４は、大腿骨側の膝関節部周辺画像中、骨領域から軟骨領域を抽出するための処理内容を示す。図２はそのメインルーチンであり、ＣＰＵ１１は当初に処理対象となるＭＲＩ画像をハードディスク装置２０から読出して図示しないディスプレイ画面上に表示させる（ステップＳ１０１）。
【００１８】
図５は、このときディスプレイ画面で表示される３次元のＭＲＩ画像を例示している。同図では、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」「Ｃｏｒｏｎａｌ（コロナ）ビュー」及び「Ａｘｉａｌビュー」として、画像中心が同一座標位置となるように互いに直交する３方位からの画像を示している。
【００１９】
こうして抽出の対象となる画像を選択して表示させた状態で、軟骨抽出操作を開始するべく、入力ダイアグラムを併せてディスプレイ画面に表示させる（ステップＳ１０２）。
【００２０】
図６は、この時上記図５で示した画像の横位置に表示される入力ダイアグラムを例示する図である。同図では、タイトル「膝軟骨領域抽出」下で２つのタブ「Ｆｅｍｕｒ（大腿骨）」「Ｔｉｂｉａ（脛骨）」のうちの「Ｆｅｍｕｒ」側が選択されて、各種入力数値を表示するためのダイアログボックスが表示されている。
【００２１】
こうして対象となるＭＲＩ画像と入力ダイアログとが表示された状態で、操作開始とともにまず大腿骨側の対象部位を囲む注目領域をユーザの操作によって指定する（ステップＳ１０３）。
【００２２】
図７は、ＭＲＩ画像中でユーザの操作によって注目領域を指定した状態を例示する。同図において、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」における注目領域Ａ１１、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目領域Ａ１２、及び「Ａｘｉａｌビュー」における注目領域Ａ１３は３次元空間内で連動するものとして指定されている。
【００２３】
また、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目領域Ａ１２、及び「Ａｘｉａｌビュー」における注目領域Ａ１３においては、膝関節部の顆間窩の左右の範囲を示すデフォルト位置が点線により、内外側顆のデフォルトの概形入力位置が一点鎖線によりそれぞれ自動的に入力されて表示されている。
【００２４】
次いで基準形状の入力位置指定として、大腿骨内外顆の中央付近を指定する（ステップＳ１０４）。さらに、図中に点線で示す顆間窩の左右の範囲指定を行なう（ステップＳ１０５）。
図８は、注目範囲Ａ１２，Ａ１３内の一点鎖線で示す内側と外側の概形と点線で示す顆間窩の左右の範囲とをユーザの操作により指定した状態を示す。
【００２５】
その後、大腿骨側関節部の内側（または外側）の基準形状と、同じく外側（または内側）の基本形状とを入力する（ステップＳ１０６，Ｓ１０７）。
図９及び図１０は、大腿骨側関節部の内側（図９）と外側（図１０）の基本形状をそれぞれディスプレイ画面上でユーザがキーボード／マウス１８での操作によりドットを連続してプロットして入力した状態を例示している。
【００２６】
これらの基本形状の入力は、全体の処理を迅速に処理すべく補助的にユーザ操作により行なうもので、後の行程でも変形可能であるために非常に大まかな形状であればよく、厳密に骨形状の輪郭位置を正確に指定する必要はない。
【００２７】
以上の入力に基づいて、ＣＰＵ１１は大腿骨骨領域の抽出処理を実行する（ステップＳ１０８）。
図３は、この大腿骨骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、抽出処理はすべてＳａｇｉｔｔａｌ面に沿ったスライス画像を中心として行なう。これは、大腿骨遠位端にある軟骨の厚み方向がＳａｇｉｔｔａｌ面に対して概ね平行で、画像上で骨との境界が現れ易いことに起因する。
【００２８】
その当初には、３方向それぞれの画像に対し、注目領域の画像に対して異方性拡散フィルタに通してノイズ成分を減少させた上で、輝度勾配強度画像とＣａｎｎｙ法による輪郭画像をそれぞれ生成する（ステップＳ１２１）。
【００２９】
異方性拡散フィルタは、エッジ保存型の平滑化フィルタで、原画像上のノイズ成分を低減させるとともに、輝度変化の大きい部分ではその境界を跨った平滑化は抑制される。この作用で、組織の分布とその境界をより明確にできる。計算式としては、
【数１】
【００３０】
で表される。拡散係数関数ｃ(ｘ，ｔ)は調整可能なパラメータを持つ輝度勾配強度の関数であり、勾配の大きい部分での時間的変化量が小さくなる働きをさせる。以下の２つの式が代表的な拡散係数関数である。ここでは指数関数形式のものを用いるものとし、定数Ｋでエッジに対する感度を調整する。すなわち、
【数２】
【００３１】
上記ステップＳ１２１での処理後、ＣＰＵ１１は用意した全ての大腿骨の画像、具体的にはＳａｇｉｔｔａｌ面に沿ったスライス画像に対する骨領域の抽出処理が終了したか否かを判断する（ステップＳ１２２）。ここでまだ全ての画像に対する処理が終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ１２３）。
ここで動的輪郭法は、弾性力のある変形可能な閉曲線の内部エネルギとその経路上の画像エネルギの和を最小化させ、対象の形状を得る方法である。画像エネルギと内部エネルギの和を、次式
【数３】
【００３２】
で表す。エネルギを最小化させるということは、画像による力場とその力を受ける曲線の力学的均衡状態を求めることであり、処理内部では力場により時間的に曲線を変形させている。Gradient Vector Flow（参照：「Xu, C. & Prince, J. L. ,Gradient Vector Flow：A New External Force for Snakes, IEEE Proc. Conf. On,1997,66-71」「Xu, C. & Prince, J. L., Snakes, Shapes, and Gradient Vector Flow, IEEE Transactions on Image Processing, March 1998, 7,359-369」）を用いて力場を設定したが、この力場はエッジ情報に基づいて力の方向がエッジに向かうようになっている。
【００３３】
上記ステップＳ１２３で基準形状の変形を行なった後、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域抽出を行なう（ステップＳ１２４）。ここでは輪郭中央部から開始し、画像輪郭部で進行速度が遅くなるように設定する。
【００３４】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法は、Ｅｉｋｏｎａｌ方程式である次式
Ｆ(ｘ)｜∇Ｔ(ｘ)｜＝１
を解く数値計算法で、Ｆ(ｘ)をある位置での伝搬速度とした場合、Ｔ(ｘ)はその位置への到達時間として表すことができる。この計算法に初期条件の領域を与え、境界を広げていくことで骨領域を抽出する。
【００３５】
伝搬速度は画像の輝度勾配強度との関数とし、勾配強度の低い場所で伝わり易く、高い場所で伝わりにくいように定めた。現状は、以下の形式の速度関数、すなわち、
Ｆ(ｘ)＝ｅｘｐ(−ａ∇Ｉ(ｘ))
を利用している。適当な正規化を施した輝度勾配強度と定数ａを与えることで伝搬速度を調整する。
【００３６】
Ｔ２強調のＭＲＩ画像上では軟骨と骨の輝度差が大きいので、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域がその境界を越えないようにしている。画像の状態によっては境界が曖昧となる部分も生じるため、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法のパラメータ、エッジや画像輝度の情報も領域の進行条件に加えて、領域の漏れに対処する。この条件を超えて漏れる部分は、後述する動的輪郭法で得られる領域との合成で概ね削られる。
【００３７】
計算時間の削減と境界漏れを抑えるために、到達時間が一定の範囲を超えると処理を終了するものとする。この時間設定は、動的輪郭法の結果からそれを囲む矩形範囲を取り出し、その対角距離の約半分に到達する時間として設定する。
【００３８】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法により処理後、上記動的輪郭法とＦａｓｔ Ｍａｒｃｈｉｎｇ法の共通領域を骨であるものとしてメインメモリ１３内部のバッファ領域に追加する（ステップＳ１２５）。
【００３９】
こうして２つの異なる方法で領域を抽出する理由は、各方法で抽出領域が外れ易い部分を互いに補うためである。Ｆａｓｔ Ｍａｒｃｈｉｎｇ法は、輝度勾配変化の大きい部分では比較的正確に領域を求めることができるが、輝度勾配変化が小さい部分では領域の漏れを生じやすい。
【００４０】
これに対して動的輪郭法は、パラメータの調整で境界の輪郭が纏まるようにできるが、明瞭な境界が近くに複数存在する場合、どの境界を同定するのかを安定して判断できない。これは、輝度勾配が大きい部分ではＦａｓｔ Ｍａｒｃｈｉｎｇ法が機能的に働き、小さい部分では動的輪郭法の抑制効果が有効に働くということであり、２つの方法の結果を合成することで互いの方法で外れた部分を除外するものである。
【００４１】
こうしてＳａｇｉｔｔａｌ面に沿ったスライス画像に関する処理を終えた後、再び上記ステップＳ１２２からの処理に戻る。
【００４２】
以下同様にして、Ｓａｇｉｔｔａｌ面に沿ったスライス画像に関する処理を順次実行し、全ての画像に対する処理が終了すると、ステップＳ１２２でそれを判断し、バッファ記憶している、最終的に得られた骨領域の画像に対し、例えばモルフォジー演算によるオープニング処理による平滑化処理によって骨領域表面の凹凸を軽減させる（ステップＳ１２６）。
【００４３】
すなわち、上記で示した処理は、上述した如くＳａｇｉｔｔａｌ面に沿ったスライス画像を主体として実行するため、Ｓａｇｉｔｔａｌ面に垂直な方向の領域表面の連続性が低くなり、細かな凹凸や「バリ」状の余分な領域を生じる。そのため、上記オープニング処理によりそれら精度の落ちる部分を平滑化して低減させるものである。
【００４４】
そして、平滑化した骨領域部分を他の領域と区別するべく画像上でマスク化し（ステップＳ１２７）、以上でこの図３による骨領域のサブルーチンを終了し、図２のメインルーチンに戻る。
【００４５】
図１１及び図１２は、上記図９及び図１０に対応し、上記注目領域Ａ１１〜Ａ１３内でマスク化した部分をハッチングにより示している。
図２のメインルーチンでは、上記したステップＳ１０８での骨領域の抽出処理に続き、関節液の輝度を指定する（ステップＳ１０９）。
図１３は、この関節液の輝度指定状態でディスプレイ画面に表示される、「マスク生成中」の処理課程を示す小ウィンドウを例示している。
【００４６】
次いでＣＰＵ１１は、上記抽出した骨領域に基づいて軟骨領域の抽出処理を実行する（ステップＳ１１０）。
図４は、この大腿骨軟骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、この抽出処理も全てＳａｇｉｔｔａｌ面に沿ったスライス画像を中心として行なう。
【００４７】
なお、大腿骨遠位端の軟骨は、前方では膝蓋骨と接触する範囲、後方では顆間窩の範囲をのぞいて内外側顆の上方まで分布している。この分布範囲と軟骨表面の境界を検出して軟骨領域を求める。処理はスライス画像の単位で行ない、骨領域の輪郭周辺の輝度分布、輝度勾配、及び局地的な形状などの条件から、軟骨と大腿骨が接触している境界範囲を判断する。
【００４８】
その当初には、図３の処理で得た骨領域の輪郭を取得した上で（ステップＳ１４１）、まず全てのＳａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認した後（ステップＳ１４２）、あらためて未処理のＳａｇｉｔｔａｌ面に沿ったスライス画像を１枚取得して、以下に示す条件を満たす点列から形成される、輪郭中心からの輪郭位置を取得する（ステップＳ１４３）。
【００４９】
分布範囲の端と見なす条件は、
・輝度勾配強度の分布をもとに、割り出したしきい値を下回る。
・側面の輝度勾配の脇が大きく骨内部方向に向かっている。
・輪郭の進行方向が逆になる。
・（顆間窩範囲の場合）Ｓａｇｉｔｔａｌ面における輝度勾配の向きが規定値から外れる。
【００５０】
これらの条件で骨表面における軟骨分布の端位置候補点の列を求めた後、上記ステップＳ１４２からの処理に戻り、全てのＳａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認する。
【００５１】
こうして各スライス画像毎に骨表面における軟骨分布の端位置候補点の列を求め、全ての画像に対する同処理が終了すると、上記ステップＳ１４２でそれを判断する。
【００５２】
次いで、上記スライス画像毎に求めた軟骨分布の端位置候補点を連結するべく、ＡｘｉａｌとＣｏｒｏｎａｌの２方向それぞれに多項式による曲線を近似し、軟骨の端位置を推定する。空間上の経路は、次式
Ｐ(ｚ)≡(Ｘaxial(ｚ)，Ｙcoronal(ｚ)，ｚ)
（但し、ｘ：前後、
ｙ：上下、
ｚ：左右。）
として表される。この多項式曲線の最近傍にある輪郭位置を軟骨端点とする。骨前方では全てのスライス画像に対して多項式近似を行ない、骨後方では内外顆と顆間窩（ステップＳ１０５でユーザが入力した顆間窩範囲）の３箇所に分け、それぞれ近似させたものを合成する。近似は最小二乗法で行なう。
【００５３】
この工程で、１つのスライス画像に対し、前方と後方一対の端点が得られる。Ｓａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認した後（ステップＳ１４４）、これら端点間の大腿骨表面から外向きに一定距離内でエッジ点を検出する。このエッジ情報を生成するために、骨輪郭に軟骨の最大厚み分を加味した範囲の画像に、異方性拡散フィルタを適用後、Ｃａｎｎｙ法によるエッジ検出を行なう（ステップＳ１４５）。
【００５４】
軟骨の最大厚みは、例えば５ｍｍと仮定する。（参照：「Hall, F.M. & Wyshak, G., Thickness of Articular Cartilage in the Normal Knee, The Journal of Bone and Joint Surgery. 1980, 62, 408-413」）
骨領域を囲む矩形の中心を原点とした極座標で骨表面から放射方向外向きに軟骨の最大厚み以内のエッジ点を収集する（ステップＳ１４６）。
【００５５】
このエッジ点群を軟骨表面の境界候補とし、最適経路検出を行なって外周（軟骨表面）の輪郭線を生成する。この検出にはＤｉｊｋｓｔｒａのアルゴリズムに基づいた方法を用いる。（参照：「Dijkstra, E. W., A note on two problems in connecxion with graphs, Numerische Mathematik, 1959, 1, 269-271」）
この経路の点群は不連続なので、多項式近似で点の得られなかった部分の補間を行なうとともに、経路の平滑化も施す。得た内外周の内側を軟骨領域としてメインメモリ１３内に設けたバッファ領域に追加した後（ステップＳ１４８）、次のスライス画像を処理するべく上記ステップＳ１４４からの処理に戻る。
【００５６】
こうしてスライス画像毎に同様の処理を繰返し実行し、軟骨表面の輪郭線をメインメモリ１３のバッファ領域に蓄積する。
【００５７】
そして、全てのスライス画像に対する処理が終了すると、ステップＳ１４４でそれを判断する。この時点では上記骨領域抽出処理の場合と同様に、Ｓａｇｉｔｔａｌスライス面に直交する方向に「バリ」状のノイズが生じ易いので、バッファ記憶している、最終的に得られた軟骨領域の画像に対して、例えばモルフォジー演算によるオープニング処理による平滑化処理によって軟骨領域表面の凹凸を平均化して軽減させる（ステップＳ１４９）。
【００５８】
そして、平滑化した軟骨領域部分を他の領域と区別するべく、骨領域とは異なる色により画像上でマスク化し（ステップＳ１５０）、以上でこの図４による軟骨領域抽出のサブルーチンを終了するとともに、図２のメインルーチンにおいても大腿骨側の軟骨領域の抽出処理を終了する。
【００５９】
図１４及び図１５は、上記図１１及び図１２に対応し、上記注目領域Ａ１１〜Ａ１３内で軟骨領域をさらにマスク化した部分を骨領域のハッチングとは異なるハッチングにより示している。
図１６は、大腿骨側の膝関節で抽出された骨領域の３次元モデルと、その骨領域に対して抽出された軟骨領域の同モデルの画像を示す。図１６（Ａ）は、抽出した骨領域ＢＮの３次元モデルである。図中の点ＳＰは、顆間窩の中央に位置し、人工関節置換手術を行なう場合にリーミング等を行なう基準点である。図１６（Ｂ）は、上記図１６（Ａ）の内容に加え、抽出した軟骨領域ＣＴの３次元モデルである。
【００６０】
このように、ユーザが入力するのは、対象部位を囲む注目領域、内側部と外側部の概形、及び顆間窩の左右の範囲を示す位置の３項目とし、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して大腿骨側の膝関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【００６１】
（第２の動作例）
図１７乃至図２０は、脛骨側の膝関節部周辺画像中、骨領域から軟骨領域を抽出するための処理内容を示す。図１７はそのメインルーチンであり、ＣＰＵ１１は当初に処理対象となるＭＲＩ画像をハードディスク装置２０から読出して図示しないディスプレイ画面上に表示させる（ステップＳ３０１）。
【００６２】
このときディスプレイ画面で表示される３次元のＭＲＩ画像は、例えば上記図５で示したものとほぼ同様であるものとする。図５では、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」「Ｃｏｒｏｎａｌ（コロナ）ビュー」及び「Ａｘｉａｌビュー」として、画像中心が同一座標位置となるように互いに直交する３方位からの画像を示している。
【００６３】
こうして抽出の対象となる画像を選択して表示させた状態で、軟骨抽出操作を開始するべく、入力ダイアグラムを併せてディスプレイ画面に表示させる（ステップＳ３０２）。
【００６４】
このとき上記図５で示した画像の横位置に表示される入力ダイアグラムについては、概ね上記図６に示したものと同様であるものとする。但し、上記図６ではタイトル「膝軟骨領域抽出」下で２つのタブ「Ｆｅｍｕｒ（大腿骨）」「Ｔｉｂｉａ（脛骨）」のうちの「Ｆｅｍｕｒ」側が選択されていたが、この脛骨側の処理においては「Ｔｉｂｉａ」のタブが選択された状態で表示される。
【００６５】
こうして対象となるＭＲＩ画像と入力ダイアログとが表示された状態で、操作開始とともにまず脛骨側の対象部位を囲む注目領域をユーザの操作によって指定する（ステップＳ３０３）。
【００６６】
図２１は、ＭＲＩ画像中でユーザの操作によって注目領域を指定した状態を例示する。同図において、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」における注目領域Ａ３１、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目区領域Ａ３２、及び「Ａｘｉａｌビュー」における注目領域Ａ３３は３次元空間内で連動するものとして指定されている。
【００６７】
次いで基準形状の概形を入力する行程として、まずＳａｇｉｔｔａｌ面での基準形状とＣｏｒｏｎａｌ面での基準形状とを入力する（ステップＳ３０４，Ｓ３０５）。
図２２及び図２３は、脛骨側関節部のＳａｇｉｔｔａｌ面（図２２）とＣｏｒｏｎａｌ面（図２３）の基本形状をそれぞれディスプレイ画面上でユーザがキーボード／マウス１８での操作によりドットを連続してプロットして入力した状態を例示している。
【００６８】
これらの基本形状の入力は、全体の処理を迅速に処理すべく補助的にユーザ操作により行なうもので、後の行程でも変形可能であるために非常に大まかな形状であればよく、厳密に骨形状の輪郭位置を正確に指定する必要はない。
【００６９】
以上の入力に基づいて、ＣＰＵ１１は脛骨骨領域の抽出処理を実行する（ステップＳ３０６）。
図１８は、この脛骨骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、抽出処理はすべてＳａｇｉｔｔａｌ面及びＣｏｒｏｎａｌ面の２つの方向に沿ったスライス画像を中心として行なう。
【００７０】
その当初には、３方向それぞれの注目領域の画像に対して異方性拡散フィルタを用いて輪郭部を残しながらノイズ成分を減少させた上で（ステップＳ３２１）、Ｃａｎｎｙ法によるエッジ検出を行ない、輪郭画像を生成する（ステップＳ３２２）。
【００７１】
上記ステップＳ３２２での処理後、ＣＰＵ１１は用意した全ての脛骨の画像で、Ｓａｇｉｔｔａｌ面の注目領域内全スライス画像に対する基準形状の変形のための画像処理が終了したか否かを判断する（ステップＳ３２４）。
【００７２】
ここでＳａｇｉｔｔａｌ面の全ての画像に対する処理がまだ終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ３２４）。変形された曲線の内側の領域を骨領域の候補として、メインメモリ１３内部のバッファ領域に更新記憶する。
【００７３】
こうしてステップＳ３２３，Ｓ３２４，Ｓ３２５の処理を繰返し実行し、Ｓａｇｉｔｔａｌ面の全ての画像を用いて輪郭部に沿うような動的輪郭法による基準形状の変形に関する画像処理を実行する。
【００７４】
そして、Ｓａｇｉｔｔａｌ面の全ての画像を用いた画像処理を終了した時点で、ＣＰＵ１１がステップＳ３２３でそれを判断する。
【００７５】
その後、ＣＰＵ１１は用意した全ての脛骨の画像で、Ｃｏｒｏｎａｌ面の注目領域内全スライス画像に対する基準形状の変形のための画像処理が終了したか否かを判断する（ステップＳ３２６）。
【００７６】
ここでＣｏｒｏｎａｌ面 の全ての画像に対する処理がまだ終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ３２７）。変形された曲線の内側の領域を骨領域の候補として、メインメモリ１３内部のバッファ領域に更新記憶する。 この時点で、バッファ領域には既にＳａｇｉｔｔａｌ面の処理で記録された骨領域候補の符号あり、Ｃｏｒｏｎａｌ面 の領域候補の符号と比較し、両方が骨領域候補とする画素のみ候補として残される。Ｓａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面の２方向を用いるのは、骨の境界が強く出ない水平方向の末端部の領域を補い合うためである。
【００７７】
こうしてステップＳ３２６，Ｓ３２７，Ｓ３２８の処理を繰返し実行し、Ｃｏｒｏｎａｌ面 の全ての画像を用いて輪郭部に沿うような動的輪郭法による基準形状の変形に関する画像処理を実行する。
【００７８】
そして、Ｃｏｒｏｎａｌ面の全ての画像を用いた画像処理を終了した時点で、ＣＰＵ１１がステップＳ３２６でそれを判断する。
【００７９】
その後ＣＰＵ１１は、３次元一次微分フィルタによる輝度勾配強度の算出、及び３次元Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域抽出を行なう（ステップＳ３２９）。
３次元Ｆａｓｔ Ｍａｒｃｈｉｎｇ法では、３次元で処理した輝度勾配強度から伝搬速度を算出させるものとし、領域漏れを少なくするために、輝度がしきい値以上の部分とエッジ点によるマスクを用意する。Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域は上記マスク内には入らない。
【００８０】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法により処理後、上記動的輪郭法とＦａｓｔ Ｍａｒｃｈｉｎｇ法の共通領域を骨であるものとしてメインメモリ１３内部のバッファ領域の内容を更新記憶する（ステップＳ３３０）。
【００８１】
こうして２つの異なる方法で領域を抽出することにより、各方法で抽出領域が外れ易い部分を互いに補うことができる。
【００８２】
こうして注目領域の３次元の骨領域画像を更新して記憶した後、さらに最終的に得られた骨領域の画像に対し、オープニング処理としての例えばモルフォジー演算による平滑化処理によって骨領域表面の凹凸を軽減させる（ステップＳ３３１）。
【００８３】
骨表面の細かな凹凸や「バリ」状の余分な領域を平滑化して低減させた上で、平滑化した骨領域部分を他の領域と区別するべく画像上でマスク化し（ステップＳ３３２）、以上でこの図１８による骨領域のサブルーチンを終了し、図１７のメインルーチンに戻る。
図２４は、上記図２３に対応し、上記注目領域Ａ３１〜Ａ３３内でマスク化した部分をハッチングにより示している。
【００８４】
またこのとき、例えばＡｘｉａｌ面の注目領域Ａ３３における突起ＰＴのように、抽出した結果が不自然であると判断される骨領域に対しては、手動によりマスク部分を変形して修正することを可能としてもよい。
図２５は、上記図２４で表示されたマスク部分に対し、ユーザが明らかに不自然であると思われる突起ＰＴ部分を手動操作により削除した状態を示す。こうした手動修正による結果は、骨領域の抽出結果に反映して更新記憶される。
【００８５】
その後に図１７のメインルーチンでは、ＣＰＵ１１が抽出した骨領域から軟骨の輪郭を自動検出する（ステップＳ３０７）。なお、脛骨近位端の軟骨は、大腿骨の内外顆に対応する位置に顆間隆起を挟んで２つに分かれて分布している。
【００８６】
図１９は、この軟骨領域の輪郭の自動検出の詳細な内容を示すサブルーチンである。その処理当初にＣＰＵ１１は、抽出した脛骨近位端の骨領域の画像から軟骨の２つの分布範囲を自動検出する（ステップＳ３４１）。
【００８７】
次いで、抽出した骨領域から骨表面の高さマップを生成する（ステップＳ３４２）。
生成した高さマップに異方向性拡散フィルタをかけてノイズ成分を除去した後（ステップＳ３４３）、Ｓｏｂｅｌフィルタを使って勾配ベクトルの強度を算出する（ステップＳ３４４）。
【００８８】
その後、算出した勾配ベクトルの強度に基づき、軟骨表面の中心から放射方向に勾配強度が「０（ゼロ）」以上となる場所を複数点探してスプライン化することで軟骨表面の外枠の初期状態を取得する（ステップＳ３４５）。
【００８９】
この軟骨表面の外枠に対し、さらに動的輪郭法を用いて特に勾配強度の強い場所の外枠を変形して、高さ変化の大きい構造である軟骨表面に沿わせる（ステップＳ３４６）。
【００９０】
上記算出した軟骨表面の外枠を用い、次に軟骨領域の外枠の初期状態を取得する（ステップＳ３４７）。この初期状態の軟骨領域の外枠に対し、動的輪郭法を用いて変形して軟骨領域に沿わせることで、２つの軟骨領域外枠を得る（ステップＳ３４６）。
【００９１】
こうして生成した２つの閉曲線の画像を軟骨領域外枠として出力し（ステップＳ３４７）、以上で図１９のサブルーチンを終了して、図１７のメインルーチンに戻る。
【００９２】
図２６は、このときＣＰＵ１１がディスプレイ画面で表示する、自動検出した軟骨領域の外枠の画像を例示するものである。上述した如く脛骨近位端の軟骨は、大腿骨の内外顆に対応する位置に顆間隆起を挟んで２つに分かれて分布している。
【００９３】
図１７のメインルーチンでは、こうして自動検出した軟骨領域の輪郭に対して、ユーザの手動による分布範囲の修正を受付ける（ステップＳ３０８）。
【００９４】
図２７は、この手動による修正を受付けた軟骨領域の輪郭を示す。上記図２６で示した内容と比較しても、不自然な凹凸を削除する一方で、必要に応じて領域を広げている部分があることがわかる。
【００９５】
その後、あらためて軟骨領域の外枠を指定した画像について左右いずれの足の脛骨に関するものであるのかを指定した後（ステップＳ３０９）、関節液の輝度を指定する（ステップＳ３１０）。
【００９６】
次いでＣＰＵ１１は、脛骨軟骨領域の抽出を行なう（ステップＳ３１１）。
図２０は、この脛骨軟骨領域の抽出処理の詳細な内容を示すサブルーチンである。
【００９７】
その当初には、上記ステップＳ３０８の処理で修正した軟骨領域の輪郭を含む注目領域を生成した上で（ステップＳ３６１）、当該注目領域に関する全画像データを取得する（ステップＳ３６２）。
【００９８】
取得した画像データに対して異方向性拡散フィルタをかけてノイズ成分を除去した後（ステップＳ３６３）、３方向からＣａｎｎｙ法でエッジ点群を抽出して合成する（ステップＳ３６４）。
【００９９】
次いで、骨領域内に属する、骨内部に存在するエッジ点を除去し（ステップＳ３６５）、さらにエッジ点の分布を考慮し、骨から一定以上遠方（上方）に位置するエッジ点を軟骨に属さないものと推定して除去する（ステップＳ３６６）。
【０１００】
その後、２つに分かれた軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断する。終了していないと判断された場合、軟骨領域の画像について未処理のＳａｇｉｔｔａｌ面に沿ったスライス画像と軟骨分布域の交点を始終端としてエッジ情報点群を通る最適経路をＦａｓｔ Ｍａｒｃｈｉｎｇ法を用いて検出する（ステップＳ３６９）。（参照：「Sethian, J.A., Fast Marching Method, SIAM Review. 1998, 41, 199-235」、「Dijkstra, E. W., A note on two problems in connecxion with graphs, Numerische Mathematik, 1959, 1, 269-271」）ここで得られた経路を軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面における軟骨表面位置の候補とする。
【０１０１】
軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、同様の処理を軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面でも行う。得られた経路を軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面における軟骨表面位置の候補とする。
【０１０２】
軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、続いて、同様の処理を軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面でも行う。得られた経路を軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面における軟骨表面位置の候補とする。
【０１０３】
軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、同様の処理を軟骨領域の外側（または内側）のＣｏｒｏｎａｌ面でも行う。得られた経路を軟骨領域の外側（または内側）のＣｏｒｏｎａｌ面における軟骨表面位置の候補とする。
【０１０４】
次にＳａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面の２方向で軟骨表面位置情報を平均化して合成し（ステップＳ３７２）、さらに軟骨表面位置情報に残るノイズ成分をＳａｖｉｚｋｙ−Ｇｏｌａｙによる２次元のローパスフィルタで平滑化して低減させる（ステップＳ３７３）。（参照：「Savizky, A. & Golay, M.J.E., Smoothing and Differentiation of data by simplified least squares procedures, Analytical Chemistry, 1964, 36, 1627-1639」、「Gorry, P.A., General least-squares smoothing and differentiation by the convolution (Savizky-Golay) method, Analytical Chemistry, 1990, 62, 570-573」）
そして、ノイズ成分を低減した軟骨表面の位置情報に基づき、骨と軟骨表面の間を軟骨領域とし、オープニング処理で表面の凹凸を軽減した後に、軟骨領域部分を他の領域と区別するべく、骨領域とは異なる色により画像上でマスク化し（ステップＳ３７４）、以上でこの図２０による軟骨領域抽出のサブルーチンを終了するとともに、図１７のメインルーチンにおいても脛骨側の軟骨領域の抽出処理を終了する。
【０１０５】
図２８は、上記図２５に対応し、さらに軟骨領域をマスク化した部分を骨領域のハッチングとは異なるハッチングにより示している。
図２９は、脛骨側の膝関節で抽出された骨領域の３次元モデルと、その骨領域に対して抽出された軟骨領域の同モデルの画像を示す。図２９（Ａ）は、抽出した骨領域ＢＮの３次元モデルである。図中の点ＳＰは、顆間隆起の中央に位置し、人工関節置換手術を行なう場合にリーミング等を行なう基準点である。図２９（Ｂ）は、上記図２９（Ａ）の内容に加え、抽出した２つに分かれた軟骨領域ＣＴ，ＣＴの３次元モデルである。
【０１０６】
このように、ユーザが入力するのは、対象部位を囲む注目領域、Ｓａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面に対する骨の概形の２項目とし、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して脛骨側の膝関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
（処理時間）
１：骨領域の抽出処理時間と画素体積（ボクセル数）
図３０（Ａ）に骨領域の抽出処理時間と画素体積の測定結果を示す。体積は抽出処理で骨領域と判断された画素とした。テストデータ２０例による軟骨領域の抽出処理時間は、画素体積（ボクセル数）に概ね比例する。
【０１０７】
テストに使用したＰＣ１０は、Intel Core2 Duo（登録商標）、2.4ＧＨｚのＣＰＵ１１と、２ＧＢのメインメモリ１３を搭載したものであり、大腿骨で１〜２分、脛骨で３〜９分程度の処理時間を要する。
【０１０８】
脛骨の処理時間が大腿骨の場合の３〜５倍程度要しているが、これは動的輪郭法の処理が２方向分あり、１点あたりの処理データ量が1.5倍に増えることと、異方性拡散フィルタの３次元処理が２次元処理の時よりも１点当たりの処理データ量が3倍程度多いためである。
【０１０９】
２：軟骨領域の抽出処理時間と画素体積（ボクセル数）
図３０（Ｂ）に軟骨領域の抽出処理時間と体積の測定結果を示す。体積は骨領域同様抽出処理で軟骨領域と判断された画素数とした。軟骨抽出は、大腿骨と脛骨の処理内容が異なるため、処理時間の長短を単純に比較することが難しい。表面積は、注目領域の対象となる面を和したものなので、実際に処理された表面積よりも大きく見積もられている。大腿骨は前後と下面の３面積の和、脛骨は上面の面積を採用している。このため、基本的に処理時間は体積に比例している。
【０１１０】
以上詳述した如く本実施形態によれば、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【０１１１】
また特に上記実施形態では、Ｃａｎｎｙ法で得られた画像上の輪郭に対して、動的輪郭法を適用し、膝関節骨領域の輪郭候補を得ることにしたので、比較的輝度変化の少ない輪郭部にも可変モデルの形状が適合できる。
【０１１２】
なお、上記実施形態は膝関節における大腿骨側と脛骨側それぞれの処理について説明したが、本発明は関節位置を特定するものではなく、その他の関節における軟骨領域の抽出にも適用可能であることは勿論である。
【０１１３】
その他、本発明は上述した実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、上述した実施形態で実行される機能は可能な限り適宜組み合わせて実施しても良い。上述した実施形態には種々の段階が含まれており、開示される複数の構成要件による適宜の組み合せにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、効果が得られるのであれば、この構成要件が削除された構成が発明として抽出され得る。
【０１１４】
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
請求項１記載の発明は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップとをコンピュータに実行させることを特徴とする。
【０１１５】
請求項２記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの可変モデル処理において、動的輪郭法により関節骨領域の輪郭情報を得ることを特徴とする。
【０１１６】
請求項３記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの輪郭抽出処理において、異方性拡散フィルタを用いて画像上のノイズを低減する画像平滑化処理を実行することを特徴とする。
【０１１７】
請求項４記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの領域拡張処理において、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法を用いることを特徴とする。
【０１１８】
請求項５記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの領域拡張処理において、動的輪郭法による輪郭曲線とＦａｓｔ Ｍａｒｃｈｉｎｇ法による領域拡張で得られた領域との論理積で関節骨領域を取得することを特徴とする。
【０１１９】
請求項６記載の発明は、上記請求項１記載の発明において、上記軟骨領域抽出ステップの最適経路検出処理において、Ｄｉｊｋｓｔｒａのアルゴリズム及びＦａｓｔ Ｍａｒｃｈｉｎｇ法のすくなとも一方に基づいて軟骨の表面位置の候補となるエッジ点群から表面位置を推定することを特徴とする。
【０１２０】
請求項７記載の発明は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部と、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出部と、上記骨領域抽出部で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出部とを備えたことを特徴とする。
【符号の説明】
【０１２１】
１０…パーソナルコンピュータ（ＰＣ）、１１…ＣＰＵ、１２…ノースブリッジ、１３…メインメモリ、１４…グラフィックコントローラ、１５…グラフィックメモリ、１６…サウスブリッジ、１８…キーボード／マウス、１９…ビデオエンコーダ、２０…ハードディスク装置（ＨＤＤ）、２１…ネットワークインタフェース、２２…マルチディスクドライブ、ＢＮ…骨領域、ＣＴ…軟骨領域、ＦＳＢ…フロントサイドバス、ＭＢ…メモリバス。
【技術分野】
【０００１】
本発明は、医療用画像、特に関節部の３次元スキャン画像から軟骨領域を抽出するためのプログラム及び画像処理装置に関する。
【背景技術】
【０００２】
例えば、膝関節の半月板領域などの関節空間内の軟部組織を高い精度で自動的に抽出するべく、ＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ：核磁気共鳴画像）装置によって生成されたＭＲＩ画像データから、ファジイ推論を用いて軟骨領域中の半月板領域の画像データを抽出するようにした技術が考えられている。（例えば、特許文献１）
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２０００−１３９８７０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記特許文献に記載された技術は、軟骨領域の位置と濃度値の知識のファジイルール、半月板の位置と濃度値の知識のファジイルールを用いて最終的に半月板領域の画像データを抽出するようにしたもので、ファジイ推論を実行するための各種メンバーシップ関数の設定の仕方によって抽出精度が大きく左右される。このようなファジイ推論を用いず、できるだけユーザによる入力量を削減しながら、安定した抽出結果を得ることが求められている。
【０００５】
本発明は上記のような実情に鑑みてなされたもので、その目的とするところは、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能なプログラム及び画像処理装置を提供することにある。
【課題を解決するための手段】
【０００６】
本発明の一態様は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップとをコンピュータに実行させることを特徴とする。
【発明の効果】
【０００７】
本発明によれば、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【図面の簡単な説明】
【０００８】
【図１】本発明の一実施形態に係る軟骨領域抽出プログラムをインストールしたパーソナルコンピュータのハードウェア構成を示すブロック図。
【図２】同実施形態に係る第１の動作例としての大腿骨軟骨領域抽出処理の内容を示すフローチャート。
【図３】同実施形態に係る図２の大腿骨骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図４】同実施形態に係る図２の大腿骨軟骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図５】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図６】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図７】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図８】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図９】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１０】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１１】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１２】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１３】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１４】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１５】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１６】同実施形態に係る大腿骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図１７】同実施形態に係る第２の動作例としての頸骨軟骨領域抽出処理の内容を示すフローチャート。
【図１８】同実施形態に係る図１７の脛骨骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図１９】同実施形態に係る図１７の脛骨軟骨領域輪郭検出処理のサブルーチンの内容を示すフローチャート。
【図２０】同実施形態に係る図１７の脛骨軟骨領域抽出処理のサブルーチンの内容を示すフローチャート。
【図２１】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２２】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２３】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２４】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２５】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２６】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２７】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２８】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図２９】同実施形態に係る脛骨軟骨領域抽出処理の課程でディスプレイに表示する画像を例示する図。
【図３０】同実施形態に係る骨領域の抽出処理時間と軟骨領域の抽出処理時間の例を示す図。
【発明を実施するための形態】
【０００９】
以下、本発明の一実施形態について図面を参照して説明する。
図１は、膝関節軟骨領域抽出プログラムをインストールしたパーソナルコンピュータ（以下「ＰＣ」）１０のハードウェア構成を示す。各種処理制御を司るＣＰＵ１１とフロントサイドバスＦＳＢを介してチップセットのノースブリッジ１２が接続される。
【００１０】
このノースブリッジ１２は、さらにメモリバスＭＢを介してメインメモリ１３と、またＰＣＩ−Ｅｘｐｒｅｓｓバスを介してグラフィックコントローラ１４及びグラフィックメモリ１５と接続される他、チップセットであるサウスブリッジ１６とも接続され、主としてこれらの間での入出力制御を実行する。
【００１１】
サウスブリッジ１６は、キーボード／マウス１８、ビデオエンコーダ１９、ハードディスク装置（ＨＤＤ）２０、ネットワークインタフェース（Ｉ／Ｆ）２１、及びマルチディスクドライブ２２と接続され、主としてこれら周辺回路とノースブリッジ１２との間の入出力制御を行なう。
【００１２】
上記ハードディスク装置２０内に、ＯＳ（オペレーティングシステム）と各種のアプリケーションプログラム、各種のデータファイル等に加えて、膝関節置換手術で使用する膝関節軟骨抽出プログラム等が予めインストールされているものとする。
【００１３】
なお、上記ビデオエンコーダ１９は、与えられたデジタル値の画像信号からアナログ値の画像信号であるＲＧＢビデオ信号を生成して出力し、ここでは図示しないディスプレイ部に送ることで、画像が表示される。
【００１４】
また、上記マルチディスクドライブ２２は、例えばＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）規格、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）規格、及びＢＤ（Ｂｌｕｅ−ｒａｙ Ｄｉｓｃ：ブルーレイ・ディクス）規格に則った各種光ディスク媒体の再生と記録が可能であり、後述するＭＲＩ装置で取得した断層写真等を記録した光ディスク媒体を再生して読出すことで、ＭＲＩ装置で取得した、患者の膝関節周辺の断層３次元形状データ（以下「ＭＲＩ画像データ」と称する）を入力してハードディスク装置２０に記録可能とする。
【００１５】
ＭＲＩ画像データとしては、例えばＴ２階調、１６ビット濃淡画像、５１２×５１２画素、スライス間隔０．３ｍｍ、画素間隔０．３１２５ｍｍで、１つのデータセット当たり約３００枚程度を使用する。
なお、これらＰＣ１０を構成する個々の要素は、きわめて一般的な周知の技術であるのでその説明は省略するものとする。
【００１６】
次に上記実施形態の動作について説明する。
本プログラムの実行の前準備として、予め膝関節置換手術を行なう患部の幹部をＭＲＩ装置で撮影し、その撮影によって得られたＭＲＩ画像データがハードディスク装置２０に記憶されているものとする。
【００１７】
（第１の動作例）
図２乃至図４は、大腿骨側の膝関節部周辺画像中、骨領域から軟骨領域を抽出するための処理内容を示す。図２はそのメインルーチンであり、ＣＰＵ１１は当初に処理対象となるＭＲＩ画像をハードディスク装置２０から読出して図示しないディスプレイ画面上に表示させる（ステップＳ１０１）。
【００１８】
図５は、このときディスプレイ画面で表示される３次元のＭＲＩ画像を例示している。同図では、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」「Ｃｏｒｏｎａｌ（コロナ）ビュー」及び「Ａｘｉａｌビュー」として、画像中心が同一座標位置となるように互いに直交する３方位からの画像を示している。
【００１９】
こうして抽出の対象となる画像を選択して表示させた状態で、軟骨抽出操作を開始するべく、入力ダイアグラムを併せてディスプレイ画面に表示させる（ステップＳ１０２）。
【００２０】
図６は、この時上記図５で示した画像の横位置に表示される入力ダイアグラムを例示する図である。同図では、タイトル「膝軟骨領域抽出」下で２つのタブ「Ｆｅｍｕｒ（大腿骨）」「Ｔｉｂｉａ（脛骨）」のうちの「Ｆｅｍｕｒ」側が選択されて、各種入力数値を表示するためのダイアログボックスが表示されている。
【００２１】
こうして対象となるＭＲＩ画像と入力ダイアログとが表示された状態で、操作開始とともにまず大腿骨側の対象部位を囲む注目領域をユーザの操作によって指定する（ステップＳ１０３）。
【００２２】
図７は、ＭＲＩ画像中でユーザの操作によって注目領域を指定した状態を例示する。同図において、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」における注目領域Ａ１１、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目領域Ａ１２、及び「Ａｘｉａｌビュー」における注目領域Ａ１３は３次元空間内で連動するものとして指定されている。
【００２３】
また、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目領域Ａ１２、及び「Ａｘｉａｌビュー」における注目領域Ａ１３においては、膝関節部の顆間窩の左右の範囲を示すデフォルト位置が点線により、内外側顆のデフォルトの概形入力位置が一点鎖線によりそれぞれ自動的に入力されて表示されている。
【００２４】
次いで基準形状の入力位置指定として、大腿骨内外顆の中央付近を指定する（ステップＳ１０４）。さらに、図中に点線で示す顆間窩の左右の範囲指定を行なう（ステップＳ１０５）。
図８は、注目範囲Ａ１２，Ａ１３内の一点鎖線で示す内側と外側の概形と点線で示す顆間窩の左右の範囲とをユーザの操作により指定した状態を示す。
【００２５】
その後、大腿骨側関節部の内側（または外側）の基準形状と、同じく外側（または内側）の基本形状とを入力する（ステップＳ１０６，Ｓ１０７）。
図９及び図１０は、大腿骨側関節部の内側（図９）と外側（図１０）の基本形状をそれぞれディスプレイ画面上でユーザがキーボード／マウス１８での操作によりドットを連続してプロットして入力した状態を例示している。
【００２６】
これらの基本形状の入力は、全体の処理を迅速に処理すべく補助的にユーザ操作により行なうもので、後の行程でも変形可能であるために非常に大まかな形状であればよく、厳密に骨形状の輪郭位置を正確に指定する必要はない。
【００２７】
以上の入力に基づいて、ＣＰＵ１１は大腿骨骨領域の抽出処理を実行する（ステップＳ１０８）。
図３は、この大腿骨骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、抽出処理はすべてＳａｇｉｔｔａｌ面に沿ったスライス画像を中心として行なう。これは、大腿骨遠位端にある軟骨の厚み方向がＳａｇｉｔｔａｌ面に対して概ね平行で、画像上で骨との境界が現れ易いことに起因する。
【００２８】
その当初には、３方向それぞれの画像に対し、注目領域の画像に対して異方性拡散フィルタに通してノイズ成分を減少させた上で、輝度勾配強度画像とＣａｎｎｙ法による輪郭画像をそれぞれ生成する（ステップＳ１２１）。
【００２９】
異方性拡散フィルタは、エッジ保存型の平滑化フィルタで、原画像上のノイズ成分を低減させるとともに、輝度変化の大きい部分ではその境界を跨った平滑化は抑制される。この作用で、組織の分布とその境界をより明確にできる。計算式としては、
【数１】
【００３０】
で表される。拡散係数関数ｃ(ｘ，ｔ)は調整可能なパラメータを持つ輝度勾配強度の関数であり、勾配の大きい部分での時間的変化量が小さくなる働きをさせる。以下の２つの式が代表的な拡散係数関数である。ここでは指数関数形式のものを用いるものとし、定数Ｋでエッジに対する感度を調整する。すなわち、
【数２】
【００３１】
上記ステップＳ１２１での処理後、ＣＰＵ１１は用意した全ての大腿骨の画像、具体的にはＳａｇｉｔｔａｌ面に沿ったスライス画像に対する骨領域の抽出処理が終了したか否かを判断する（ステップＳ１２２）。ここでまだ全ての画像に対する処理が終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ１２３）。
ここで動的輪郭法は、弾性力のある変形可能な閉曲線の内部エネルギとその経路上の画像エネルギの和を最小化させ、対象の形状を得る方法である。画像エネルギと内部エネルギの和を、次式
【数３】
【００３２】
で表す。エネルギを最小化させるということは、画像による力場とその力を受ける曲線の力学的均衡状態を求めることであり、処理内部では力場により時間的に曲線を変形させている。Gradient Vector Flow（参照：「Xu, C. & Prince, J. L. ,Gradient Vector Flow：A New External Force for Snakes, IEEE Proc. Conf. On,1997,66-71」「Xu, C. & Prince, J. L., Snakes, Shapes, and Gradient Vector Flow, IEEE Transactions on Image Processing, March 1998, 7,359-369」）を用いて力場を設定したが、この力場はエッジ情報に基づいて力の方向がエッジに向かうようになっている。
【００３３】
上記ステップＳ１２３で基準形状の変形を行なった後、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域抽出を行なう（ステップＳ１２４）。ここでは輪郭中央部から開始し、画像輪郭部で進行速度が遅くなるように設定する。
【００３４】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法は、Ｅｉｋｏｎａｌ方程式である次式
Ｆ(ｘ)｜∇Ｔ(ｘ)｜＝１
を解く数値計算法で、Ｆ(ｘ)をある位置での伝搬速度とした場合、Ｔ(ｘ)はその位置への到達時間として表すことができる。この計算法に初期条件の領域を与え、境界を広げていくことで骨領域を抽出する。
【００３５】
伝搬速度は画像の輝度勾配強度との関数とし、勾配強度の低い場所で伝わり易く、高い場所で伝わりにくいように定めた。現状は、以下の形式の速度関数、すなわち、
Ｆ(ｘ)＝ｅｘｐ(−ａ∇Ｉ(ｘ))
を利用している。適当な正規化を施した輝度勾配強度と定数ａを与えることで伝搬速度を調整する。
【００３６】
Ｔ２強調のＭＲＩ画像上では軟骨と骨の輝度差が大きいので、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域がその境界を越えないようにしている。画像の状態によっては境界が曖昧となる部分も生じるため、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法のパラメータ、エッジや画像輝度の情報も領域の進行条件に加えて、領域の漏れに対処する。この条件を超えて漏れる部分は、後述する動的輪郭法で得られる領域との合成で概ね削られる。
【００３７】
計算時間の削減と境界漏れを抑えるために、到達時間が一定の範囲を超えると処理を終了するものとする。この時間設定は、動的輪郭法の結果からそれを囲む矩形範囲を取り出し、その対角距離の約半分に到達する時間として設定する。
【００３８】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法により処理後、上記動的輪郭法とＦａｓｔ Ｍａｒｃｈｉｎｇ法の共通領域を骨であるものとしてメインメモリ１３内部のバッファ領域に追加する（ステップＳ１２５）。
【００３９】
こうして２つの異なる方法で領域を抽出する理由は、各方法で抽出領域が外れ易い部分を互いに補うためである。Ｆａｓｔ Ｍａｒｃｈｉｎｇ法は、輝度勾配変化の大きい部分では比較的正確に領域を求めることができるが、輝度勾配変化が小さい部分では領域の漏れを生じやすい。
【００４０】
これに対して動的輪郭法は、パラメータの調整で境界の輪郭が纏まるようにできるが、明瞭な境界が近くに複数存在する場合、どの境界を同定するのかを安定して判断できない。これは、輝度勾配が大きい部分ではＦａｓｔ Ｍａｒｃｈｉｎｇ法が機能的に働き、小さい部分では動的輪郭法の抑制効果が有効に働くということであり、２つの方法の結果を合成することで互いの方法で外れた部分を除外するものである。
【００４１】
こうしてＳａｇｉｔｔａｌ面に沿ったスライス画像に関する処理を終えた後、再び上記ステップＳ１２２からの処理に戻る。
【００４２】
以下同様にして、Ｓａｇｉｔｔａｌ面に沿ったスライス画像に関する処理を順次実行し、全ての画像に対する処理が終了すると、ステップＳ１２２でそれを判断し、バッファ記憶している、最終的に得られた骨領域の画像に対し、例えばモルフォジー演算によるオープニング処理による平滑化処理によって骨領域表面の凹凸を軽減させる（ステップＳ１２６）。
【００４３】
すなわち、上記で示した処理は、上述した如くＳａｇｉｔｔａｌ面に沿ったスライス画像を主体として実行するため、Ｓａｇｉｔｔａｌ面に垂直な方向の領域表面の連続性が低くなり、細かな凹凸や「バリ」状の余分な領域を生じる。そのため、上記オープニング処理によりそれら精度の落ちる部分を平滑化して低減させるものである。
【００４４】
そして、平滑化した骨領域部分を他の領域と区別するべく画像上でマスク化し（ステップＳ１２７）、以上でこの図３による骨領域のサブルーチンを終了し、図２のメインルーチンに戻る。
【００４５】
図１１及び図１２は、上記図９及び図１０に対応し、上記注目領域Ａ１１〜Ａ１３内でマスク化した部分をハッチングにより示している。
図２のメインルーチンでは、上記したステップＳ１０８での骨領域の抽出処理に続き、関節液の輝度を指定する（ステップＳ１０９）。
図１３は、この関節液の輝度指定状態でディスプレイ画面に表示される、「マスク生成中」の処理課程を示す小ウィンドウを例示している。
【００４６】
次いでＣＰＵ１１は、上記抽出した骨領域に基づいて軟骨領域の抽出処理を実行する（ステップＳ１１０）。
図４は、この大腿骨軟骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、この抽出処理も全てＳａｇｉｔｔａｌ面に沿ったスライス画像を中心として行なう。
【００４７】
なお、大腿骨遠位端の軟骨は、前方では膝蓋骨と接触する範囲、後方では顆間窩の範囲をのぞいて内外側顆の上方まで分布している。この分布範囲と軟骨表面の境界を検出して軟骨領域を求める。処理はスライス画像の単位で行ない、骨領域の輪郭周辺の輝度分布、輝度勾配、及び局地的な形状などの条件から、軟骨と大腿骨が接触している境界範囲を判断する。
【００４８】
その当初には、図３の処理で得た骨領域の輪郭を取得した上で（ステップＳ１４１）、まず全てのＳａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認した後（ステップＳ１４２）、あらためて未処理のＳａｇｉｔｔａｌ面に沿ったスライス画像を１枚取得して、以下に示す条件を満たす点列から形成される、輪郭中心からの輪郭位置を取得する（ステップＳ１４３）。
【００４９】
分布範囲の端と見なす条件は、
・輝度勾配強度の分布をもとに、割り出したしきい値を下回る。
・側面の輝度勾配の脇が大きく骨内部方向に向かっている。
・輪郭の進行方向が逆になる。
・（顆間窩範囲の場合）Ｓａｇｉｔｔａｌ面における輝度勾配の向きが規定値から外れる。
【００５０】
これらの条件で骨表面における軟骨分布の端位置候補点の列を求めた後、上記ステップＳ１４２からの処理に戻り、全てのＳａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認する。
【００５１】
こうして各スライス画像毎に骨表面における軟骨分布の端位置候補点の列を求め、全ての画像に対する同処理が終了すると、上記ステップＳ１４２でそれを判断する。
【００５２】
次いで、上記スライス画像毎に求めた軟骨分布の端位置候補点を連結するべく、ＡｘｉａｌとＣｏｒｏｎａｌの２方向それぞれに多項式による曲線を近似し、軟骨の端位置を推定する。空間上の経路は、次式
Ｐ(ｚ)≡(Ｘaxial(ｚ)，Ｙcoronal(ｚ)，ｚ)
（但し、ｘ：前後、
ｙ：上下、
ｚ：左右。）
として表される。この多項式曲線の最近傍にある輪郭位置を軟骨端点とする。骨前方では全てのスライス画像に対して多項式近似を行ない、骨後方では内外顆と顆間窩（ステップＳ１０５でユーザが入力した顆間窩範囲）の３箇所に分け、それぞれ近似させたものを合成する。近似は最小二乗法で行なう。
【００５３】
この工程で、１つのスライス画像に対し、前方と後方一対の端点が得られる。Ｓａｇｉｔｔａｌ面に沿ったスライス画像に対する処理を終えていないことを確認した後（ステップＳ１４４）、これら端点間の大腿骨表面から外向きに一定距離内でエッジ点を検出する。このエッジ情報を生成するために、骨輪郭に軟骨の最大厚み分を加味した範囲の画像に、異方性拡散フィルタを適用後、Ｃａｎｎｙ法によるエッジ検出を行なう（ステップＳ１４５）。
【００５４】
軟骨の最大厚みは、例えば５ｍｍと仮定する。（参照：「Hall, F.M. & Wyshak, G., Thickness of Articular Cartilage in the Normal Knee, The Journal of Bone and Joint Surgery. 1980, 62, 408-413」）
骨領域を囲む矩形の中心を原点とした極座標で骨表面から放射方向外向きに軟骨の最大厚み以内のエッジ点を収集する（ステップＳ１４６）。
【００５５】
このエッジ点群を軟骨表面の境界候補とし、最適経路検出を行なって外周（軟骨表面）の輪郭線を生成する。この検出にはＤｉｊｋｓｔｒａのアルゴリズムに基づいた方法を用いる。（参照：「Dijkstra, E. W., A note on two problems in connecxion with graphs, Numerische Mathematik, 1959, 1, 269-271」）
この経路の点群は不連続なので、多項式近似で点の得られなかった部分の補間を行なうとともに、経路の平滑化も施す。得た内外周の内側を軟骨領域としてメインメモリ１３内に設けたバッファ領域に追加した後（ステップＳ１４８）、次のスライス画像を処理するべく上記ステップＳ１４４からの処理に戻る。
【００５６】
こうしてスライス画像毎に同様の処理を繰返し実行し、軟骨表面の輪郭線をメインメモリ１３のバッファ領域に蓄積する。
【００５７】
そして、全てのスライス画像に対する処理が終了すると、ステップＳ１４４でそれを判断する。この時点では上記骨領域抽出処理の場合と同様に、Ｓａｇｉｔｔａｌスライス面に直交する方向に「バリ」状のノイズが生じ易いので、バッファ記憶している、最終的に得られた軟骨領域の画像に対して、例えばモルフォジー演算によるオープニング処理による平滑化処理によって軟骨領域表面の凹凸を平均化して軽減させる（ステップＳ１４９）。
【００５８】
そして、平滑化した軟骨領域部分を他の領域と区別するべく、骨領域とは異なる色により画像上でマスク化し（ステップＳ１５０）、以上でこの図４による軟骨領域抽出のサブルーチンを終了するとともに、図２のメインルーチンにおいても大腿骨側の軟骨領域の抽出処理を終了する。
【００５９】
図１４及び図１５は、上記図１１及び図１２に対応し、上記注目領域Ａ１１〜Ａ１３内で軟骨領域をさらにマスク化した部分を骨領域のハッチングとは異なるハッチングにより示している。
図１６は、大腿骨側の膝関節で抽出された骨領域の３次元モデルと、その骨領域に対して抽出された軟骨領域の同モデルの画像を示す。図１６（Ａ）は、抽出した骨領域ＢＮの３次元モデルである。図中の点ＳＰは、顆間窩の中央に位置し、人工関節置換手術を行なう場合にリーミング等を行なう基準点である。図１６（Ｂ）は、上記図１６（Ａ）の内容に加え、抽出した軟骨領域ＣＴの３次元モデルである。
【００６０】
このように、ユーザが入力するのは、対象部位を囲む注目領域、内側部と外側部の概形、及び顆間窩の左右の範囲を示す位置の３項目とし、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して大腿骨側の膝関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【００６１】
（第２の動作例）
図１７乃至図２０は、脛骨側の膝関節部周辺画像中、骨領域から軟骨領域を抽出するための処理内容を示す。図１７はそのメインルーチンであり、ＣＰＵ１１は当初に処理対象となるＭＲＩ画像をハードディスク装置２０から読出して図示しないディスプレイ画面上に表示させる（ステップＳ３０１）。
【００６２】
このときディスプレイ画面で表示される３次元のＭＲＩ画像は、例えば上記図５で示したものとほぼ同様であるものとする。図５では、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」「Ｃｏｒｏｎａｌ（コロナ）ビュー」及び「Ａｘｉａｌビュー」として、画像中心が同一座標位置となるように互いに直交する３方位からの画像を示している。
【００６３】
こうして抽出の対象となる画像を選択して表示させた状態で、軟骨抽出操作を開始するべく、入力ダイアグラムを併せてディスプレイ画面に表示させる（ステップＳ３０２）。
【００６４】
このとき上記図５で示した画像の横位置に表示される入力ダイアグラムについては、概ね上記図６に示したものと同様であるものとする。但し、上記図６ではタイトル「膝軟骨領域抽出」下で２つのタブ「Ｆｅｍｕｒ（大腿骨）」「Ｔｉｂｉａ（脛骨）」のうちの「Ｆｅｍｕｒ」側が選択されていたが、この脛骨側の処理においては「Ｔｉｂｉａ」のタブが選択された状態で表示される。
【００６５】
こうして対象となるＭＲＩ画像と入力ダイアログとが表示された状態で、操作開始とともにまず脛骨側の対象部位を囲む注目領域をユーザの操作によって指定する（ステップＳ３０３）。
【００６６】
図２１は、ＭＲＩ画像中でユーザの操作によって注目領域を指定した状態を例示する。同図において、「Ｓａｇｉｔｔａｌ（サジタル）ビュー」における注目領域Ａ３１、「Ｃｏｒｏｎａｌ（コロナ）ビュー」における注目区領域Ａ３２、及び「Ａｘｉａｌビュー」における注目領域Ａ３３は３次元空間内で連動するものとして指定されている。
【００６７】
次いで基準形状の概形を入力する行程として、まずＳａｇｉｔｔａｌ面での基準形状とＣｏｒｏｎａｌ面での基準形状とを入力する（ステップＳ３０４，Ｓ３０５）。
図２２及び図２３は、脛骨側関節部のＳａｇｉｔｔａｌ面（図２２）とＣｏｒｏｎａｌ面（図２３）の基本形状をそれぞれディスプレイ画面上でユーザがキーボード／マウス１８での操作によりドットを連続してプロットして入力した状態を例示している。
【００６８】
これらの基本形状の入力は、全体の処理を迅速に処理すべく補助的にユーザ操作により行なうもので、後の行程でも変形可能であるために非常に大まかな形状であればよく、厳密に骨形状の輪郭位置を正確に指定する必要はない。
【００６９】
以上の入力に基づいて、ＣＰＵ１１は脛骨骨領域の抽出処理を実行する（ステップＳ３０６）。
図１８は、この脛骨骨領域の抽出処理の詳細な内容を示すサブルーチンである。なお、抽出処理はすべてＳａｇｉｔｔａｌ面及びＣｏｒｏｎａｌ面の２つの方向に沿ったスライス画像を中心として行なう。
【００７０】
その当初には、３方向それぞれの注目領域の画像に対して異方性拡散フィルタを用いて輪郭部を残しながらノイズ成分を減少させた上で（ステップＳ３２１）、Ｃａｎｎｙ法によるエッジ検出を行ない、輪郭画像を生成する（ステップＳ３２２）。
【００７１】
上記ステップＳ３２２での処理後、ＣＰＵ１１は用意した全ての脛骨の画像で、Ｓａｇｉｔｔａｌ面の注目領域内全スライス画像に対する基準形状の変形のための画像処理が終了したか否かを判断する（ステップＳ３２４）。
【００７２】
ここでＳａｇｉｔｔａｌ面の全ての画像に対する処理がまだ終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ３２４）。変形された曲線の内側の領域を骨領域の候補として、メインメモリ１３内部のバッファ領域に更新記憶する。
【００７３】
こうしてステップＳ３２３，Ｓ３２４，Ｓ３２５の処理を繰返し実行し、Ｓａｇｉｔｔａｌ面の全ての画像を用いて輪郭部に沿うような動的輪郭法による基準形状の変形に関する画像処理を実行する。
【００７４】
そして、Ｓａｇｉｔｔａｌ面の全ての画像を用いた画像処理を終了した時点で、ＣＰＵ１１がステップＳ３２３でそれを判断する。
【００７５】
その後、ＣＰＵ１１は用意した全ての脛骨の画像で、Ｃｏｒｏｎａｌ面の注目領域内全スライス画像に対する基準形状の変形のための画像処理が終了したか否かを判断する（ステップＳ３２６）。
【００７６】
ここでＣｏｒｏｎａｌ面 の全ての画像に対する処理がまだ終了していないと判断すると、次いでＣＰＵ１１は新たに未処理のＭＲＩ画像データを読出し、輪郭部に沿うように動的輪郭法によって基準形状を変形する（ステップＳ３２７）。変形された曲線の内側の領域を骨領域の候補として、メインメモリ１３内部のバッファ領域に更新記憶する。 この時点で、バッファ領域には既にＳａｇｉｔｔａｌ面の処理で記録された骨領域候補の符号あり、Ｃｏｒｏｎａｌ面 の領域候補の符号と比較し、両方が骨領域候補とする画素のみ候補として残される。Ｓａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面の２方向を用いるのは、骨の境界が強く出ない水平方向の末端部の領域を補い合うためである。
【００７７】
こうしてステップＳ３２６，Ｓ３２７，Ｓ３２８の処理を繰返し実行し、Ｃｏｒｏｎａｌ面 の全ての画像を用いて輪郭部に沿うような動的輪郭法による基準形状の変形に関する画像処理を実行する。
【００７８】
そして、Ｃｏｒｏｎａｌ面の全ての画像を用いた画像処理を終了した時点で、ＣＰＵ１１がステップＳ３２６でそれを判断する。
【００７９】
その後ＣＰＵ１１は、３次元一次微分フィルタによる輝度勾配強度の算出、及び３次元Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域抽出を行なう（ステップＳ３２９）。
３次元Ｆａｓｔ Ｍａｒｃｈｉｎｇ法では、３次元で処理した輝度勾配強度から伝搬速度を算出させるものとし、領域漏れを少なくするために、輝度がしきい値以上の部分とエッジ点によるマスクを用意する。Ｆａｓｔ Ｍａｒｃｈｉｎｇ法による領域は上記マスク内には入らない。
【００８０】
上記Ｆａｓｔ Ｍａｒｃｈｉｎｇ法により処理後、上記動的輪郭法とＦａｓｔ Ｍａｒｃｈｉｎｇ法の共通領域を骨であるものとしてメインメモリ１３内部のバッファ領域の内容を更新記憶する（ステップＳ３３０）。
【００８１】
こうして２つの異なる方法で領域を抽出することにより、各方法で抽出領域が外れ易い部分を互いに補うことができる。
【００８２】
こうして注目領域の３次元の骨領域画像を更新して記憶した後、さらに最終的に得られた骨領域の画像に対し、オープニング処理としての例えばモルフォジー演算による平滑化処理によって骨領域表面の凹凸を軽減させる（ステップＳ３３１）。
【００８３】
骨表面の細かな凹凸や「バリ」状の余分な領域を平滑化して低減させた上で、平滑化した骨領域部分を他の領域と区別するべく画像上でマスク化し（ステップＳ３３２）、以上でこの図１８による骨領域のサブルーチンを終了し、図１７のメインルーチンに戻る。
図２４は、上記図２３に対応し、上記注目領域Ａ３１〜Ａ３３内でマスク化した部分をハッチングにより示している。
【００８４】
またこのとき、例えばＡｘｉａｌ面の注目領域Ａ３３における突起ＰＴのように、抽出した結果が不自然であると判断される骨領域に対しては、手動によりマスク部分を変形して修正することを可能としてもよい。
図２５は、上記図２４で表示されたマスク部分に対し、ユーザが明らかに不自然であると思われる突起ＰＴ部分を手動操作により削除した状態を示す。こうした手動修正による結果は、骨領域の抽出結果に反映して更新記憶される。
【００８５】
その後に図１７のメインルーチンでは、ＣＰＵ１１が抽出した骨領域から軟骨の輪郭を自動検出する（ステップＳ３０７）。なお、脛骨近位端の軟骨は、大腿骨の内外顆に対応する位置に顆間隆起を挟んで２つに分かれて分布している。
【００８６】
図１９は、この軟骨領域の輪郭の自動検出の詳細な内容を示すサブルーチンである。その処理当初にＣＰＵ１１は、抽出した脛骨近位端の骨領域の画像から軟骨の２つの分布範囲を自動検出する（ステップＳ３４１）。
【００８７】
次いで、抽出した骨領域から骨表面の高さマップを生成する（ステップＳ３４２）。
生成した高さマップに異方向性拡散フィルタをかけてノイズ成分を除去した後（ステップＳ３４３）、Ｓｏｂｅｌフィルタを使って勾配ベクトルの強度を算出する（ステップＳ３４４）。
【００８８】
その後、算出した勾配ベクトルの強度に基づき、軟骨表面の中心から放射方向に勾配強度が「０（ゼロ）」以上となる場所を複数点探してスプライン化することで軟骨表面の外枠の初期状態を取得する（ステップＳ３４５）。
【００８９】
この軟骨表面の外枠に対し、さらに動的輪郭法を用いて特に勾配強度の強い場所の外枠を変形して、高さ変化の大きい構造である軟骨表面に沿わせる（ステップＳ３４６）。
【００９０】
上記算出した軟骨表面の外枠を用い、次に軟骨領域の外枠の初期状態を取得する（ステップＳ３４７）。この初期状態の軟骨領域の外枠に対し、動的輪郭法を用いて変形して軟骨領域に沿わせることで、２つの軟骨領域外枠を得る（ステップＳ３４６）。
【００９１】
こうして生成した２つの閉曲線の画像を軟骨領域外枠として出力し（ステップＳ３４７）、以上で図１９のサブルーチンを終了して、図１７のメインルーチンに戻る。
【００９２】
図２６は、このときＣＰＵ１１がディスプレイ画面で表示する、自動検出した軟骨領域の外枠の画像を例示するものである。上述した如く脛骨近位端の軟骨は、大腿骨の内外顆に対応する位置に顆間隆起を挟んで２つに分かれて分布している。
【００９３】
図１７のメインルーチンでは、こうして自動検出した軟骨領域の輪郭に対して、ユーザの手動による分布範囲の修正を受付ける（ステップＳ３０８）。
【００９４】
図２７は、この手動による修正を受付けた軟骨領域の輪郭を示す。上記図２６で示した内容と比較しても、不自然な凹凸を削除する一方で、必要に応じて領域を広げている部分があることがわかる。
【００９５】
その後、あらためて軟骨領域の外枠を指定した画像について左右いずれの足の脛骨に関するものであるのかを指定した後（ステップＳ３０９）、関節液の輝度を指定する（ステップＳ３１０）。
【００９６】
次いでＣＰＵ１１は、脛骨軟骨領域の抽出を行なう（ステップＳ３１１）。
図２０は、この脛骨軟骨領域の抽出処理の詳細な内容を示すサブルーチンである。
【００９７】
その当初には、上記ステップＳ３０８の処理で修正した軟骨領域の輪郭を含む注目領域を生成した上で（ステップＳ３６１）、当該注目領域に関する全画像データを取得する（ステップＳ３６２）。
【００９８】
取得した画像データに対して異方向性拡散フィルタをかけてノイズ成分を除去した後（ステップＳ３６３）、３方向からＣａｎｎｙ法でエッジ点群を抽出して合成する（ステップＳ３６４）。
【００９９】
次いで、骨領域内に属する、骨内部に存在するエッジ点を除去し（ステップＳ３６５）、さらにエッジ点の分布を考慮し、骨から一定以上遠方（上方）に位置するエッジ点を軟骨に属さないものと推定して除去する（ステップＳ３６６）。
【０１００】
その後、２つに分かれた軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断する。終了していないと判断された場合、軟骨領域の画像について未処理のＳａｇｉｔｔａｌ面に沿ったスライス画像と軟骨分布域の交点を始終端としてエッジ情報点群を通る最適経路をＦａｓｔ Ｍａｒｃｈｉｎｇ法を用いて検出する（ステップＳ３６９）。（参照：「Sethian, J.A., Fast Marching Method, SIAM Review. 1998, 41, 199-235」、「Dijkstra, E. W., A note on two problems in connecxion with graphs, Numerische Mathematik, 1959, 1, 269-271」）ここで得られた経路を軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面における軟骨表面位置の候補とする。
【０１０１】
軟骨領域の内側（または外側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、同様の処理を軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面でも行う。得られた経路を軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面における軟骨表面位置の候補とする。
【０１０２】
軟骨領域の内側（または外側）のＣｏｒｏｎａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、続いて、同様の処理を軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面でも行う。得られた経路を軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面における軟骨表面位置の候補とする。
【０１０３】
軟骨領域の外側（または内側）のＳａｇｉｔｔａｌ面に関する処理が終了したか否かを判断し、終了したと判断された場合、同様の処理を軟骨領域の外側（または内側）のＣｏｒｏｎａｌ面でも行う。得られた経路を軟骨領域の外側（または内側）のＣｏｒｏｎａｌ面における軟骨表面位置の候補とする。
【０１０４】
次にＳａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面の２方向で軟骨表面位置情報を平均化して合成し（ステップＳ３７２）、さらに軟骨表面位置情報に残るノイズ成分をＳａｖｉｚｋｙ−Ｇｏｌａｙによる２次元のローパスフィルタで平滑化して低減させる（ステップＳ３７３）。（参照：「Savizky, A. & Golay, M.J.E., Smoothing and Differentiation of data by simplified least squares procedures, Analytical Chemistry, 1964, 36, 1627-1639」、「Gorry, P.A., General least-squares smoothing and differentiation by the convolution (Savizky-Golay) method, Analytical Chemistry, 1990, 62, 570-573」）
そして、ノイズ成分を低減した軟骨表面の位置情報に基づき、骨と軟骨表面の間を軟骨領域とし、オープニング処理で表面の凹凸を軽減した後に、軟骨領域部分を他の領域と区別するべく、骨領域とは異なる色により画像上でマスク化し（ステップＳ３７４）、以上でこの図２０による軟骨領域抽出のサブルーチンを終了するとともに、図１７のメインルーチンにおいても脛骨側の軟骨領域の抽出処理を終了する。
【０１０５】
図２８は、上記図２５に対応し、さらに軟骨領域をマスク化した部分を骨領域のハッチングとは異なるハッチングにより示している。
図２９は、脛骨側の膝関節で抽出された骨領域の３次元モデルと、その骨領域に対して抽出された軟骨領域の同モデルの画像を示す。図２９（Ａ）は、抽出した骨領域ＢＮの３次元モデルである。図中の点ＳＰは、顆間隆起の中央に位置し、人工関節置換手術を行なう場合にリーミング等を行なう基準点である。図２９（Ｂ）は、上記図２９（Ａ）の内容に加え、抽出した２つに分かれた軟骨領域ＣＴ，ＣＴの３次元モデルである。
【０１０６】
このように、ユーザが入力するのは、対象部位を囲む注目領域、Ｓａｇｉｔｔａｌ面とＣｏｒｏｎａｌ面に対する骨の概形の２項目とし、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して脛骨側の膝関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
（処理時間）
１：骨領域の抽出処理時間と画素体積（ボクセル数）
図３０（Ａ）に骨領域の抽出処理時間と画素体積の測定結果を示す。体積は抽出処理で骨領域と判断された画素とした。テストデータ２０例による軟骨領域の抽出処理時間は、画素体積（ボクセル数）に概ね比例する。
【０１０７】
テストに使用したＰＣ１０は、Intel Core2 Duo（登録商標）、2.4ＧＨｚのＣＰＵ１１と、２ＧＢのメインメモリ１３を搭載したものであり、大腿骨で１〜２分、脛骨で３〜９分程度の処理時間を要する。
【０１０８】
脛骨の処理時間が大腿骨の場合の３〜５倍程度要しているが、これは動的輪郭法の処理が２方向分あり、１点あたりの処理データ量が1.5倍に増えることと、異方性拡散フィルタの３次元処理が２次元処理の時よりも１点当たりの処理データ量が3倍程度多いためである。
【０１０９】
２：軟骨領域の抽出処理時間と画素体積（ボクセル数）
図３０（Ｂ）に軟骨領域の抽出処理時間と体積の測定結果を示す。体積は骨領域同様抽出処理で軟骨領域と判断された画素数とした。軟骨抽出は、大腿骨と脛骨の処理内容が異なるため、処理時間の長短を単純に比較することが難しい。表面積は、注目領域の対象となる面を和したものなので、実際に処理された表面積よりも大きく見積もられている。大腿骨は前後と下面の３面積の和、脛骨は上面の面積を採用している。このため、基本的に処理時間は体積に比例している。
【０１１０】
以上詳述した如く本実施形態によれば、ユーザによる習熟度の影響を極力廃して操作入力の量を軽減させながら、安定して関節の軟骨部分の３次元画像を正確に抽出することが可能となる。
【０１１１】
また特に上記実施形態では、Ｃａｎｎｙ法で得られた画像上の輪郭に対して、動的輪郭法を適用し、膝関節骨領域の輪郭候補を得ることにしたので、比較的輝度変化の少ない輪郭部にも可変モデルの形状が適合できる。
【０１１２】
なお、上記実施形態は膝関節における大腿骨側と脛骨側それぞれの処理について説明したが、本発明は関節位置を特定するものではなく、その他の関節における軟骨領域の抽出にも適用可能であることは勿論である。
【０１１３】
その他、本発明は上述した実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、上述した実施形態で実行される機能は可能な限り適宜組み合わせて実施しても良い。上述した実施形態には種々の段階が含まれており、開示される複数の構成要件による適宜の組み合せにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、効果が得られるのであれば、この構成要件が削除された構成が発明として抽出され得る。
【０１１４】
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
請求項１記載の発明は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップとをコンピュータに実行させることを特徴とする。
【０１１５】
請求項２記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの可変モデル処理において、動的輪郭法により関節骨領域の輪郭情報を得ることを特徴とする。
【０１１６】
請求項３記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの輪郭抽出処理において、異方性拡散フィルタを用いて画像上のノイズを低減する画像平滑化処理を実行することを特徴とする。
【０１１７】
請求項４記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの領域拡張処理において、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法を用いることを特徴とする。
【０１１８】
請求項５記載の発明は、上記請求項１記載の発明において、上記骨領域抽出ステップの領域拡張処理において、動的輪郭法による輪郭曲線とＦａｓｔ Ｍａｒｃｈｉｎｇ法による領域拡張で得られた領域との論理積で関節骨領域を取得することを特徴とする。
【０１１９】
請求項６記載の発明は、上記請求項１記載の発明において、上記軟骨領域抽出ステップの最適経路検出処理において、Ｄｉｊｋｓｔｒａのアルゴリズム及びＦａｓｔ Ｍａｒｃｈｉｎｇ法のすくなとも一方に基づいて軟骨の表面位置の候補となるエッジ点群から表面位置を推定することを特徴とする。
【０１２０】
請求項７記載の発明は、関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部と、上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出部と、上記骨領域抽出部で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出部とを備えたことを特徴とする。
【符号の説明】
【０１２１】
１０…パーソナルコンピュータ（ＰＣ）、１１…ＣＰＵ、１２…ノースブリッジ、１３…メインメモリ、１４…グラフィックコントローラ、１５…グラフィックメモリ、１６…サウスブリッジ、１８…キーボード／マウス、１９…ビデオエンコーダ、２０…ハードディスク装置（ＨＤＤ）、２１…ネットワークインタフェース、２２…マルチディスクドライブ、ＢＮ…骨領域、ＣＴ…軟骨領域、ＦＳＢ…フロントサイドバス、ＭＢ…メモリバス。
【特許請求の範囲】
【請求項１】
関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、
上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、
上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップと
をコンピュータに実行させることを特徴とするプログラム。
【請求項２】
上記骨領域抽出ステップの可変モデル処理において、動的輪郭法により関節骨領域の輪郭情報を得ることを特徴とする請求項１記載のプログラム。
【請求項３】
上記骨領域抽出ステップの輪郭抽出処理において、異方性拡散フィルタを用いて画像上のノイズを低減する画像平滑化処理を実行することを特徴とする請求項１記載のプログラム。
【請求項４】
上記骨領域抽出ステップの領域拡張処理において、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法を用いることを特徴とする請求項１記載のプログラム。
【請求項５】
上記骨領域抽出ステップの領域拡張処理において、動的輪郭法による輪郭曲線とＦａｓｔ Ｍａｒｃｈｉｎｇ法による領域拡張で得られた領域との論理積で関節骨領域を取得することを特徴とする請求項１記載のプログラム。
【請求項６】
上記軟骨領域抽出ステップの最適経路検出処理において、Ｄｉｊｋｓｔｒａのアルゴリズム及びＦａｓｔ Ｍａｒｃｈｉｎｇ法のすくなとも一方に基づいて軟骨の表面位置の候補となるエッジ点群から表面位置を推定することを特徴とする請求項１記載のプログラム。
【請求項７】
関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部と、
上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出部と、
上記骨領域抽出部で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出部と
を備えたことを特徴とする画像処理装置。
【請求項１】
関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部を備えたコンピュータが実行するプログラムであって、
上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出ステップと、
上記骨領域抽出ステップで抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出ステップと
をコンピュータに実行させることを特徴とするプログラム。
【請求項２】
上記骨領域抽出ステップの可変モデル処理において、動的輪郭法により関節骨領域の輪郭情報を得ることを特徴とする請求項１記載のプログラム。
【請求項３】
上記骨領域抽出ステップの輪郭抽出処理において、異方性拡散フィルタを用いて画像上のノイズを低減する画像平滑化処理を実行することを特徴とする請求項１記載のプログラム。
【請求項４】
上記骨領域抽出ステップの領域拡張処理において、Ｆａｓｔ Ｍａｒｃｈｉｎｇ法を用いることを特徴とする請求項１記載のプログラム。
【請求項５】
上記骨領域抽出ステップの領域拡張処理において、動的輪郭法による輪郭曲線とＦａｓｔ Ｍａｒｃｈｉｎｇ法による領域拡張で得られた領域との論理積で関節骨領域を取得することを特徴とする請求項１記載のプログラム。
【請求項６】
上記軟骨領域抽出ステップの最適経路検出処理において、Ｄｉｊｋｓｔｒａのアルゴリズム及びＦａｓｔ Ｍａｒｃｈｉｎｇ法のすくなとも一方に基づいて軟骨の表面位置の候補となるエッジ点群から表面位置を推定することを特徴とする請求項１記載のプログラム。
【請求項７】
関節領域のＭＲＩ３次元スキャン画像データを記憶した画像記憶部と、
上記画像記憶部で記憶した画像データの関節骨領域を含む範囲を指定する範囲指定処理、上記指定した範囲内の関節骨領域の輪郭情報を抽出する輪郭抽出処理、同範囲内の関節骨領域を取得する領域拡張処理、及び、関節骨領域の輪郭情報に対する変形を受付ける可変モデル処理により骨領域を抽出する骨領域抽出部と、
上記骨領域抽出部で抽出した骨領域から軟骨領域のエッジ位置群を検出するエッジ検出処理、及び、検出したエッジ位置群の連結から軟骨領域の境界を推定する最適経路検出処理により軟骨領域を抽出する軟骨領域抽出部と
を備えたことを特徴とする画像処理装置。
【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】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【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】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【公開番号】特開２０１３−４８７８８（Ｐ２０１３−４８７８８Ａ）
【公開日】平成２５年３月１４日（２０１３．３．１４）
【国際特許分類】
【出願番号】特願２０１１−１８９１０３（Ｐ２０１１−１８９１０３）
【出願日】平成２３年８月３１日（２０１１．８．３１）
【出願人】（５０１１９８８５５）株式会社 レキシー (6)
【出願人】（５０４１３７９１２）国立大学法人 東京大学 (1,942)
【Ｆターム（参考）】
【公開日】平成２５年３月１４日（２０１３．３．１４）
【国際特許分類】
【出願日】平成２３年８月３１日（２０１１．８．３１）
【出願人】（５０１１９８８５５）株式会社 レキシー (6)
【出願人】（５０４１３７９１２）国立大学法人 東京大学 (1,942)
【Ｆターム（参考）】
[ Back to top ]