受容体結合能画像化プログラム、記録媒体及び方法
【課題】ＲＯＩ中に正常、異常な領域が混在する場合でも異常な領域のＢＰを示し、灰白質又は白質が損傷を受けるような病態に応じてＢＰを示し、ＰＥＴ脳画像上に解剖学的領域を正確に特定し、脳内全体の領域でのＢＰの評価を容易に行うＢＰ画像化プログラム等を提供する。
【解決手段】ＰＥＴ脳画像を基準としてＭＲＩ脳画像の位置合わせを行う。ＭＲＩ脳画像から灰白質部分と白質部分とを分離してノイズ除去処理を行う。ＭＲＩ脳画像に対して参照領域にＲＯＩを設定し、当該ＲＯＩをＰＥＴ脳画像に設定する。ＰＥＴ脳画像に楕円形状のＲＯＩを設定し、当該ＲＯＩについて一画素毎に時間−放射能カウント値を入力する。楕円形状のＲＯＩにおけるＰＥＴ脳画像と参照領域のＲＯＩにおける時間−放射能カウント値とを用いて、参照領域法に基づき楕円形状のＲＯＩにおけるＰＥＴ脳画像の一画素毎にＢＰを算出する。灰白質部分及び／又は白質部分のＢＰを表示する。
【解決手段】ＰＥＴ脳画像を基準としてＭＲＩ脳画像の位置合わせを行う。ＭＲＩ脳画像から灰白質部分と白質部分とを分離してノイズ除去処理を行う。ＭＲＩ脳画像に対して参照領域にＲＯＩを設定し、当該ＲＯＩをＰＥＴ脳画像に設定する。ＰＥＴ脳画像に楕円形状のＲＯＩを設定し、当該ＲＯＩについて一画素毎に時間−放射能カウント値を入力する。楕円形状のＲＯＩにおけるＰＥＴ脳画像と参照領域のＲＯＩにおける時間−放射能カウント値とを用いて、参照領域法に基づき楕円形状のＲＯＩにおけるＰＥＴ脳画像の一画素毎にＢＰを算出する。灰白質部分及び／又は白質部分のＢＰを表示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ＰＥＴ脳画像データから受容体結合能の画像化を行うための受容体結合能画像化プログラム等に関する。
【背景技術】
【０００２】
近年、脳神経分野では神経受容体に選択的に結合する放射性薬剤を用いて、神経伝達機能を評価する研究が行われている。この評価を行う際に、陽電子放出断層撮影（Positron Emission Tomography : ＰＥＴ）により脳内における放射性薬剤の分布を映像化するだけではなく、ＰＥＴ脳画像から受容体結合能（Binding Potential : ＢＰ）等の薬理学的指標を算出することも行われている。ＢＰは、受容体と特異的に結合している薬剤の放射能濃度と組織中の遊離薬剤の濃度との比で表現できる（非特許文献１参照）。
【０００３】
脳関門を通して脳内に取込まれた放射性薬剤には、放射性薬剤の特性に応じて取込まれやすい（留まりやすい）領域と取込まれにくい（留まりにくい）領域とがある。ＢＰは、この取込まれやすさの程度を示しており、取込まれやすい領域ではＢＰが高くなる。従って、予め正常な脳について放射性薬剤に応じた各領域におけるＢＰの高低を調べておくことにより、ＢＰの高低パターンを得ることができる。脳内に正常な領域と異常な領域とがある場合、脳内に取込まれた放射性薬剤は正常な領域には上述したＢＰの高低パターンに応じて留まるが、異常な領域には留まらずに脳外へ流れていくため、ＢＰは通常より低くなる。従って、ＢＰを求めることにより、脳内の異常な領域を発見することが可能となる。
【０００４】
従来、ＰＥＴ脳画像からＢＰを算出する場合、まずＰＥＴ脳画像に対して関心領域（Region of Interest : ＲＯＩ）を設定し、当該ＲＯＩについて時間の経過による放射性薬剤の取込み及び洗出しの過程を調べることにより、ＢＰを算出していた。より詳しくは、測定された時間と当該ＲＯＩ中における全画素の放射能カウント値の平均値との間の変化を示す時間−放射能カウント値曲線を求め、この時間−放射能カウント値曲線のデータに基づきＢＰを算出していた。つまり、当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により、当該ＲＯＩの挙動（どのようなＢＰとなるか）を代表させていた。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述した従来のＢＰ算出法では、まず先にＰＥＴ脳画像に対してＲＯＩを設定し、当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により当該ＲＯＩの挙動を代表させていた。このため、当該ＲＯＩ中に正常な領域と異常な領域とが混在していた場合、正常な放射能カウント値と異常な放射能カウント値とが混ざってしまい、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかが不明になってしまうという問題があった。
【０００６】
脳神経分野における病態によっては、灰白質が損傷を受ける場合、又は白質が損傷を受ける場合がある。しかし、上述した従来のＢＰ算出法では、まず先にＰＥＴ脳画像に対してＲＯＩを設定するため、当該ＲＯＩ中に灰白質と白質とが含まれることがある。この場合でも当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により当該ＲＯＩの挙動を代表させていたため、病態に応じた正確なＢＰを算出することが困難であるという問題があった。
【０００７】
ＰＥＴ脳画像は、Ｘ線断層写真撮影機（Computer Tomography : ＣＴ）、磁気共鳴映像機（Magnetic Resonance Imaging : ＭＲＩ）等による画像と比較すると解像度が低い。このため、ＰＥＴ脳画像上では解剖学的領域を特定しにくいという問題があった。
【０００８】
従来は設定した各ＲＯＩ毎にＢＰを数値として算出していただけであったため、脳内全体の領域におけるＢＰの評価を短期間に行うことが困難であるという問題があった。
【０００９】
そこで、本発明の目的は、上記問題を解決するためになされたものであり、設定したＲＯＩ中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができる受容体結合能画像化プログラム等を提供することにある。
【００１０】
本発明の第２の目的は、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、各々正確なＢＰを示すことができる受容体結合能画像化プログラム等を提供することにある。
【００１１】
本発明の第３の目的は、ＰＥＴ脳画像、単光子放出断層撮像法（Single Photon Emission Computed Tomography : ＳＰＥＣＴ）脳画像等の機能的脳画像上に解剖学的領域を正確に特定することができる受容体結合能画像化プログラム等を提供することにある。
【００１２】
本発明の第４の目的は、脳内全体の領域におけるＢＰを瞬時に示すことにより、脳内全体の領域におけるＢＰの評価を容易に行うことができる受容体結合能画像化プログラム等を提供することにある。
【課題を解決するための手段】
【００１３】
この発明の受容体結合能画像化プログラムは、機能的脳画像データ（好適にはＰＥＴ又はＳＰＥＣＴ脳画像データ）から受容体結合能の画像化を行うための受容体結合能画像化プログラムであって、コンピュータを、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力手段、前記被験者の形態脳画像データ（好適にはＭＲＩ又はＣＴ脳画像データ）を入力する形態脳画像データ入力手段、前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力手段により入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせ手段、前記位置合わせ形態手段により位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離手段、前記位置合わせ手段により位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに設定する関心領域設定手段、前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定手段、前記関心領域設定手段により設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力手段、前記所定形状関心領域設定手段により設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力手段により入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出手段、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分のデータの受容体結合能を所定の表示形式で表示する受容体結合能表示手段として機能させるための受容体結合能画像化プログラムである。
【００１４】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法とすることができる。
【００１５】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去手段をさらに備え、前記受容体結合能表示手段は、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離され前記ノイズ除去手段により所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することができる。
【００１６】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記ノイズ除去手段は、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことができる。
【００１７】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記受容体結合能表示手段により受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出手段をさらに備えることができる。
【００１８】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記所定形状関心領域設定手段により設定される所定の形状は楕円とすることができる。
【００１９】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記参照領域法がLogan-ＤＶＲ法の場合、Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返し手段と、前記繰返し手段により求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択手段とをさらに備えることができる。
【００２０】
この発明の記録媒体は、本発明のいずれかの受容体結合能画像化プログラムを記録したコンピュータ読取り可能な記録媒体である。
【００２１】
この発明の受容体結合能画像化方法は、コンピュータが、機能的脳画像データから受容体結合能の画像化を実行する受容体結合能画像化方法であって、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力ステップと、前記被験者の形態脳画像データを入力する形態脳画像データ入力ステップと、前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力ステップで入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせステップと、前記位置合わせ形態ステップで位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離ステップと、前記位置合わせステップで位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに設定する関心領域設定ステップと、前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定ステップと、前記関心領域設定ステップで設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力ステップと、前記所定形状関心領域設定ステップで設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力ステップで入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出ステップと、前記受容体結合能算出ステップにより算出された一画素毎の受容体結合能と前記分離ステップにより分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示する受容体結合能表示ステップとを備え、前記機能的脳画像データ入力ステップと前記形態脳画像データ入力ステップとは逆に実行可能であり、前記所定形状関心領域設定ステップは前記機能的脳画像データ入力ステップ後であれば先行する各ステップの前に実行可能であることを特徴とする。
【００２２】
ここで、この発明の受容体結合能画像化方法において、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法とすることができる。
【００２３】
ここで、この発明の受容体結合能画像化方法において、前記分離ステップの後で且つ前記受容体結合能表示ステップの前に、該分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去ステップをさらに備え、前記受容体結合能表示ステップは、前記受容体結合能算出ステップで算出された一画素毎の受容体結合能と前記分離ステップで分離され前記ノイズ除去ステップで所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することができる。
【００２４】
ここで、この発明の受容体結合能画像化方法において、前記ノイズ除去ステップは、前記分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことができる。
【００２５】
ここで、この発明の受容体結合能画像化方法において、前記受容体結合能表示ステップで受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出ステップをさらに備えることができる。
【００２６】
ここで、この発明の受容体結合能画像化方法において、前記所定形状関心領域設定ステップで設定される所定の形状は楕円とすることができる。
【００２７】
ここで、この発明の受容体結合能画像化方法において、前記参照領域法がLogan-ＤＶＲ法の場合、前記受容体結合能算出ステップの前に、Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返しステップと、前記繰返しステップで求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択ステップとをさらに備えることができる。
【発明の効果】
【００２８】
本発明の受容体結合能画像化プログラム等によれば、ＭＲＩ脳画像、ＣＴ脳画像等の形態（解剖学的）脳画像と、ＰＥＴ脳画像、ＳＰＥＣＴ脳画像等の機能的脳画像とを位置合わせして両脳画像を同じ座標にしている。これにより、解剖学的情報が豊富なＭＲＩ画像等の形態（解剖学的）脳画像に対して解剖学的領域を設定してから、当該解剖学的領域をＰＥＴ脳画像等の機能的脳画像へ設定している。このため、ＰＥＴ脳画像等の機能的脳画像上でも解剖学的領域を正確に特定することができるという効果がある。
【００２９】
ＰＥＴ脳画像等の機能的脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎に受容体結合能を求めている。このため、設定した関心領域中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができるという効果がある。求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰを瞬時に示すことができ、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができるという効果がある。灰白質と白質とに分けて、各々につきＢＰを求めている。このため、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、病態に応じた正確なＢＰを算出することができるという効果がある。
【図面の簡単な説明】
【００３０】
【図１】本発明の実施例１等におけるＢＰ画像化プログラム等が実行されるＢＰ画像化システム１を示す図である。
【図２】ＰＥＴ脳画像データ入力部２１により入力されたＰＥＴ脳画像データに基づくＰＥＴ脳画像４０を例示する図である。
【図３】ＭＲＩ脳画像データ入力部２２により入力されたＭＲＩ脳画像データに基づくＭＲＩ脳画像５０を例示する図である。
【図４】位置合わせ部２３により位置合わせが行われた結果の脳画像６０を例示する図である。
【図５】相互情報量を説明するための概念図である。
【図６】医用脳画像の平均情報量（エントロピー）を説明するための図である。
【図７】結合事象のヒストグラムを説明するための図である。
【図８】図７に示されるジョイント・ヒストグラム３００を視点ＶＰから見た場合の３次元ジョイント・ヒストグラム４００を示す図である。
【図９】２次元ジョイント・ヒストグラムから相互情報量を計算する方法を説明するための図である。
【図１０】２次元ジョイントヒストグラムＧ（Ａ，Ｂ）（ヒストグラム３１０）から計算された参照画像２７０（事象Ａ）とフローティング画像２６０（事象Ｂ）との結合確率分布ｐ（Ａ，Ｂ）を示す図である。
【図１１】セグメンテーション部２４による被験者のＭＲＩ脳画像データ５０から灰白質部分データ５５と白質部分データ５６とを分離する例を示す図である。
【図１２】細線・膨張処理部２５による細線・膨張処理（closing演算）を例示する図である。
【図１３】細線・膨張処理部２５による処理状態を例示する画面７０を示す図である。
【図１４】リファレンスＲＯＩ設定部２６の処理状況を例示する画面８０を示す図である。
【図１５】楕円ＲＯＩ設定部２７の処理状況を例示する画面９０を示す図である。
【図１６】放射能カウント値入力部２８の処理状況を例示する画面１００を示す図である。
【図１７】ＳＲＴＭ法を説明するためのコンパートメントモデルを示す図である。
【図１８】被験者に対し放射性薬剤として［１１Ｃ］ＰＥ２Ｉが使用された場合におけるＢＰ画像表示部３０により表示された画面１２０ａ〜１２０ｄを示す図である。
【図１９】被験者に対し放射性薬剤として［１８Ｆ］flumazenilが使用された場合におけるＢＰ画像表示部３０により表示された画面１３０ａ〜１３０ｄを示す図である。
【図２０】ＢＰ画像表示部３０により表示された画面１４０を示す図である。
【図２１】本発明の実施例１等における、コンピュータがＰＥＴ脳画像データからＢＰの画像化を実行するＢＰ画像化プログラム及び方法の処理の流れを示すフローチャートである。
【図２２】本発明の実施例３における楕円ＲＯＩ設定部２７の処理状況を例示する画面１６０を示す図である。
【図２３】式２３の左辺Ｙを縦軸とし、式２３の右辺のＸを横軸としたグラフを示す図である。
【図２４】本発明の実施例４における最適開始点によるＢＰ算出法（ＢＰ画像化プログラム等）の流れを示すフローチャートである。
【図２５】実施例４における最適開始点によるＢＰ算出法の処理状況を例示する画面１７０を示す図である。
【図２６】本発明のＢＰ画像化プログラムを実行するコンピュータ１０の内部回路１８０を示すブロック図である。
【発明を実施するための最良の形態】
【００３１】
以下では説明の便宜のために、形態（解剖学的）脳画像の例としてＭＲＩ脳画像を取り上げ、機能的脳画像の例としてＰＥＴ脳画像を取り上げて説明する。しかし、本発明の受容体結合能画像化プログラム等が適用される形態（解剖学的）脳画像はＭＲＩ脳画像に限定されるものではなく、ＣＴ脳画像等の他の形態（解剖学的）脳画像に対しても同様に適用することができる。同様に、本発明の受容体結合能画像化プログラム等が適用される機能的脳画像はＰＥＴ脳画像に限定されるものではなく、ＳＰＥＣＴ脳画像等の他の機能的脳画像に対しても同様に適用することができる。従って、本発明の受容体結合能画像化プログラム等が適用される形態（解剖学的）脳画像と機能的脳画像との組合わせは、例えばＭＲＩ脳画像とＰＥＴ脳画像、ＭＲＩ脳画像とＳＰＥＣＴ脳画像、ＣＴ脳画像とＰＥＴ脳画像、ＣＴ脳画像とＳＰＥＣＴ脳画像等になる。以下では、本発明のＰＥＴ脳画像データ等の機能的脳画像データからＢＰの画像化を行うための受容体結合能画像化プログラムを「ＢＰ画像化プログラム」と言う。本発明のコンピュータがＰＥＴ脳画像データ等の機能的脳画像データからＢＰの画像化を実行する受容体結合能画像化方法を「ＢＰ画像化方法」と言う。ＢＰ画像化プログラム及び方法を「ＢＰ画像化プログラム等」と言う。以下、実施例について図面を参照して詳細に説明する。
【実施例１】
【００３２】
図１は、本発明の実施例１等におけるＢＰ画像化プログラム等が実行されるＢＰ画像化システム１を示す。図１で、符号１０はＢＰ画像化プログラム等を実行するコンピュータ、１２はコンピュータ１０に接続されたハードディスク等の記録装置、１４は記録装置１２内に記録されたＰＥＴ脳画像データのデータべース（ＰＥＴ−ＤＢ）、１６は記録装置１２内に記録されたＭＲＩ脳画像データのデータべース（ＭＲＩ−ＤＢ）、２０はＢＰ画像化プログラムの機能を示す機能ブロックである。以下、機能ブロック２０内に示される各機能について説明していく。
【００３３】
ＰＥＴ脳画像データ入力部（機能的脳画像データ入力手段。上述したようにＳＰＥＣＴ脳画像データ入力部であってもよい。以下同様。）２１は、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ（放射能カウント値）を入力する。本明細書では、受容体として特に脳内の神経受容体を取り扱う。所定の放射性薬剤としては［１１Ｃ］ＰＥ２Ｉ、［１８Ｆ］flumazenil等が好適である。ＰＥＴ脳画像データの収集及び所定の放射性薬剤の分布を画像化するためのＰＥＴ装置としては３次元収集型が好適である。ＰＥＴ専用機ではなく、ＰＥＴ／ＣＴ装置、ＳＰＥＣＴ（単光子放出断層撮像法：Single Photon Emission Computed Tomography）／ＰＥＴ装置等を用いてもよい。図２は、ＰＥＴ脳画像データ入力部２１により入力されたＰＥＴ脳画像データに基づくＰＥＴ脳画像４０を例示する。以下では、特に区別する場合を除いて「ＰＥＴ脳画像」と「ＰＥＴ脳画像データ」とを同様に用いる。図２に示されるように、ＰＥＴ脳画像データ４０のマトリクスサイズとしては１２８×１２８（画素）が好適であるが、このマトリクスサイズに限定されるものではない。
【００３４】
ＭＲＩ脳画像データ入力部（形態脳画像データ入力手段。上述したようにＣＴ脳画像データ入力部であってもよい。以下同様。）２２は、上記被験者のＭＲＩ脳画像データを入力する。ＭＲＩ脳画像データの収集及びＭＲＩ画像の作成に用いるＭＲＩ装置としては、トンネル型、オープン型等のいずれを用いてもよい。図３は、ＭＲＩ脳画像データ入力部２２により入力されたＭＲＩ脳画像データに基づくＭＲＩ脳画像５０を例示する。以下では、特に区別する場合を除いて「ＭＲＩ脳画像」と「ＭＲＩ脳画像データ」とを同様に用いる。図３に示されるように、ＭＲＩ脳画像データ５０のマトリクスサイズとしては２５６×２５６（画素）が好適であるが、このマトリクスサイズに限定されるものではない。
【００３５】
位置合わせ部（位置合わせ手段）２３は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力部２２により入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う。具体的には、まず、ＭＲＩ脳画像データ５０のマトリクスサイズ（２５６×２５６（画素））をＰＥＴ脳画像データ４０のマトリクスサイズ（１２８×１２８（画素））に合わせるリスライスを行う。一般的には、ＭＲＩ脳画像データの方が解像度が良いため、ＭＲＩ脳画像データを基準としてＰＥＴ脳画像データをリスライスする。しかし、本発明のＢＰ画像化プログラムでは計算時間短縮のためマトリクスサイズの小さいＰＥＴ脳画像データ４０を基準にＭＲＩ脳画像データ５０をリスライスする。次に、ＰＥＴ脳画像データ４０とマトリクスサイズがリスライスされたＭＲＩ脳画像データ５０Ｒ（不図示）との位置合わせ（レジストレーション）を行う。図４は、位置合わせ部２３により位置合わせが行われた結果のＭＲＩ脳画像データ６０を例示する。
【００３６】
レジストレーションとは同一の被験者の２組の異なる脳画像（ここでは、ＰＥＴ脳画像４０とＭＲＩ脳画像５０Ｒ）について対応する画素（ピクセル）を決めることをいう。レジストレーションには種々の方法があり、本願のように性質が異なる２画像（ＰＥＴ脳画像とＭＲＩ脳画像）の場合、例えばＭＲＩ画像の画素値によってセグメンテーション（脳画像の一部抽出）を行い、各セグメント毎に両画素値の比の分散を計算する方法がある。
【００３７】
上記の方法では剛体変換を用いている。詳しくは、２つの脳画像を揃えるために、Ｘ方向の平行移動ｄｘ、Ｙ方向の平行移動ｄｙ、Ｚ方向の平行移動ｄｚの３方向のベクトルに加えて、Ｘ軸の周りの回転ｄθｘ、Ｙ軸の周りの回転ｄθｙ、Ｚ軸の周りの回転ｄθという３つの回転成分を有する６つのパラメータを用いる。この６つのパラメータを用いてＭＲＩ脳画像５０Ｒの回転／平行移動を行ない、この結果をＰＥＴ脳画像４０を用いて評価する。評価の結果、所定の収束条件を満たしているかどうか判定し、収束していると判定された場合はＭＲＩ脳画像データ６０を得て、レジストレーションは終了する。一方、収束していると判定されなかった場合は６つのパラメータの更新を行なって、回転／平行移動から繰返す。
【００３８】
上述の評価では所望の評価基準を用いて行なうことができる。ここでは、評価基準としてＭＩ（Mutual Information：相互情報（量））を用いた場合について説明する。これは、ＭＲＩ脳画像上のある画素値を持つすべての画素は同じ組織（partition）であり、それに対応するＰＥＴ（又はＳＰＥＣＴ）脳画像の画素は、ほぼ同じ画素値を持つであろうという考え方に依拠するものである。ＭＲＩ脳画像とＰＥＴ脳画像との間に何らかの共有情報（相互情報）があることを前提とする。両脳画像の位置ずれが起きると相互情報量は減少するため、相互情報量が最大になるようにレジストレーションを行うという手法である。以下、まず相互情報量について説明する。
【００３９】
ある事象が起きる確率Ｐ（≦１．０）が与えられたとき、情報量（エントロピー）Ｈは以下の式１で定義される。
【００４０】
【数１】
【００４１】
式１で定義されるように、めったに起こらない事象の情報量は非常に大きい。事象の確率分布Ｐｉが与えられたとき、平均情報量Ｈ（Ｐｉ）は以下の式２で定義される。
【００４２】
【数２】
【００４３】
ここで、２つの事象Ａ、Ｂを考える。事象ＡおよびＢの結合事象ｐ（Ａ，Ｂ）が全体として持っている平均情報量Ｈ（Ａ，Ｂ）は、以下の式３で定義される。
【００４４】
【数３】
【００４５】
平均情報量Ｈ（Ａ，Ｂ）は事象ＡおよびＢの結合エントロピーと言われる。事象Ａ、Ｂの例としてはＭＲＩ脳画像とＰＥＴ又はＳＰＥＣＴ脳画像とが挙げられる。さて、相互情報量とは多少関係のある２つの事象又は情報源Ａ（ＭＲＩ脳画像）とＢ（ＰＥＴ脳画像）とにおいて、事象Ａ（又は事象Ｂ）を知ったことにより得られる事象Ｂ(又は事象Ａ)に関する情報量と定義される。図５は、相互情報量を説明するための概念図である。図５において、点ａ１ａ２ａ３ａ４で示される矩形は事象Ａの持っている平均情報量Ｈ（Ａ）を示し、点ｂ１ｂ２ｂ３ｂ４で示される矩形は事象Ｂの持っている平均情報量Ｈ（Ｂ）を示す。平均情報量Ｈ（Ａ）とＨ（Ｂ）とが重なった点ｂ１ａ２ａ３ｂ４で示される矩形は事象ＡとＢとが共有する平均情報量であり、当該平均情報量を相互情報量Ｉ（Ａ，Ｂ）と呼ぶ。つまり、相互情報量Ｉ（Ａ，Ｂ）とは事象Ａ（ＭＲＩ脳画像）を知ることによって得られる事象Ｂ（ＰＥＴ脳画像）の平均情報量を意味する。
【００４６】
図５において、点ａ１ｂ２ｂ３ａ４で示される矩形は事象ＡおよびＢの結合エントロピーＨ（Ａ，Ｂ）を示す。点ａ１ｂ１ｂ４ａ４で示される矩形は事象Ｂが起きたことを条件とする事象Ａが持っている平均情報量（条件付きエントロピー）Ｈ（Ａ｜Ｂ）を示し、点ａ２ｂ２ｂ３ａ３で示される矩形は事象Ａが起きたことを条件とする事象Ｂが持っている平均情報量（条件付きエントロピー）Ｈ（Ｂ｜Ａ）を示す。条件付きエントロピーを用いると相互情報量Ｉ（Ａ，Ｂ）は以下の式４で与えられる。
【００４７】
【数４】
【００４８】
ここで、条件付き確率と相互情報量について示す。事象Ａが起きる確率をＰ（Ａ）、事象Ａが起きたことを条件として事象Ｂが起きる条件付き確率をＰ（Ｂ｜Ａ）とすると、事象ＡおよびＢの結合事象Ｐ（Ａ，Ｂ）は以下の式５で与えられ、式５を変形して条件付き確率Ｐ（Ｂ｜Ａ）は式６のように与えられる。
【００４９】
【数５】
【００５０】
同様にして、条件付き確率Ｐ（Ａ｜Ｂ）は以下の式７のように与えられ、条件付きエントロピーＨ（Ａ｜Ｂ）は以下の式８のように与えられる。相互情報量Ｉ（Ａ，Ｂ）は式４（第１式）、式７および式８から、式９のように与えられる。
【００５１】
【数６】
【００５２】
以上説明した相互情報量を医用脳画像に適用する。医用脳画像の場合の平均情報量（エントロピー）は医用脳画像のヒストグラム（度数分布）を用いることにより定義することができる。図６は医用脳画像の平均情報量（エントロピー）を説明するための図である。図６に示されるようなＭＲＩ脳画像２００のデータについて、ある信号強度のピクセルがいくつ存在するかを計算してグラフにすると、上記医用脳画像のヒストグラムを得ることができる。符号２０２は横軸を信号強度とし縦軸を出現頻度とするＭＲＩ脳画像２００のヒストグラムである。ヒストグラム２０２において、信号強度がｄ１からｄ２までの範囲（原図では青色で示す。）とｄ２からｄ３までの範囲（原図では黄色で示す。）とをＭＲＩ脳画像上で表すと、青色で示される範囲はＭＲＩ脳画像２０４に表されるようにほぼ灰白質の領域に対応し、黄色で示される範囲はＭＲＩ脳画像２０６に表されるようにほぼ白質の領域に対応している。このように、医用脳画像のヒストグラムと脳の解剖学的構造とは強く関連している。
【００５３】
ＭＲＩ脳画像等の事象Ａと、ＳＰＥＣＴ、ＰＥＴ脳画像等の事象Ｂとの結合事象Ｐ（Ａ，Ｂ）のヒストグラムの場合は、２次元のヒストグラム（Joint Histogram ：ジョイント・ヒストグラム）を考えればよい。図７は結合事象のヒストグラムを説明するための図である。図７で図６と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図７に示されるように、符号２１２は横軸をカウント（値）とし縦軸を出現頻度とするＳＰＥＣＴ脳画像（事象Ｂ）のヒストグラムである。ＭＲＩ脳画像２００（事象Ａ）とＳＰＥＣＴ脳画像２１０(事象Ｂ)との結合事象Ｐ（Ａ，Ｂ）の２次元のヒストグラムは、図７に示されるジョイント・ヒストグラム３００で表される。ジョイント・ヒストグラム３００で、横軸はＭＲＩ脳画像２００のヒストグラム２０２における信号強度であり、縦軸はＳＰＥＣＴ脳画像２１０のヒストグラム２１２におけるカウントである。ジョイント・ヒストグラム３００における座標（Ａｉ，Ｂｊ）の値は、信号強度Ａｉに対応するヒストグラム２０２の出現頻度とカウントＢｊに対応するヒストグラム２１２の出現頻度とから計算した値であり、当該値の大小は明るさの強弱で表している。但し、説明の都合上、両脳画像のヒストグラムにおける信号強度、カウントが０に近い部分はカットして表している。
【００５４】
図８は、図７に示されるジョイント・ヒストグラム３００を視点ＶＰ（図７参照）から見た場合の３次元ジョイント・ヒストグラム４００を示す。図８下部の座標軸に示されるように、図７における明るさの強弱（出現頻度、カウントの大小）は３次元の垂直軸で表されており、信号強度軸は右側の原点０から左上側へ向かって大きくなり、カウント軸は右側の原点０から左下側へ向かって大きくなっている。図８に示されるように、白質、灰白質、脳脊髄液の領域が３次元ジョイント・ヒストグラム４００では垂直軸方向のピークとして明瞭に示されており、３次元ジョイント・ヒストグラム４００と脳の解剖学的構造とは強く関連していることがわかる。
【００５５】
図９は、２次元ジョイント・ヒストグラムから相互情報量を計算する方法を説明するための図である。図９において、符号２６０は変形されるフローティング画像（ＳＰＥＣＴ脳画像。事象Ｂ）、２７０はフローティング画像２６０を合わせ込む対象となる（固定の）参照画像（ＳＰＥＣＴ脳画像。事象Ａ）である。図９では明示されていないが、図７に示されるＳＰＥＣＴ脳画像２１０のヒストグラム２１２のように、フローティング画像２６０および参照画像２７０は各々横軸をカウントとし縦軸を出現頻度とするヒストグラムを有している。続いて、図９において符号３１０はフローティング画像２６０（事象Ｂ）と参照画像２７０（事象Ａ）との結合事象である２次元ジョイント・ヒストグラムＧ（Ａ，Ｂ）であり、その横軸は参照画像２７０のカウントＡであり、縦軸はフローティング画像２６０のカウントＢである。図９に示されるように、フローティング画像２６０と参照画像２７０とがオーバーラップした部分、例えば、座標（ｘｍ、ｙｎ）の部分のみについてヒストグラム２１２のようなヒストグラムを各々作成する。つまり、フローティング画像２６０と参照画像２７０とがオーバーラップしなかった部分についての画像のカウントは、当該画像のヒストグラムにおいて出現頻度には取り入れない。あとは図７に示されるジョイント・ヒストグラム３００の場合と同様に、ジョイント・ヒストグラム３１０における座標（Ａｉ，Ｂｊ）の値Ｇ（Ａｉ，Ｂｊ）は、カウントＡｉに対応する参照画像２７０のヒストグラム（不図示）の出現頻度とカウントＢｊに対応するフローティング画像２６０のヒストグラム（不図示）の出現頻度とから計算した値であり、当該値の大小は明るさの強弱で表している。
【００５６】
図１０は、２次元ジョイントヒストグラムＧ（Ａ，Ｂ）（ヒストグラム３１０）から計算された参照画像２７０（事象Ａ）とフローティング画像２６０（事象Ｂ）との結合確率分布ｐ（Ａ，Ｂ）を示す。図１０に示されるように、結合確率分布ｐ（Ａ，Ｂ）の横軸は参照画像２７０のカウントＡであり縦軸はフローティング画像のカウントＢである。結合確率ｐ（Ａｉ，Ｂｊ）は、式１０に示されるように２次元ジョイント・ヒストグラムＧ（Ａｉ，Ｂｊ）を総和で規格化することにより求めることができる。
【００５７】
【数７】
【００５８】
図１０に示されるように、結合確率ｐ（Ａｉ，Ｂｊ）を変数Ｂ方向に総和をとったものが周辺確率（marginal probability）ｐＡ（Ａｉ）であり（式１１）、変数Ａ方向に総和をとったものが周辺確率ｐＢ（Ｂｊ）である（式１２）。
【００５９】
【数８】
【００６０】
式１１および１２と結合確率ｐ（Ａｉ，Ｂｊ）とを用い式９を参照して、式１３に示されるように相互情報量ＭＩを計算することができる。式１３で示される相互情報量ＭＩは事象Ａの出現頻度（確率分布）と事象Ｂの出現頻度（確率分布）との差を量る物差であり、Kullbac-Leiblerダイバージェンスと呼ばれている。式１３で示される相互情報量ＭＩが最大になるようにレジストレーションを行う。相互情報量ＭＩの最大化は、２次元ジョイント・ヒストグラムＧ（Ａｉ，Ｂｊ）のバラツキを少なくすること（広がりを小さくすること）になり、３次元ジョイント・ヒストグラム４００のピークを高くすることになる。
【００６１】
【数９】
【００６２】
以上、評価関数としてＭＩを用いた場合について説明した。次に、その他の評価関数としてＲＩＵ（Ratio Image Uniformity）を用いた場合について説明する。これは、ＭＲＩ脳画像上のある画素値を持つすべての画素は同じ組織（partition）であり、それに対応するＰＥＴ脳画像の画素は、ほぼ同じ画素値を持つであろうという考え方に依拠するものである。すなわち、ＭＲＩ脳画像の各組織に対応するＰＥＴ脳画像（上述したセグメント）の画素値の均一性を最大にする、つまり標準偏差の重み付け平均を最小にするというものである。具体的には、ＭＲＩ脳画像５０Ｒ上で画素値ｊの画素に対応するＰＥＴ脳画像４０上の画素値をａｉｊとする。次に、ａｉｊのすべての画素ｉについての平均ａｊ’を求める。ａｉｊのすべての画素ｉについての標準偏差σｊを求める。σｊ’＝σｊ／ａｊ’を求める。以下の式（１４）で求められるσｊ’’を最小化する。
【００６３】
σｊ’’＝ Σｊσｊ’×ｎｊ／Ｎ （１４）
【００６４】
ここで、Σｊは添字ｊについての和を意味する。ｎｊはＭＲＩ画像５０Ｒ上での画素値ｊの画素数、Ｎ＝Σｊｎｊである。
【００６５】
セグメンテーション部（分離手段）２４は、位置合わせ部２３により位置合わせされた被験者のＭＲＩ脳画像データ５０から灰白質部分データと白質部分データとを分離する（セグメンテーション）。図１１は、セグメンテーション部２４による被験者のＭＲＩ脳画像データ６０から灰白質部分データ５５と白質部分データ５６とを分離する例を示す。本発明のＢＰ画像化プログラムの目的の一つは、最終的に灰白質領域におけるＢＰと白質領域におけるＢＰとを別々に求めることにある。そこで、予め、灰白質領域のみを抜き出した灰白質部分データ５５と白質領域のみを抜き出した白質部分データ５６とを用意しておき、後述するように各々灰白質マスク、白質マスクとして使用する。セグメンテーションは、フリーソフトウェアのＳＰＭ（statistical parametric mapping）２又は９９を用いて実行することができる。ＳＰＭ２等では被験者のＭＲＩ脳画像データ６０をアフィン変換により標準脳のテンプレートに合わせ、その後、予め標準脳用に切り出された灰白質、白質のテンプレートを逆変換して、被験者の灰白質部分データ５５、白質部分データ５６を切り出すとされている。
【００６６】
上述したセグメンテーション部２４により分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがあるため、細線・膨張処理部（ノイズ除去手段）２５を設けてある。細線・膨張処理部２５は、セグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６に対し、所定のノイズ除去処理を行う。本明細書及び特許請求の範囲において「及び／又は」とは、例えば灰白質部分データ５５及び／又は白質部分データ５６を例にとると、灰白質部分データ５５のみ、白質部分データ５６のみ、灰白質部分データ５５と白質部分データ５６との両方、を意味する。
【００６７】
上記所定のノイズ除去処理としては膨張及び細線処理が好適である。細線・膨張処理部２５では、Mathematical Morphology（モルフォロジー又はモフォロジー）で定義されるdilation（拡張、ずらし重ね、膨張）及びerosion（浸食、掻き取り、細線）に相当する演算を用いて、膨張後に細線化、又は細線化後に膨張する処理を行う。集合Ａ、Ｂについてのdilation、erosionは以下の式１５、１６で定義される。細線・膨張処理部２５における膨張後に細線化する処理は式１７で示される集合Ａの集合Ｂ（構造要素）によるclosing演算（ＡＢ）に相当し、細線化後に膨張する処理は式１８で示される集合Ａの集合Ｂ（構造要素）によるopening演算（ＡＢ）に相当する。
【００６８】
【数１０】
【００６９】
具体的には、灰白質部分データ５５、白質部分データ５６を各々処理対象の画像（集合Ａ）として、集合Ａの構造要素Ｂによるopening演算（ＡＢ）又はclosing演算（ＡＢ）を行う。構造要素Ｂとしては所望のサイズのものを用いればよい。図１２は、細線・膨張処理部２５による細線・膨張処理（closing演算）を例示する。図１２（Ａ）は細線・膨張処理前の灰白質部分データ５５を示し、図１２（Ｂ）は灰白質部分データ５５に膨張処理を行った結果の灰白質部分データ５５＋を示し、図１２（Ｃ）は灰白質部分データ５５＋に細線処理を行った結果の灰白質部分データ５５−を示す。細線・膨張処理部２５は灰白質部分データ５５と白質部分データ５６とに対し、上述した細線・膨張処理（opening演算（ＡＢ）、closing演算（ＡＢ））を任意の順に任意回数行うことができる。あるいは、細線・膨張処理部２５はopening演算（ＡＢ）、closing演算（ＡＢ）によらず、dilation、erosion処理を任意の順に任意の回数行うこともできる。
【００７０】
図１３は、細線・膨張処理部２５による処理状態を例示する画面７０である。画面７０を始め、以下に示す画面はコンピュータ１０のディスプレイに表示される。まず最初に画面７０に示されるerosionボタン７２ａをマウス等でクリックすると、左上枠内に表示された処理前のＭＲＩ脳画像に対して上述したerosion処理が行われ、その処理結果であるＭＲＩ脳画像が左下枠内に表示される。次に、画面７０に示されるdilatation（dilationと同義。以下同様）ボタン７３ａをクリックすると、左下枠内に表示された先ほどのerosion処理結果であるＭＲＩ脳画像に対して上述したdilation処理が行われ、その処理結果であるＭＲＩ脳画像が同じ左下枠内に表示される。resetボタン７１ａを１回クリックすると、左下枠内にはerosion処理もdilation処理も行っていない元々の処理前のＭＲＩ脳画像が表示される。以上のように、左上枠内に表示された処理前のＭＲＩ脳画像に対してdilation、erosion処理を任意の順に任意の回数行うことができる。Resetボタン７１ｂ、erosionボタン７２ｂ、dilatationボタン７３ｂも中央上下枠内に表示されたＭＲＩ脳画像に対して同様に用いられるため、説明は省略する。
【００７１】
画面７０に例示されているＭＲＩ脳画像は以下の通りである。左上枠内は細線・膨張処理前の灰白質部分データ５５を示し、左下枠内は細線・膨張処理（closing演算）後の灰白質部分データ５５−を示す。灰白質部分データ５５−を灰白質マスクとして用いることができる。同様に、中央上枠内は細線・膨張処理前の白質部分データ５６を示し、中央下枠内は細線・膨張処理（closing演算）後の白質部分データ５６−を示す。白質部分データ５６−を白質マスクとして用いることができる。画面７０において、右下枠内は灰白質マスク（灰白質部分データ５５−）と白質マスク（白質部分データ５６−）とを合わせた全脳マスク５１を示す。画面７０の右上枠内はＰＥＴ脳画像４１であり、リファレンス（後述）として表示してある。
【００７２】
リファレンスＲＯＩ設定部（関心領域設定手段）２６は、位置合わせ部２３により位置合わせされたＭＲＩ脳画像データに対して、上述した所定の放射能薬剤が存在しないとみなし得る参照領域（reference region : リファレンス領域）に関心領域（Region of
Interest : ＲＯＩ）を設定し、当該ＲＯＩをＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに設定する。所定の放射能薬剤は標的となる受容体に特異的に結合するものが選ばれるため、リファレンス領域は当該受容体が存在しない領域とも考えられる。リファレンスＲＯＩ設定部２６の機能はＢＰの計算のために必要であり、詳細は後述する。図１４は、リファレンスＲＯＩ設定部２６の処理状況を例示する画面８０である。画面８０内の左画像がＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４２であり、右画像が位置合わせ部２３によりＰＥＴ脳画像データ４２に位置合わせされたＭＲＩ脳画像データ６１である。画面８０内で、符号８１はＭＲＩ脳画像データ側の種々のオプションを設定可能なＭＲＩオプション枠、８２はＭＲＩ脳画像データが位置合わせ済みか否かを選択可能なレジストレーションボックス、８５はＲＯＩに対する種々のオプションを設定可能なＲＯＩ枠、８６はＲＯＩの形状として多角形を選択可能な多角形ＲＯＩボックスである。
【００７３】
リファレンスＲＯＩ設定部２６は、画面８０内の右枠内に示されるＭＲＩ脳画像データ６１に対して、リファレンス領域ＭＲｅｆ（点線で示す。）内にＲＯＩ（ＲＯＩ６１）を設定する。具体的にはユーザにカーソル等を用いて所望の形状のＲＯＩを画面８０内に描かせて入力させ、この入力したＲＯＩの座標に基づきＲＯＩ６１を設定する。図１４では、ＲＯＩ６１はやや変形した鉄アレイ状に設定されている。この設定が完了すると、リファレンスＲＯＩ設定部２６は、画面８０内の左枠内に示されるＰＥＴ脳画像データ４２に対して、リファレンス領域ＭＲｅｆに対応するリファレンス領域ＰＲｅｆ内にＲＯＩ６１をコピーする。この結果、ＰＥＴ脳画像データ４２上にＲＯＩ６１を設定することができる。上述したように、ＭＲＩ脳画像データ６１は位置合わせ部２３によりＰＥＴ脳画像データ４２と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６１に対して正確にＲＯＩ６１を設定してから、ＲＯＩ６１をＰＥＴ脳画像データ４２へコピーすることによってＰＥＴ脳画像データ４２上にＲＯＩ６１を設定している。このため、ＰＥＴ脳画像データ４２上でもＲＯＩ６１を正確に設定することができる。
【００７４】
楕円ＲＯＩ設定部（所定形状関心領域設定手段）２７は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに所定の形状のＲＯＩを設定する。本発明のＢＰ画像化プログラムでは、後述するように一画素毎にＢＰを計算している。この際、ＰＥＴ脳画像上の全画素を対象としてＢＰを計算すると、実際には脳画像データが存在しない領域等のように無駄な領域についてもＢＰを計算することになり、処理時間が長くなる。そこで、無駄な領域についてＢＰを計算しないようにするためＰＥＴ脳画像上に所定の形状のＲＯＩ（マスク）を設定し、当該所定の形状の外側をカットして内側だけをＢＰの計算の対象としている。所定の形状としては楕円の形状（楕円マスク）が好適である。
【００７５】
図１５は、楕円ＲＯＩ設定部２７の処理状況を例示する画面９０である。図１５で図１４と同じ符号を付した個所は同じ要素を示すため、説明は省略する。画面９０内の左画像がＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４３であり、右画像が位置合わせ部２３によりＰＥＴ脳画像データ４３に位置合わせされたＭＲＩ脳画像データ６２である。画面９０内で、符号８３は上述した灰白質マスク等に関する種々のオプションを設定可能なマスクオプション枠、８４は灰白質マスク等が位置合わせ済みか否かを選択可能なレジストレーションボックス、８７はＲＯＩの形状として楕円を選択可能な楕円ＲＯＩボックスである。
【００７６】
楕円ＲＯＩ設定部２７は、画面９０内の右枠内に示されるＭＲＩ脳画像データ６１に対して、楕円の形状のＲＯＩ６２を設定する。具体的にはユーザにカーソル等を用いて楕円形状のＲＯＩを画面９０内に描かせて入力させ、この入力させたＲＯＩの座標に基づきＲＯＩ６２を設定する。図９では、ＲＯＩ６２は丁度脳画像全体が入るような楕円形状に設定されている。この設定が完了すると、楕円ＲＯＩ設定部２７は、画面９０内の左枠内に示されるＰＥＴ脳画像データ４３に対して、楕円形状のＲＯＩ６２をコピーする。この結果、ＰＥＴ脳画像データ４３上に楕円形状のＲＯＩ６２（楕円マスク）を設定することができる。上述したように、ＭＲＩ脳画像データ６２は位置合わせ部２３によりＰＥＴ脳画像データ４３と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６３に対して正確に楕円形状のＲＯＩ６２を設定してから、楕円形状のＲＯＩ６２をＰＥＴ脳画像データ４３へコピーすることによってＰＥＴ脳画像データ４３上に楕円形状のＲＯＩ６２を設定している。このため、ＰＥＴ脳画像データ４３上でも楕円形状のＲＯＩ６２を正確に設定することができる。
【００７７】
上述したリファレンスＲＯＩ設定部２６によるリファレンス領域ＰＲｅｆ内へのＲＯＩ６１の設定の場合、ＲＯＩ６１はユーザのフリーハンドによる自由な形状を有していた。しかし、楕円ＲＯＩ設定部２７の場合におけるユーザによる楕円形状の入力はフリーハンドではなく、従来技術を用いた自動的な楕円形状作成機能により入力させることができる。加えて、楕円形状のＲＯＩ６２は丁度脳画像全体が入るように作成すればよいため、必ずしも画面９０の右枠内に示されるＭＲＩ脳画像データ６１ではなく、左枠内に示されるＰＥＴ脳画像４３に対して直接、楕円の形状のＲＯＩ６２を設定してもよい。この場合、楕円ＲＯＩ設定部２７はＰＥＴ脳画像４３上に設定された楕円形状のＲＯＩ６２をＭＲＩ脳画像６２上へコピーすることによって、ＭＲＩ脳画像データ６２上に楕円形状のＲＯＩ６２を設定することができる。
【００７８】
放射能カウント値入力部（放射能カウント値入力手段）２８は、リファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データのリファレンス領域におけるＲＯＩについて、一画素毎に時間−放射能カウント値を入力する。放射能カウント値入力部２８の機能はＢＰの計算のために必要であり、詳細は後述する。図１６は、放射能カウント値入力部２８の処理状況を示す画面１００である。図１６で図１４、１５と同じ符号を付した個所は同じ要素を示すため、説明は省略する。画面１００内で、符号１０１はある特定の一画素について入力された時間−放射能カウント値を対にした表であり、上から下へ時間の経過による放射能カウント値が示されている。符号１０２は表１０１に対応するグラフであり、横軸を時間、縦軸を放射能カウント値として時間−放射能カウント値曲線ＴＡＣ（Time Activity Curve）が示されている。
【００７９】
図１６に示されるように、放射能カウント値入力部２８はリファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データ４２のリファレンス領域ＰＲｅｆにおけるＲＯＩ６１について、一画素毎に時間−放射能カウント値を入力する。放射能カウント値入力部２８は、特定の一画素について表１０１の表示とグラフ１０２内における時間−放射能カウント値曲線ＴＡＣの表示とを行うことができる。ここで、一画素の特定（選択）はＰＥＴ脳画像４２上のＲＯＩ６１又はＭＲＩ脳画像６１上のＲＯＩ６１において、ユーザがカーソルをあてることにより行うことができる。あるいは画素の番号又は座標をユーザにより指定することにとっても一画素の特定（選択）を行うことができる。ＴＡＣ曲線は一画素毎の曲線であるためノイズの影響を受けやすい。そこで、放射能カウント値入力部２８はユーザに画面１００内の符号１０３で示されるＳボタンをクリックさせることによりスムージングを行って、ＴＡＣ曲線を平滑化することができる。符号１０４で示されるＲボタンはスムージングを元に戻すリセットを行う。
【００８０】
以上のようにして得られたリファレンス領域ＰＲｅｆにおけるＲＯＩ６１内の一画素毎の時間−放射能カウント値から、リファレンス領域ＰＲｅｆにおけるＲＯＩ６１での所定の放射性薬剤の挙動がわかる。この挙動に対して他の領域の画素がどのような挙動を示しているかを計算することにより、ＢＰを求めることができる。即ち、リファレンス領域ＰＲｅｆにおける放射能カウント値を基準として、他の領域にどれ位放射性薬剤が取込まれたかを知ることができる。ＢＰ算出部（受容体結合能算出手段）２９は、楕円ＲＯＩ設定部２７により設定された楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３と、放射能カウント値入力部２８により入力されたリファレンス領域ＰＲｅｆのＲＯＩ６１における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３の一画素毎にＢＰを算出する。ＢＰ算出部２９は、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）の外側をカットして、内側だけをＢＰの計算の対象としている。言い換えれば、ＢＰ算出部２９はＰＥＴ脳画像データ４３に楕円マスクをかけて、当該楕円マスク内のみのＰＥＴ脳画像データを計算の対象としている。このため、全ＰＥＴ脳画像データ４３を計算の対象とするより無駄が少なく速い速度で計算することができる。本発明のＢＰ画像化プログラムでは、参照領域法として非線形最小二乗フィッティング（non-linear least square fitting）の一つであるＳＲＴＭ法（Lammertsma A.A., Hume S.P., Simplified reference tissue model for PET receptor studies.
NeuroImage 4:153-158, 1996参照）と、グラフ解析法の一つである非侵襲性Logan法（Logan, J., Fowler, J.S., Volkow, N.D., et al. Distribution Volume Ratios Without Blood Sampling from Graphical Analysis of PET Data. Journal ｏｆ Ｃｅｒｅｂｒａｌ Blood Flow and Metabolism, 16, 834-840, 1996.参照）とを用いた。以下、各法について概要を説明する。
【００８１】
ＳＲＴＭ法.
図１７は、ＳＲＴＭ法を説明するためのコンパートメントモデルを示す。図１７（Ａ）は対象領域（Target region）を示す３コンパートメントモデルである。図１７（Ａ）で符号１１０は血漿（Plasma）、１１１は組織（Tissue）、１１２は組織１１１中で放射性薬剤が遊離している遊離領域（Non-displaceable area）、１１３は組織１１１中で放射性薬剤が結合している受容体（Receptor sites又はReceptor rich region）であり、血漿１１０と組織１１１との間が血脳関門（Blood-Brain Barrier。不図示）である。図１７（Ａ）に示されるように、時間ｔにおける血漿１１０の放射能濃度をＣｐ（ｔ）、遊離領域１１２の放射能濃度をＣｆ（ｔ）、受容体１１３の放射能濃度をＣｂ（ｔ）とする。各部分間における放射性薬剤の移動量を規定する速度定数を、血漿１１０から遊離領域１１２へはＫ１（毛細血管からの拡散によるもので、単位は［ｍｌ／ｍｉｎ／ｃｍ３］）、遊離領域１１２から受容体１１３へはｋ３（結合によるもので、単位は［１／ｍｉｎ］）、受容体１１３から遊離領域１１２へはｋ４（乖離によるもので、単位は｛１／ｍｉｎ｝）、遊離領域１１２から血漿１１０へはｋ２（静脈へのクリアランスによるもので、単位は［１／ｍｉｎ］）とする。図１７（Ｂ）は参照領域（Reference region）を示す２コンパートメントモデルである。図１７（Ｂ）で図１１（Ａ）と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図１７（Ｂ）で符号１１４は組織、１１５は放射性薬剤が存在しないとみなすことができる参照領域である。図１７（Ｂ）に示されるように、放射性薬剤の移行定数は血漿１１０から参照領域１１５へはＫ１’、参照領域１１５から血漿１１０へはＫ２’である。図１７（Ａ）、（Ｂ）の各コンパートメントモデルにおいて、以下の式１９〜２１成り立つ（東北大学サイクロトロン核医学研究部ホームページ参照）。
【００８２】
【数１１】
【００８３】
ここで、簡略化のために対象領域と参照領域とにおける放射性薬剤の分布容積（Volumes of Distribution : ＤＶ）は等しいという仮定を置く。分布容積とは、人体に投与した薬剤がどの程度組織に移行したかを示す指標であり、体内薬物量（投与量）を平衡状態に達したときの血漿の薬物濃度で除することにより算出できる（非特許文献１参照）。対象領域と参照領域とにおいて、血漿１１０と組織１１１、１１４側との間の移行定数に以下の式２２で示される線形の関係を仮定する。式２２を変形すると式２３となる。
【００８４】
【数１２】
【００８５】
受容体１１３と結合した放射性薬剤の挙動が結合前とあまり変わらないとき、対象領域は図１７（Ｃ）のような２コンパートメントモデルで示すことができる。図１７（Ｃ）で図１７（Ａ）と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図１７（Ｃ）で符号１１６は遊離領域１１２と受容体１１３とを合わせた対象部位、ｋ２ａは対象部位１１６から血漿１１０へのみかけの速度定数である。図１７（Ｃ）に示される対象領域では以下の式２４が成り立つ。
【００８６】
【数１３】
【００８７】
図１７（Ｃ）に示される対象領域における分布容積ＤＶを考えると、上述した分布容積の定義から対象領域は平衡状態に達しているため、式２４においてｄＣｔ（ｔ）／ｄｔ＝０となり、式２０においてｄＣｆ（ｔ）／ｄｔ＝０となり、式２１においてｄＣｂ（ｔ）／ｄｔ＝０となる。以上とＣｔ（ｔ）＝Ｃｆ（ｔ）＋Ｃｂ（ｔ）であることから、以下の式２５を得ることができる。式２６に示されるように、ＢＰは移行定数ｋ３とｋ４との比で表される。ＳＲＴＭ法では一切採血は行わないため、非侵襲的な利点がある。
【００８８】
【数１４】
【００８９】
式１９、２４をLaplace変換と式２５とを用いて解くと、式２７が得られる。
【００９０】
【数１５】
【００９１】
式２７で、λは壊変定数（崩壊定数）であり、減衰補正（decay correction）を行った場合は不要である。本発明のＢＰ画像化プログラムでは式２７において、λ＝０とした式２８を用いた。本発明のＢＰ画像化プログラムは式２８において、Ｃｒ（ｔ）は上述した放射能カウント値入力部２８により求めた一画素毎の時間−放射能カウント値を用い、Ｃｔ（ｔ）はＰＥＴ脳画像データ入力部２１により入力したＰＥＴ脳画像データ（放射能カウント値）を用いて、Ｒ１（式２３参照）、ｋ２及びＢＰの値を変化させながら式２８の両辺が等しくなるようなＲ１、ｋ２及びＢＰの値を求めた。この時のＢＰの値が求めたいＢＰの値である。
【００９２】
非侵襲性Logan法．
本方法は一般的にはLogan plot法と呼ばれており、採血法と非採血法とがある。本明細書では非採血法を採用したため、以下では非侵襲性Logan法と表記する。上述した対象領域における分布容積ＤＶ（式２５）を式２６の関係を用いて変形すると、以下の式２５’のようになる。参照領域におけるＤＶは式２９のようになり、両者の比ＤＶＲは式３０のように表すことができる（早稲田大学Dspace参照）。
（http://dspace.wul.waseda.ac.jp/dspace/bitstream/2065/356/9/Honbun-05_chapter5.pdf）。
【００９３】
【数１６】
【００９４】
ここで、以下の式３１のようにＤＶＲｆを定義すると、
【００９５】
【数１７】
【００９６】
式３０のｋ３／ｋ４は式３２のようになる。
【００９７】
【数１８】
【００９８】
ここで、対象領域のＫ１／ｋ２と参照領域のＫ１’／ｋ２’とが等しい場合、ＤＶＲｆ＝１となるため、式３２は式３３のように表すことができる。
【００９９】
【数１９】
【０１００】
式３３のＤＶＲはLoganらによって提唱されたグラフ法（または上述したようにLogan plot法）によれば、式３４において左辺を変数Ｙ、右辺第１項のＤＶＲを除く項を変数Ｘとしたグラフ（回帰直線）の傾きから推定することができる。
【０１０１】
【数２０】
【０１０２】
本発明のＢＰ画像化プログラムでは、時間の経過により式３４の第２項におけるＣｒ（ｔ）とＣｔ（Ｔ）とが平衡になったものとみなして、第２項を第３項の定数項ｉｎｔに入れてｉｎｔ’とした式３５を用いた。
【０１０３】
【数２１】
【０１０４】
式３５において、左辺を変数Ｙ、右辺の分数を変数Ｘとすると式３６が得られる。式３６において、Ｙは上述したＰＥＴ脳画像データ入力部２１により入力された値を用いてい一画素毎に計算し、ＸはＰＥＴ脳画像データ入力部２１により入力された値と上述した放射能カウント値入力部２８により入力された値とを用いて一画素毎に計算してグラフを作成した。当該グラフの傾きは式３６よりＤＶＲとなる。このＤＶＲを用いて式３３よりＢＰを一画素毎に求めた。
【０１０５】
以上のようにして、ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）中に正常な領域と異常な領域とが混在している場合であっても、両者の挙動を区別することができる。上述したＢＰ算出部２９は、ＳＲＴＭ法又は非侵襲性Logan法のいずれかだけを用いてＢＰを算出することができ、両方を用いてＢＰを算出することもできる。
【０１０６】
ＢＰ画像表示部（受容体結合能表示手段）３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５をマスクとして用いることにより、灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６をマスクとして用いることにより、白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。以上のように、本発明のＢＰ画像化プログラムでは灰白質と白質とに分けて、各々につきＢＰを求めている。このため、病態に応じた正確なＢＰを算出することができる。灰白質部分データ５５と白質部分データ５６とを合わせた全脳マスク５１を用いて全脳のＢＰ脳画像を表示できることは勿論である。
【０１０７】
細線・膨張処理部２５によるノイズ除去処理を行った場合、ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離され且つ細線膨張処理部２５により処理された灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５−をマスクとして用いることにより、ノイズが除去された灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６−をマスクとして用いることにより、ノイズが除去された白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。
【０１０８】
図１８は、被験者に対し放射性薬剤として［１１Ｃ］ＰＥ２Ｉが使用された場合におけるＢＰ画像表示部３０により表示された画面１２０ａ〜１２０ｄを示す。図１８において、符号４４はＰＥＴ脳画像、１２１はＰＥＴ脳画像４４に対応するＢＰ画像、１２２は上述したように式１５の両辺が等しくなった時のＲ１（式１０参照）の画像、１２３は上述したように式１５の両辺が等しくなった時のｋ２の画像である。画面１２０ｂに示されるように、（原図では）ＢＰ画像１２１では放射性薬剤を取り込みやすい領域（ＢＰが大きい値の領域）を赤色で表示し、取込みにくい領域（ＢＰが小さい値の領域）を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している（所定の表示形式）。ＢＰ画像１２１に示されるように、［１１Ｃ］ＰＥ２Ｉは脳の一部に取り込まれやすいということが一見して理解できる。画面１２０ｃに示されるように、（原図では）Ｒ１の値が大きい領域を赤色で表示し、小さい領域を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している。画面１２０ｄに示されるように、（原図では）ｋ２の値が大きい領域を赤色で表示し、小さい領域を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している。以上の表示形式は一例であって、他の表示形式を用いてもよいことは勿論である。
【０１０９】
図１９は、被験者に対し放射性薬剤として［１８Ｆ］flumazenilが使用された場合におけるＢＰ画像表示部３０により表示された画面１３０ａ〜１３０ｄを示す。図１９において、符号４５はＰＥＴ脳画像、１３１はＰＥＴ脳画像４５に対応するＢＰ画像、１３２は上述したように式１５の両辺が等しくなった時のＲ１（式１０参照）の画像、１３３は上述したように式１５の両辺が等しくなった時のｋ２の画像である。ＢＰ画像１３１の表示形式は図１２のＢＰ画像１２１の場合と同様であるため、説明は省略する。ＢＰ画像１３１に示されるように、［１８Ｆ］flumazenilは脳の広い部分に取り込まれやすいということが一見して理解できる。画面１３０ｃに示されるＲ１画像１３２の表示形式、画面１３０ｄに示されるｋ２画像１３３の表示形式は、各々図１２のＲ１画像１２２、ｋ２画像１２３の場合と同様であるため、説明は省略する。
【０１１０】
図２０は、ＢＰ画像表示部３０により表示された画面１４０を示す。画面１４０に示されるように、ＢＰ画像表示部３０はＢＰの大小を特定の色（原図の画面１４０では赤色）の濃淡を用いて表示することもできる（所定の表示形式）。特定の色は赤色に限定されるものではなく、他の色であってもよいことは勿論である。さらに、画面１４０に示されるように、脳の横断面のＢＰ画像を頭頂部から頸部へかけて並べて表示することもできる。図２０では脳の横断面のＢＰ画像を示したが、冠状断面、矢状断面についても同様に表示することができる。以上のように、本発明のＢＰ画像化プログラムでは求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。
【０１１１】
図２１は、本発明の実施例１等における、コンピュータがＰＥＴ脳画像データからＢＰの画像化を実行するＢＰ画像化プログラム等の処理の流れをフローチャートで示す。図２１に示されるように、まず、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ４０を入力する（ステップＳ１０。ＰＥＴ脳画像データ入力ステップ）。次に、同じ被験者のＭＲＩ脳画像データ５０を入力する（ステップＳ１２。ＭＲＩ脳画像データ入力ステップ）。これらのＰＥＴ脳画像データ入力ステップ（ステップＳ１０）とＭＲＩ脳画像データ入力ステップ（ステップＳ１２）とは逆の順に実行しても差し支えない。
【０１１２】
ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力ステップ（ステップＳ１２）で入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う（ステップＳ１４。位置合わせステップ）。位置合わせステップ（ステップＳ１４）で位置合わせされた被験者のＭＲＩ脳画像データ６０から灰白質部分データ５５と白質部分データ５６とを分離する（ステップＳ１６。分離ステップ又はセグメンテーションステップ）。
【０１１３】
分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがある。このため、ノイズ除去が必要か否かユーザに選択させ（ステップＳ１８）、必要な場合はノイズ除去を行う。分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６に対し所定のノイズ除去処理を行う（ステップＳ２０。ノイズ除去ステップ）。ノイズ除去ステップ（ステップＳ２０）は、分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６に対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことが好適である。ノイズ除去ステップ（ステップＳ２０）は分離ステップ（ステップＳ１６）の後で且つ後述するＢＰ画像表示ステップ（ステップＳ３０）の前に実行してもよい。ステップＳ１８でノイズ除去が選択されなかった場合、次のステップ２２へ進む。
【０１１４】
位置合わせステップ（ステップＳ１４）で位置合わせされたＭＲＩ脳画像データ６１等に対して所定の放射能薬剤が存在しないとみなし得る参照領域にＲＯＩ６１等を設定し、当該ＲＯＩ６１等をＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４２等に設定する（ステップＳ２２。関心領域設定ステップ）。 ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４３等に所定の形状の関心領域を設定する（ステップＳ２４。所定形状関心領域設定ステップ）。所定の形状は楕円であることが好適である。所定形状関心領域設定ステップ（ステップＳ２４）は、ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）後であれば先行する各ステップ（ステップＳ１２、１４等）の前でも実行可能である。
【０１１５】
関心領域設定ステップ（ステップＳ２２）で設定されたＰＥＴ脳画像データ４２等の参照領域におけるＲＯＩ６１等について、一画素毎に時間−放射能カウント値を入力する（ステップＳ２６。放射能カウント値入力ステップ）。所定形状関心領域設定ステップ（ステップＳ２４）で設定された所定の形状（楕円形状）のＲＯＩ６２等におけるＰＥＴ脳画像データ４３等と、放射能カウント値入力ステップ（ステップＳ２６）で入力された参照領域のＲＯＩ６１等における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、所定の形状（楕円形状）のＲＯＩ６２等におけるＰＥＴ脳画像データ４３等の一画素毎にＢＰを算出する（ステップＳ２８。受容体結合能算出ステップ又はＢＰ算出ステップ）。参照領域法としてはＳＲＴＭ法及び／又は非侵襲性Logan法が好適である。受容体結合能算出ステップ（ステップＳ２８）で算出された一画素毎のＢＰと分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のＢＰを所定の表示形式で表示する（ステップＳ３０。受容体結合能表示ステップ又はＢＰ画像表示ステップ）。受容体結合能表示ステップ（ステップＳ３０）において、灰白質部分データ５５と白質部分データ５６とを合わせた全脳マスク５１を用いて全脳のＢＰ脳画像を表示できることは勿論である。
【０１１６】
ステップ１８でノイズ除去が選択された場合、受容体結合能表示ステップ（ステップＳ３０）は、受容体結合能算出ステップ（ステップＳ２８）で算出された一画素毎のＢＰと分離ステップ（ステップＳ１６）で分離されノイズ除去ステップ（ステップＳ２０）で所定のノイズ除去処理が行われた灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のＢＰを所定の表示形式で表示する。
【０１１７】
以上より、本発明の実施例１によれば、ＰＥＴ脳画像データ入力部２１は、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ（放射能カウント値）を入力する。ＭＲＩ脳画像データ入力部２２は、上記被験者のＭＲＩ脳画像データを入力する。位置合わせ部２３は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力部２２により入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う。具体的には、まず、ＭＲＩ脳画像データ５０のマトリクスサイズ（２５６×２５６（画素））をＰＥＴ脳画像データ４０のマトリクスサイズ（１２８×１２８（画素））に合わせるリスライスを行う。本発明のＢＰ画像化プログラムでは計算時間短縮のためマトリクスサイズの小さいＰＥＴ脳画像データ４０を基準にＭＲＩ脳画像データ５０をリスライスする。次に、ＰＥＴ脳画像データ４０とマトリクスサイズがリスライスされたＭＲＩ脳画像データ５０Ｒ（不図示）との位置合わせ（レジストレーション）を行う。セグメンテーション部２４は、位置合わせ部２３により位置合わせされた被験者のＭＲＩ脳画像データ５０から灰白質部分データと白質部分データとを分離する（セグメンテーション）。本発明のＢＰ画像化プログラムの目的の一つは、最終的に灰白質領域におけるＢＰと白質領域におけるＢＰとを別々に求めることにある。そこで、予め、灰白質領域のみを抜き出した灰白質部分データ５５と白質領域のみを抜き出した白質部分データ５６とを用意しておき、各々灰白質マスク、白質マスクとして使用する。セグメンテーション部２４により分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがあるため、細線・膨張処理部２５を設けてある。細線・膨張処理部２５は、セグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６に対し、所定のノイズ除去処理を行う。所定のノイズ除去処理としては膨張及び細線処理が好適である。リファレンスＲＯＩ設定部２６は、位置合わせ部２３により位置合わせされたＭＲＩ脳画像データに対して、リファレンス領域にＲＯＩを設定し、当該ＲＯＩをＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに設定する。上述したように、ＭＲＩ脳画像データ６１は位置合わせ部２３によりＰＥＴ脳画像データ４２と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６１に対して正確にＲＯＩ６１を設定してから、ＲＯＩ６１をＰＥＴ脳画像データ４２へコピーすることによってＰＥＴ脳画像データ４２上にＲＯＩ６１を設定している。このため、ＰＥＴ脳画像データ４２上でもＲＯＩ６１を正確に設定することができる。楕円ＲＯＩ設定部２７は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに所定の形状のＲＯＩを設定する。本発明のＢＰ画像化プログラムでは、一画素毎にＢＰを計算している。この際、ＰＥＴ脳画像上の全画素を対象としてＢＰを計算すると、実際には脳画像データが存在しない領域等のように無駄な領域についてもＢＰを計算することになり、処理時間が長くなる。そこで、無駄な領域についてＢＰを計算しないようにするためＰＥＴ脳画像上に所定の形状のＲＯＩ（マスク）を設定し、当該所定の形状の外側をカットして内側だけをＢＰの計算の対象としている。所定の形状としては楕円の形状（楕円マスク）が好適である。放射能カウント値入力部２８は、リファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データのリファレンス領域におけるＲＯＩについて、一画素毎に時間−放射能カウント値を入力する。
【０１１８】
以上のようにして得られたリファレンス領域ＰＲｅｆにおけるＲＯＩ６１内の一画素毎の時間−放射能カウント値から、リファレンス領域ＰＲｅｆにおけるＲＯＩ６１での所定の放射性薬剤の挙動がわかる。この挙動に対して他の領域の画素がどのような挙動を示しているかを計算することにより、ＢＰを求めることができる。即ち、リファレンス領域ＰＲｅｆにおける放射能カウント値を基準として、他の領域にどれ位放射性薬剤が取込まれたかを知ることができる。ＢＰ算出部２９は、楕円ＲＯＩ設定部２７により設定された楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３と、放射能カウント値入力部２８により入力されたリファレンス領域ＰＲｅｆのＲＯＩ６１における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３の一画素毎にＢＰを算出する。ＢＰ算出部２９はＰＥＴ脳画像データ４３に楕円マスクをかけて、当該楕円マスク内のみのＰＥＴ脳画像データを計算の対象としている。このため、全ＰＥＴ脳画像データ４３を計算の対象とするより無駄が少なく速い速度で計算することができる。本発明のＢＰ画像化プログラムでは、参照領域法として非線形最小二乗フィッティングの一つであるＳＲＴＭ法と、グラフ解析法の一つである非侵襲性Logan法とを用いた。以上のようにして、ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）中に正常な領域と異常な領域とが混在している場合であっても、両者の挙動を区別することができる。ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５をマスクとして用いることにより、灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６をマスクとして用いることにより、白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。以上のように、本発明のＢＰ画像化プログラムでは灰白質と白質とに分けて、各々につきＢＰを求めている。このため、病態に応じた正確なＢＰを算出することができる。細線・膨張処理部２５による処理を行った場合、ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離され且つ細線膨張処理部２５により処理された灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。本発明のＢＰ画像化プログラムでは求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。
【０１１９】
本発明の実施例１では、ＭＲＩ脳画像とＰＥＴ脳画像とを位置合わせして両脳画像を同じ座標にしている。これにより、解剖学的情報が豊富なＭＲＩ画像に対して解剖学的領域を設定してから、当該解剖学的領域をＰＥＴ脳画像へ設定している。このため、ＰＥＴ脳画像上でも解剖学的領域を正確に特定することができる。ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、設定した（楕円形状の）ＲＯＩ中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができる。求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰを瞬時に示すことができ、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。灰白質と白質とに分けて、各々につきＢＰを求めている。このため、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、病態に応じた正確なＢＰを算出することができる。
【実施例２】
【０１２０】
上述した本発明のＢＰ画像化プログラム等によりＢＰ画像が表示される。医師等は当該ＢＰ画像データを見ることにより、正常な領域と異常な領域とを正確に判断することができる。その後、医師等は異常と思われる領域にＲＯＩを設定し、当該ＲＯＩについて、従来技術と同様に平均ＢＰを算出することができる。実施例２では、上述したＢＰ画像表示部３０によりＢＰが表示された画像データ、例えば図１２に示されるＢＰ画像１２１、に対して所望のＲＯＩを設定し、当該ＲＯＩに対応するＰＥＴ脳画像データの領域について時間−放射能カウント値を入力し、当該時間−放射能カウント値に基づき当該ＲＯＩにおける平均ＢＰを算出する他のＢＰ算出部（他の受容体結合能算出手段。不図示）をさらに備えることができる。
【０１２１】
以上より、本発明の実施例２によれば、医師等は当該ＢＰ画像データを見ることにより、正常な領域と異常な領域とを正確に判断することができる。その後、医師等は異常と思われる領域にＲＯＩを設定し、当該ＲＯＩについて、従来技術と同様に平均ＢＰを算出することができる。
【実施例３】
【０１２２】
図２２は、本発明の実施例３における楕円ＲＯＩ設定部２７の処理状況を例示する画面１６０である。図２２で図１５と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図２２に示されるように、楕円ＲＯＩ設定部２７がユーザに設定させる楕円形状のＲＯＩは必ずしもＲＯＩ６２のように脳全体を覆うサイズ又は位置ではなく、ＲＯＩ６２ａのように脳の一部を覆うサイズ又は位置であってもよい。さらに、ＲＯＩ６２ａのように楕円を傾けて設定させることもできる。図１８のように、放射性薬剤によっては特定の領域にしか集積しないことが分かっている場合（ＰＥＴ脳画像４４）、当該領域を覆うような楕円形状を設定させることができる。
【０１２３】
以上より、本発明の実施例３によれば、楕円ＲＯＩ設定部２７はユーザに脳の一部を覆うサイズ又は位置に楕円形状のＲＯＩ６２ａを設定させることができ、加えて楕円を傾けて設定させることもできる。このため、特定の領域にしか集積しないことが分かっている放射性薬剤を使用する場合、当該領域を覆うような楕円形状を設定させ、より速い計算時間でＢＰ画像を表示させることができる。
【実施例４】
【０１２４】
上述した実施例１等におけるＢＰ画像化プログラムでは、ＢＰ算出部２９は参照領域法としてＳＲＴＭ法と非侵襲性Logan法との両方又は片方を用いた。本実施例４では非侵襲性Logan法を用いた場合における他の計算例について説明する。
【０１２５】
上述したように、ＢＰ算出部２９は式３５および３６を用いて非侵襲性Logan法によりＢＰを算出する。図２３は、式３６の左辺Ｙを縦軸とし、右辺のＸを横軸としたグラフを示す。図２３に示される回帰直線Ｙの傾きＤＶＲを求める際、直線部分の開始点をＢ０とするか、Ｂ１とするか等により、傾きＤＶＲが変わってくる。そこで、実施例４では、最適な開始点をユーザに選択させる方法を用いている。
【０１２６】
図２４は、本発明の実施例４における最適開始点によるＢＰ算出法（ＢＰ画像化プログラム等）の流れをフローチャートで示す。図２４に示されるフローチャートは図２１に示されるフローチャートの放射能カウント値入力ステップ（ステップＳ２６）の後（又はＢＰ算出ステップ（ステップＳ２８）の前）から始める。まず、ステップＳ４０でユーザにＳＲＴＭ法と非侵襲性Logan法とのいずれかを選択させ、ＳＲＴＭ法が選択された場合はそのままＢＰ算出ステップ（ステップＳ２８）へ進む。ステップＳ４０で非侵襲性Logan法が選択された場合、Logan-ＤＶＲ法で回帰直線とみなされる開始点Ｂｉを初期値Ｂ０から終了値Ｂｎまで変化させて、各開始点ＢｉについてＢＰ算出ステップ（ステップＳ４４又はＳ２８）の処理を繰返させる（繰返しステップ（ステップＳ４２、Ｓ４６、Ｓ４８）。詳細は後述。繰返し手段）。繰返しステップ（ステップＳＳ４２、Ｓ４６、Ｓ４８）により求められた各ＢＰを所定の形式で表示し、ユーザに最適な開始点（特定の開始点）を選択させる（開始点選択ステップ（ステップＳ４９）。開始点選択手段）。以下、詳しく説明する。まず、Logan-ＤＶＲ法で回帰直線Ｙとみなされる開始点の初期値設定を行う（開始点初期値設定ステップ（ステップＳ４２）。開始点の初期値は、図１７に示されるＢ０とする。次に、非侵襲性Logan法によるＢＰ算出ステップ（ステップＳ４４又はＳ２８）を実行する。その後、開始点初期値設定ステップ（ステップＳ４２）で設定された開始点について、終了かどうかを判断する（開始点終了判断ステップ（ステップＳ４６）。例えば開始点が図１７に示されるＢｎであれば終了と判断する。開始点終了判断ステップ（ステップＳ４６）で開始点が終了でないと判断された場合、開始点初期値設定ステップ（ステップＳ４２）で設定された開始点を次の開始点に変更してＢＰ算出ステップ（ステップＳ４４又はＳ２８）の処理を繰返させる（ステップＳ４８）。開始点の変更は開始点Ｂ０をインクリメントしてＢ１とすることにより行う。以下同様に開始点ＢｉをＢ１〜Ｂｎまで変更する。開始点終了判断ステップ（ステップＳ４６）で開始点が終了と判断された場合、各開始点Ｂｉ（ｉ＝０〜ｎ）毎に計算されたＢＰをユーザに示し、ユーザに最適な開始点Ｂｊを選択させる（開始点選択ステップＳ４９）。各ＢＰのユーザへの示し方としては、縦軸をＢＰとし横軸を各開始点Ｂｉ（ｉ＝０〜ｎ）とするプロット表示が好適である。ユーザはプロット表示においてプラトーになった肩の部分のＢＰ（プラトーになった最初のＢＰ）に対応する開始点Ｂｊを最適な開始点Ｂｊと判断し、当該Ｂｊを入力する。その後、当該開始点Ｂｊを用いてステップＳ２８へ進む。以上により、最適な開始点ＢｊによるＢＰを得ることができる。
【０１２７】
図２５は、実施例４における最適開始点によるＢＰ算出法の処理状況を例示する画面１７０を示す。画面１７０において、符号１７１はある開始点Ｂｉを用いた際に表示されるＢＰ画像であり、１７２はその際の回帰直線Ｙを表示するグラフである。
【０１２８】
以上より、本発明の実施例４によれば、ＢＰの算出法として非侵襲性Logan法を用いる場合、図２３に示される回帰直線Ｙの傾きＤＶＲを求める際に、開始点Ｂｉを変更していきながら最適な開始点Ｂｊをユーザに選択させることができる。この結果、最適な開始点ＢｊによるＢＰを得ることができる。
【実施例５】
【０１２９】
図２６は、本発明のＢＰ画像化プログラムを実行するコンピュータ１０の内部回路１８０を示すブロック図である。図２６に示されるように、ＣＰＵ１８１、ＲＯＭ１８２、ＲＡＭ１８３、画像制御部１８６、コントローラ１８７、入力制御部１９０及び外部Ｉ／Ｆ部１９２はバス１９３に接続されている。図２６において、上述した本発明のＢＰ画像化プログラムは、ＲＯＭ１８２、ディスク１８８又はＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体（脱着可能な記録媒体を含む）に記録されている。ディスク１８８には、上述したＰＥＴ−ＤＢ１４、ＭＲＩ−ＤＢ１６等を記録しておくことができる。ＢＰ画像化プログラムは、ＲＯＭ１８２からバス１９３を介し、あるいはディスク１８８又はＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体からコントローラ１８７を経由してバス１９３を介しＲＡＭ１８３へロードされる。画像制御部１８６は、ＢＰ画像表示部３０等により表示される種々の画面７０等の画像データをＶＲＡＭ１８５へ送出する。表示装置（ディスプレイ）１８４はＶＲＡＭ１８５から送出された上記データ等を表示する。ＶＲＡＭ１８５は表示装置１８４の一画面分のデータ容量に相当する容量を有している画像メモリである。入力操作部１９１はコンピュータ１０に入力、指定等（ＲＯＩの設定等）を行うためのマウス、キーボード等の入力装置であり、入力制御部１９０は入力操作部１９１と接続され入力制御等を行う。外部Ｉ／Ｆ部１９２はコンピュータ（ＣＰＵ）１８１の外部と接続する際のインタフェース機能を有している。
【０１３０】
上述したようにコンピュータ（ＣＰＵ）１８１が本発明のＢＰ画像化プログラムを実行することにより、本発明の目的を達成することができる。ＢＰ画像化プログラムは上述のようにＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体の形態でコンピュータ（ＣＰＵ）１８１に供給することができ、ＢＰ画像化プログラムを記録したＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体も同様に本発明を構成することになる。ＢＰ画像化プログラムを記録した記録媒体としては上述された記録媒体の他に、例えばメモリ・カード、メモリ・スティック、光ディスク、ＦＤ等を用いることができる。
【産業上の利用可能性】
【０１３１】
本発明の活用例として、ＰＥＴ脳画像又は他の部位のＰＥＴ画像に適用することができる。
【符号の説明】
【０１３２】
１ ＢＰ画像化システム、 １０ コンピュータ、 １２ 記録装置、 １４ ＰＥＴ−ＤＢ、 １６ ＭＲＩ−ＤＢ、 ２０ 機能ブロック、 ２１ ＰＥＴ脳画像データ入力部、 ２２ ＭＲＩ脳画像データ入力部、 ２３ 位置合わせ部、 ２４ セグメンテーション部、 ２５ 細線・膨張処理部、 ２６ リファレンスＲＯＩ設定部、 ２７ 楕円ＲＯＩ設定部、 ２８ 放射能カウント入力部、 ２９ ＢＰ算出部、 ３０ ＢＰ画像表示部、 ４０、４１、４２、４３、４４、４５ ＰＥＴ脳画像データ、 ５０ ＭＲＩ脳画像データ、 ５１ 全脳マスク、 ５５、５５＋、５５− 灰白質部分データ、 ５６、５６− 白質部分データ、 ６０、６１、６２ （位置合わせ後）ＭＲＩ脳画像データ、 ７０、８０、９０、１００、１２０、１３０、１４０ 画面、 ７１ａ、７１ｂ resetボタン、 ７２ａ、７２ｂ erosionボタン、 ７３ａ、７３ｂ dilatationボタン、８１ ＭＲＩオプション枠、 ８２、８４ レジストレーションボックス、 ８３ マスクオプション枠、 ８５ ＲＯＩ枠、 ８６ 多角形ＲＯＩボックス、 ８７ 楕円ＲＯＩボックス、 １０１ 表、 １０２、１７２ グラフ、 １０３ Ｓボタン、 １０４ Ｒボタン、 １１０ 血漿、 １１１、１１４ 組織、 １１２ 遊離領域、 １１３ 受容体、 １１５ 参照領域、 １１６ 対象部位、 １２１、１３１、１７１ ＢＰ画像、 １２２、１３２ Ｒ１画像、 １２３、１３３ ｋ２画像、 １８１ ＣＰＵ、 １８２ ＲＯＭ、 １８３ ＲＡＭ、 １８４ 表示装置、 １８５ ＶＲＡＭ、 １８６ 画像制御部、 １８７ コントローラ、 １８８ ディスク、 １８９ ＣＤ−ＲＯＭ、 １９０ 入力制御部、 １９１ 入力操作部、 １９２ 外部Ｉ／Ｆ部、 １９２ バス。
【先行技術文献】
【非特許文献】
【０１３３】
【非特許文献１】坂口 和也、木村 祐一著、「ＰＥＴにおける脳神経受容体機能計測のための動態解析」、MEDICAL IMAGING TECHNOLOGY、第２７巻、第５号、第２８６頁−第２９１頁、２００９年１１月、日本医用画像工学会。
【技術分野】
【０００１】
本発明は、ＰＥＴ脳画像データから受容体結合能の画像化を行うための受容体結合能画像化プログラム等に関する。
【背景技術】
【０００２】
近年、脳神経分野では神経受容体に選択的に結合する放射性薬剤を用いて、神経伝達機能を評価する研究が行われている。この評価を行う際に、陽電子放出断層撮影（Positron Emission Tomography : ＰＥＴ）により脳内における放射性薬剤の分布を映像化するだけではなく、ＰＥＴ脳画像から受容体結合能（Binding Potential : ＢＰ）等の薬理学的指標を算出することも行われている。ＢＰは、受容体と特異的に結合している薬剤の放射能濃度と組織中の遊離薬剤の濃度との比で表現できる（非特許文献１参照）。
【０００３】
脳関門を通して脳内に取込まれた放射性薬剤には、放射性薬剤の特性に応じて取込まれやすい（留まりやすい）領域と取込まれにくい（留まりにくい）領域とがある。ＢＰは、この取込まれやすさの程度を示しており、取込まれやすい領域ではＢＰが高くなる。従って、予め正常な脳について放射性薬剤に応じた各領域におけるＢＰの高低を調べておくことにより、ＢＰの高低パターンを得ることができる。脳内に正常な領域と異常な領域とがある場合、脳内に取込まれた放射性薬剤は正常な領域には上述したＢＰの高低パターンに応じて留まるが、異常な領域には留まらずに脳外へ流れていくため、ＢＰは通常より低くなる。従って、ＢＰを求めることにより、脳内の異常な領域を発見することが可能となる。
【０００４】
従来、ＰＥＴ脳画像からＢＰを算出する場合、まずＰＥＴ脳画像に対して関心領域（Region of Interest : ＲＯＩ）を設定し、当該ＲＯＩについて時間の経過による放射性薬剤の取込み及び洗出しの過程を調べることにより、ＢＰを算出していた。より詳しくは、測定された時間と当該ＲＯＩ中における全画素の放射能カウント値の平均値との間の変化を示す時間−放射能カウント値曲線を求め、この時間−放射能カウント値曲線のデータに基づきＢＰを算出していた。つまり、当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により、当該ＲＯＩの挙動（どのようなＢＰとなるか）を代表させていた。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述した従来のＢＰ算出法では、まず先にＰＥＴ脳画像に対してＲＯＩを設定し、当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により当該ＲＯＩの挙動を代表させていた。このため、当該ＲＯＩ中に正常な領域と異常な領域とが混在していた場合、正常な放射能カウント値と異常な放射能カウント値とが混ざってしまい、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかが不明になってしまうという問題があった。
【０００６】
脳神経分野における病態によっては、灰白質が損傷を受ける場合、又は白質が損傷を受ける場合がある。しかし、上述した従来のＢＰ算出法では、まず先にＰＥＴ脳画像に対してＲＯＩを設定するため、当該ＲＯＩ中に灰白質と白質とが含まれることがある。この場合でも当該ＲＯＩ中における全画素の放射能カウント値の平均値という一つの値により当該ＲＯＩの挙動を代表させていたため、病態に応じた正確なＢＰを算出することが困難であるという問題があった。
【０００７】
ＰＥＴ脳画像は、Ｘ線断層写真撮影機（Computer Tomography : ＣＴ）、磁気共鳴映像機（Magnetic Resonance Imaging : ＭＲＩ）等による画像と比較すると解像度が低い。このため、ＰＥＴ脳画像上では解剖学的領域を特定しにくいという問題があった。
【０００８】
従来は設定した各ＲＯＩ毎にＢＰを数値として算出していただけであったため、脳内全体の領域におけるＢＰの評価を短期間に行うことが困難であるという問題があった。
【０００９】
そこで、本発明の目的は、上記問題を解決するためになされたものであり、設定したＲＯＩ中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができる受容体結合能画像化プログラム等を提供することにある。
【００１０】
本発明の第２の目的は、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、各々正確なＢＰを示すことができる受容体結合能画像化プログラム等を提供することにある。
【００１１】
本発明の第３の目的は、ＰＥＴ脳画像、単光子放出断層撮像法（Single Photon Emission Computed Tomography : ＳＰＥＣＴ）脳画像等の機能的脳画像上に解剖学的領域を正確に特定することができる受容体結合能画像化プログラム等を提供することにある。
【００１２】
本発明の第４の目的は、脳内全体の領域におけるＢＰを瞬時に示すことにより、脳内全体の領域におけるＢＰの評価を容易に行うことができる受容体結合能画像化プログラム等を提供することにある。
【課題を解決するための手段】
【００１３】
この発明の受容体結合能画像化プログラムは、機能的脳画像データ（好適にはＰＥＴ又はＳＰＥＣＴ脳画像データ）から受容体結合能の画像化を行うための受容体結合能画像化プログラムであって、コンピュータを、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力手段、前記被験者の形態脳画像データ（好適にはＭＲＩ又はＣＴ脳画像データ）を入力する形態脳画像データ入力手段、前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力手段により入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせ手段、前記位置合わせ形態手段により位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離手段、前記位置合わせ手段により位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに設定する関心領域設定手段、前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定手段、前記関心領域設定手段により設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力手段、前記所定形状関心領域設定手段により設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力手段により入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出手段、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分のデータの受容体結合能を所定の表示形式で表示する受容体結合能表示手段として機能させるための受容体結合能画像化プログラムである。
【００１４】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法とすることができる。
【００１５】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去手段をさらに備え、前記受容体結合能表示手段は、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離され前記ノイズ除去手段により所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することができる。
【００１６】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記ノイズ除去手段は、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことができる。
【００１７】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記受容体結合能表示手段により受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出手段をさらに備えることができる。
【００１８】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記所定形状関心領域設定手段により設定される所定の形状は楕円とすることができる。
【００１９】
ここで、この発明の受容体結合能画像化プログラムにおいて、前記参照領域法がLogan-ＤＶＲ法の場合、Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返し手段と、前記繰返し手段により求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択手段とをさらに備えることができる。
【００２０】
この発明の記録媒体は、本発明のいずれかの受容体結合能画像化プログラムを記録したコンピュータ読取り可能な記録媒体である。
【００２１】
この発明の受容体結合能画像化方法は、コンピュータが、機能的脳画像データから受容体結合能の画像化を実行する受容体結合能画像化方法であって、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力ステップと、前記被験者の形態脳画像データを入力する形態脳画像データ入力ステップと、前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力ステップで入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせステップと、前記位置合わせ形態ステップで位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離ステップと、前記位置合わせステップで位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに設定する関心領域設定ステップと、前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定ステップと、前記関心領域設定ステップで設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力ステップと、前記所定形状関心領域設定ステップで設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力ステップで入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出ステップと、前記受容体結合能算出ステップにより算出された一画素毎の受容体結合能と前記分離ステップにより分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示する受容体結合能表示ステップとを備え、前記機能的脳画像データ入力ステップと前記形態脳画像データ入力ステップとは逆に実行可能であり、前記所定形状関心領域設定ステップは前記機能的脳画像データ入力ステップ後であれば先行する各ステップの前に実行可能であることを特徴とする。
【００２２】
ここで、この発明の受容体結合能画像化方法において、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法とすることができる。
【００２３】
ここで、この発明の受容体結合能画像化方法において、前記分離ステップの後で且つ前記受容体結合能表示ステップの前に、該分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去ステップをさらに備え、前記受容体結合能表示ステップは、前記受容体結合能算出ステップで算出された一画素毎の受容体結合能と前記分離ステップで分離され前記ノイズ除去ステップで所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することができる。
【００２４】
ここで、この発明の受容体結合能画像化方法において、前記ノイズ除去ステップは、前記分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことができる。
【００２５】
ここで、この発明の受容体結合能画像化方法において、前記受容体結合能表示ステップで受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出ステップをさらに備えることができる。
【００２６】
ここで、この発明の受容体結合能画像化方法において、前記所定形状関心領域設定ステップで設定される所定の形状は楕円とすることができる。
【００２７】
ここで、この発明の受容体結合能画像化方法において、前記参照領域法がLogan-ＤＶＲ法の場合、前記受容体結合能算出ステップの前に、Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返しステップと、前記繰返しステップで求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択ステップとをさらに備えることができる。
【発明の効果】
【００２８】
本発明の受容体結合能画像化プログラム等によれば、ＭＲＩ脳画像、ＣＴ脳画像等の形態（解剖学的）脳画像と、ＰＥＴ脳画像、ＳＰＥＣＴ脳画像等の機能的脳画像とを位置合わせして両脳画像を同じ座標にしている。これにより、解剖学的情報が豊富なＭＲＩ画像等の形態（解剖学的）脳画像に対して解剖学的領域を設定してから、当該解剖学的領域をＰＥＴ脳画像等の機能的脳画像へ設定している。このため、ＰＥＴ脳画像等の機能的脳画像上でも解剖学的領域を正確に特定することができるという効果がある。
【００２９】
ＰＥＴ脳画像等の機能的脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎に受容体結合能を求めている。このため、設定した関心領域中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができるという効果がある。求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰを瞬時に示すことができ、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができるという効果がある。灰白質と白質とに分けて、各々につきＢＰを求めている。このため、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、病態に応じた正確なＢＰを算出することができるという効果がある。
【図面の簡単な説明】
【００３０】
【図１】本発明の実施例１等におけるＢＰ画像化プログラム等が実行されるＢＰ画像化システム１を示す図である。
【図２】ＰＥＴ脳画像データ入力部２１により入力されたＰＥＴ脳画像データに基づくＰＥＴ脳画像４０を例示する図である。
【図３】ＭＲＩ脳画像データ入力部２２により入力されたＭＲＩ脳画像データに基づくＭＲＩ脳画像５０を例示する図である。
【図４】位置合わせ部２３により位置合わせが行われた結果の脳画像６０を例示する図である。
【図５】相互情報量を説明するための概念図である。
【図６】医用脳画像の平均情報量（エントロピー）を説明するための図である。
【図７】結合事象のヒストグラムを説明するための図である。
【図８】図７に示されるジョイント・ヒストグラム３００を視点ＶＰから見た場合の３次元ジョイント・ヒストグラム４００を示す図である。
【図９】２次元ジョイント・ヒストグラムから相互情報量を計算する方法を説明するための図である。
【図１０】２次元ジョイントヒストグラムＧ（Ａ，Ｂ）（ヒストグラム３１０）から計算された参照画像２７０（事象Ａ）とフローティング画像２６０（事象Ｂ）との結合確率分布ｐ（Ａ，Ｂ）を示す図である。
【図１１】セグメンテーション部２４による被験者のＭＲＩ脳画像データ５０から灰白質部分データ５５と白質部分データ５６とを分離する例を示す図である。
【図１２】細線・膨張処理部２５による細線・膨張処理（closing演算）を例示する図である。
【図１３】細線・膨張処理部２５による処理状態を例示する画面７０を示す図である。
【図１４】リファレンスＲＯＩ設定部２６の処理状況を例示する画面８０を示す図である。
【図１５】楕円ＲＯＩ設定部２７の処理状況を例示する画面９０を示す図である。
【図１６】放射能カウント値入力部２８の処理状況を例示する画面１００を示す図である。
【図１７】ＳＲＴＭ法を説明するためのコンパートメントモデルを示す図である。
【図１８】被験者に対し放射性薬剤として［１１Ｃ］ＰＥ２Ｉが使用された場合におけるＢＰ画像表示部３０により表示された画面１２０ａ〜１２０ｄを示す図である。
【図１９】被験者に対し放射性薬剤として［１８Ｆ］flumazenilが使用された場合におけるＢＰ画像表示部３０により表示された画面１３０ａ〜１３０ｄを示す図である。
【図２０】ＢＰ画像表示部３０により表示された画面１４０を示す図である。
【図２１】本発明の実施例１等における、コンピュータがＰＥＴ脳画像データからＢＰの画像化を実行するＢＰ画像化プログラム及び方法の処理の流れを示すフローチャートである。
【図２２】本発明の実施例３における楕円ＲＯＩ設定部２７の処理状況を例示する画面１６０を示す図である。
【図２３】式２３の左辺Ｙを縦軸とし、式２３の右辺のＸを横軸としたグラフを示す図である。
【図２４】本発明の実施例４における最適開始点によるＢＰ算出法（ＢＰ画像化プログラム等）の流れを示すフローチャートである。
【図２５】実施例４における最適開始点によるＢＰ算出法の処理状況を例示する画面１７０を示す図である。
【図２６】本発明のＢＰ画像化プログラムを実行するコンピュータ１０の内部回路１８０を示すブロック図である。
【発明を実施するための最良の形態】
【００３１】
以下では説明の便宜のために、形態（解剖学的）脳画像の例としてＭＲＩ脳画像を取り上げ、機能的脳画像の例としてＰＥＴ脳画像を取り上げて説明する。しかし、本発明の受容体結合能画像化プログラム等が適用される形態（解剖学的）脳画像はＭＲＩ脳画像に限定されるものではなく、ＣＴ脳画像等の他の形態（解剖学的）脳画像に対しても同様に適用することができる。同様に、本発明の受容体結合能画像化プログラム等が適用される機能的脳画像はＰＥＴ脳画像に限定されるものではなく、ＳＰＥＣＴ脳画像等の他の機能的脳画像に対しても同様に適用することができる。従って、本発明の受容体結合能画像化プログラム等が適用される形態（解剖学的）脳画像と機能的脳画像との組合わせは、例えばＭＲＩ脳画像とＰＥＴ脳画像、ＭＲＩ脳画像とＳＰＥＣＴ脳画像、ＣＴ脳画像とＰＥＴ脳画像、ＣＴ脳画像とＳＰＥＣＴ脳画像等になる。以下では、本発明のＰＥＴ脳画像データ等の機能的脳画像データからＢＰの画像化を行うための受容体結合能画像化プログラムを「ＢＰ画像化プログラム」と言う。本発明のコンピュータがＰＥＴ脳画像データ等の機能的脳画像データからＢＰの画像化を実行する受容体結合能画像化方法を「ＢＰ画像化方法」と言う。ＢＰ画像化プログラム及び方法を「ＢＰ画像化プログラム等」と言う。以下、実施例について図面を参照して詳細に説明する。
【実施例１】
【００３２】
図１は、本発明の実施例１等におけるＢＰ画像化プログラム等が実行されるＢＰ画像化システム１を示す。図１で、符号１０はＢＰ画像化プログラム等を実行するコンピュータ、１２はコンピュータ１０に接続されたハードディスク等の記録装置、１４は記録装置１２内に記録されたＰＥＴ脳画像データのデータべース（ＰＥＴ−ＤＢ）、１６は記録装置１２内に記録されたＭＲＩ脳画像データのデータべース（ＭＲＩ−ＤＢ）、２０はＢＰ画像化プログラムの機能を示す機能ブロックである。以下、機能ブロック２０内に示される各機能について説明していく。
【００３３】
ＰＥＴ脳画像データ入力部（機能的脳画像データ入力手段。上述したようにＳＰＥＣＴ脳画像データ入力部であってもよい。以下同様。）２１は、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ（放射能カウント値）を入力する。本明細書では、受容体として特に脳内の神経受容体を取り扱う。所定の放射性薬剤としては［１１Ｃ］ＰＥ２Ｉ、［１８Ｆ］flumazenil等が好適である。ＰＥＴ脳画像データの収集及び所定の放射性薬剤の分布を画像化するためのＰＥＴ装置としては３次元収集型が好適である。ＰＥＴ専用機ではなく、ＰＥＴ／ＣＴ装置、ＳＰＥＣＴ（単光子放出断層撮像法：Single Photon Emission Computed Tomography）／ＰＥＴ装置等を用いてもよい。図２は、ＰＥＴ脳画像データ入力部２１により入力されたＰＥＴ脳画像データに基づくＰＥＴ脳画像４０を例示する。以下では、特に区別する場合を除いて「ＰＥＴ脳画像」と「ＰＥＴ脳画像データ」とを同様に用いる。図２に示されるように、ＰＥＴ脳画像データ４０のマトリクスサイズとしては１２８×１２８（画素）が好適であるが、このマトリクスサイズに限定されるものではない。
【００３４】
ＭＲＩ脳画像データ入力部（形態脳画像データ入力手段。上述したようにＣＴ脳画像データ入力部であってもよい。以下同様。）２２は、上記被験者のＭＲＩ脳画像データを入力する。ＭＲＩ脳画像データの収集及びＭＲＩ画像の作成に用いるＭＲＩ装置としては、トンネル型、オープン型等のいずれを用いてもよい。図３は、ＭＲＩ脳画像データ入力部２２により入力されたＭＲＩ脳画像データに基づくＭＲＩ脳画像５０を例示する。以下では、特に区別する場合を除いて「ＭＲＩ脳画像」と「ＭＲＩ脳画像データ」とを同様に用いる。図３に示されるように、ＭＲＩ脳画像データ５０のマトリクスサイズとしては２５６×２５６（画素）が好適であるが、このマトリクスサイズに限定されるものではない。
【００３５】
位置合わせ部（位置合わせ手段）２３は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力部２２により入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う。具体的には、まず、ＭＲＩ脳画像データ５０のマトリクスサイズ（２５６×２５６（画素））をＰＥＴ脳画像データ４０のマトリクスサイズ（１２８×１２８（画素））に合わせるリスライスを行う。一般的には、ＭＲＩ脳画像データの方が解像度が良いため、ＭＲＩ脳画像データを基準としてＰＥＴ脳画像データをリスライスする。しかし、本発明のＢＰ画像化プログラムでは計算時間短縮のためマトリクスサイズの小さいＰＥＴ脳画像データ４０を基準にＭＲＩ脳画像データ５０をリスライスする。次に、ＰＥＴ脳画像データ４０とマトリクスサイズがリスライスされたＭＲＩ脳画像データ５０Ｒ（不図示）との位置合わせ（レジストレーション）を行う。図４は、位置合わせ部２３により位置合わせが行われた結果のＭＲＩ脳画像データ６０を例示する。
【００３６】
レジストレーションとは同一の被験者の２組の異なる脳画像（ここでは、ＰＥＴ脳画像４０とＭＲＩ脳画像５０Ｒ）について対応する画素（ピクセル）を決めることをいう。レジストレーションには種々の方法があり、本願のように性質が異なる２画像（ＰＥＴ脳画像とＭＲＩ脳画像）の場合、例えばＭＲＩ画像の画素値によってセグメンテーション（脳画像の一部抽出）を行い、各セグメント毎に両画素値の比の分散を計算する方法がある。
【００３７】
上記の方法では剛体変換を用いている。詳しくは、２つの脳画像を揃えるために、Ｘ方向の平行移動ｄｘ、Ｙ方向の平行移動ｄｙ、Ｚ方向の平行移動ｄｚの３方向のベクトルに加えて、Ｘ軸の周りの回転ｄθｘ、Ｙ軸の周りの回転ｄθｙ、Ｚ軸の周りの回転ｄθという３つの回転成分を有する６つのパラメータを用いる。この６つのパラメータを用いてＭＲＩ脳画像５０Ｒの回転／平行移動を行ない、この結果をＰＥＴ脳画像４０を用いて評価する。評価の結果、所定の収束条件を満たしているかどうか判定し、収束していると判定された場合はＭＲＩ脳画像データ６０を得て、レジストレーションは終了する。一方、収束していると判定されなかった場合は６つのパラメータの更新を行なって、回転／平行移動から繰返す。
【００３８】
上述の評価では所望の評価基準を用いて行なうことができる。ここでは、評価基準としてＭＩ（Mutual Information：相互情報（量））を用いた場合について説明する。これは、ＭＲＩ脳画像上のある画素値を持つすべての画素は同じ組織（partition）であり、それに対応するＰＥＴ（又はＳＰＥＣＴ）脳画像の画素は、ほぼ同じ画素値を持つであろうという考え方に依拠するものである。ＭＲＩ脳画像とＰＥＴ脳画像との間に何らかの共有情報（相互情報）があることを前提とする。両脳画像の位置ずれが起きると相互情報量は減少するため、相互情報量が最大になるようにレジストレーションを行うという手法である。以下、まず相互情報量について説明する。
【００３９】
ある事象が起きる確率Ｐ（≦１．０）が与えられたとき、情報量（エントロピー）Ｈは以下の式１で定義される。
【００４０】
【数１】
【００４１】
式１で定義されるように、めったに起こらない事象の情報量は非常に大きい。事象の確率分布Ｐｉが与えられたとき、平均情報量Ｈ（Ｐｉ）は以下の式２で定義される。
【００４２】
【数２】
【００４３】
ここで、２つの事象Ａ、Ｂを考える。事象ＡおよびＢの結合事象ｐ（Ａ，Ｂ）が全体として持っている平均情報量Ｈ（Ａ，Ｂ）は、以下の式３で定義される。
【００４４】
【数３】
【００４５】
平均情報量Ｈ（Ａ，Ｂ）は事象ＡおよびＢの結合エントロピーと言われる。事象Ａ、Ｂの例としてはＭＲＩ脳画像とＰＥＴ又はＳＰＥＣＴ脳画像とが挙げられる。さて、相互情報量とは多少関係のある２つの事象又は情報源Ａ（ＭＲＩ脳画像）とＢ（ＰＥＴ脳画像）とにおいて、事象Ａ（又は事象Ｂ）を知ったことにより得られる事象Ｂ(又は事象Ａ)に関する情報量と定義される。図５は、相互情報量を説明するための概念図である。図５において、点ａ１ａ２ａ３ａ４で示される矩形は事象Ａの持っている平均情報量Ｈ（Ａ）を示し、点ｂ１ｂ２ｂ３ｂ４で示される矩形は事象Ｂの持っている平均情報量Ｈ（Ｂ）を示す。平均情報量Ｈ（Ａ）とＨ（Ｂ）とが重なった点ｂ１ａ２ａ３ｂ４で示される矩形は事象ＡとＢとが共有する平均情報量であり、当該平均情報量を相互情報量Ｉ（Ａ，Ｂ）と呼ぶ。つまり、相互情報量Ｉ（Ａ，Ｂ）とは事象Ａ（ＭＲＩ脳画像）を知ることによって得られる事象Ｂ（ＰＥＴ脳画像）の平均情報量を意味する。
【００４６】
図５において、点ａ１ｂ２ｂ３ａ４で示される矩形は事象ＡおよびＢの結合エントロピーＨ（Ａ，Ｂ）を示す。点ａ１ｂ１ｂ４ａ４で示される矩形は事象Ｂが起きたことを条件とする事象Ａが持っている平均情報量（条件付きエントロピー）Ｈ（Ａ｜Ｂ）を示し、点ａ２ｂ２ｂ３ａ３で示される矩形は事象Ａが起きたことを条件とする事象Ｂが持っている平均情報量（条件付きエントロピー）Ｈ（Ｂ｜Ａ）を示す。条件付きエントロピーを用いると相互情報量Ｉ（Ａ，Ｂ）は以下の式４で与えられる。
【００４７】
【数４】
【００４８】
ここで、条件付き確率と相互情報量について示す。事象Ａが起きる確率をＰ（Ａ）、事象Ａが起きたことを条件として事象Ｂが起きる条件付き確率をＰ（Ｂ｜Ａ）とすると、事象ＡおよびＢの結合事象Ｐ（Ａ，Ｂ）は以下の式５で与えられ、式５を変形して条件付き確率Ｐ（Ｂ｜Ａ）は式６のように与えられる。
【００４９】
【数５】
【００５０】
同様にして、条件付き確率Ｐ（Ａ｜Ｂ）は以下の式７のように与えられ、条件付きエントロピーＨ（Ａ｜Ｂ）は以下の式８のように与えられる。相互情報量Ｉ（Ａ，Ｂ）は式４（第１式）、式７および式８から、式９のように与えられる。
【００５１】
【数６】
【００５２】
以上説明した相互情報量を医用脳画像に適用する。医用脳画像の場合の平均情報量（エントロピー）は医用脳画像のヒストグラム（度数分布）を用いることにより定義することができる。図６は医用脳画像の平均情報量（エントロピー）を説明するための図である。図６に示されるようなＭＲＩ脳画像２００のデータについて、ある信号強度のピクセルがいくつ存在するかを計算してグラフにすると、上記医用脳画像のヒストグラムを得ることができる。符号２０２は横軸を信号強度とし縦軸を出現頻度とするＭＲＩ脳画像２００のヒストグラムである。ヒストグラム２０２において、信号強度がｄ１からｄ２までの範囲（原図では青色で示す。）とｄ２からｄ３までの範囲（原図では黄色で示す。）とをＭＲＩ脳画像上で表すと、青色で示される範囲はＭＲＩ脳画像２０４に表されるようにほぼ灰白質の領域に対応し、黄色で示される範囲はＭＲＩ脳画像２０６に表されるようにほぼ白質の領域に対応している。このように、医用脳画像のヒストグラムと脳の解剖学的構造とは強く関連している。
【００５３】
ＭＲＩ脳画像等の事象Ａと、ＳＰＥＣＴ、ＰＥＴ脳画像等の事象Ｂとの結合事象Ｐ（Ａ，Ｂ）のヒストグラムの場合は、２次元のヒストグラム（Joint Histogram ：ジョイント・ヒストグラム）を考えればよい。図７は結合事象のヒストグラムを説明するための図である。図７で図６と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図７に示されるように、符号２１２は横軸をカウント（値）とし縦軸を出現頻度とするＳＰＥＣＴ脳画像（事象Ｂ）のヒストグラムである。ＭＲＩ脳画像２００（事象Ａ）とＳＰＥＣＴ脳画像２１０(事象Ｂ)との結合事象Ｐ（Ａ，Ｂ）の２次元のヒストグラムは、図７に示されるジョイント・ヒストグラム３００で表される。ジョイント・ヒストグラム３００で、横軸はＭＲＩ脳画像２００のヒストグラム２０２における信号強度であり、縦軸はＳＰＥＣＴ脳画像２１０のヒストグラム２１２におけるカウントである。ジョイント・ヒストグラム３００における座標（Ａｉ，Ｂｊ）の値は、信号強度Ａｉに対応するヒストグラム２０２の出現頻度とカウントＢｊに対応するヒストグラム２１２の出現頻度とから計算した値であり、当該値の大小は明るさの強弱で表している。但し、説明の都合上、両脳画像のヒストグラムにおける信号強度、カウントが０に近い部分はカットして表している。
【００５４】
図８は、図７に示されるジョイント・ヒストグラム３００を視点ＶＰ（図７参照）から見た場合の３次元ジョイント・ヒストグラム４００を示す。図８下部の座標軸に示されるように、図７における明るさの強弱（出現頻度、カウントの大小）は３次元の垂直軸で表されており、信号強度軸は右側の原点０から左上側へ向かって大きくなり、カウント軸は右側の原点０から左下側へ向かって大きくなっている。図８に示されるように、白質、灰白質、脳脊髄液の領域が３次元ジョイント・ヒストグラム４００では垂直軸方向のピークとして明瞭に示されており、３次元ジョイント・ヒストグラム４００と脳の解剖学的構造とは強く関連していることがわかる。
【００５５】
図９は、２次元ジョイント・ヒストグラムから相互情報量を計算する方法を説明するための図である。図９において、符号２６０は変形されるフローティング画像（ＳＰＥＣＴ脳画像。事象Ｂ）、２７０はフローティング画像２６０を合わせ込む対象となる（固定の）参照画像（ＳＰＥＣＴ脳画像。事象Ａ）である。図９では明示されていないが、図７に示されるＳＰＥＣＴ脳画像２１０のヒストグラム２１２のように、フローティング画像２６０および参照画像２７０は各々横軸をカウントとし縦軸を出現頻度とするヒストグラムを有している。続いて、図９において符号３１０はフローティング画像２６０（事象Ｂ）と参照画像２７０（事象Ａ）との結合事象である２次元ジョイント・ヒストグラムＧ（Ａ，Ｂ）であり、その横軸は参照画像２７０のカウントＡであり、縦軸はフローティング画像２６０のカウントＢである。図９に示されるように、フローティング画像２６０と参照画像２７０とがオーバーラップした部分、例えば、座標（ｘｍ、ｙｎ）の部分のみについてヒストグラム２１２のようなヒストグラムを各々作成する。つまり、フローティング画像２６０と参照画像２７０とがオーバーラップしなかった部分についての画像のカウントは、当該画像のヒストグラムにおいて出現頻度には取り入れない。あとは図７に示されるジョイント・ヒストグラム３００の場合と同様に、ジョイント・ヒストグラム３１０における座標（Ａｉ，Ｂｊ）の値Ｇ（Ａｉ，Ｂｊ）は、カウントＡｉに対応する参照画像２７０のヒストグラム（不図示）の出現頻度とカウントＢｊに対応するフローティング画像２６０のヒストグラム（不図示）の出現頻度とから計算した値であり、当該値の大小は明るさの強弱で表している。
【００５６】
図１０は、２次元ジョイントヒストグラムＧ（Ａ，Ｂ）（ヒストグラム３１０）から計算された参照画像２７０（事象Ａ）とフローティング画像２６０（事象Ｂ）との結合確率分布ｐ（Ａ，Ｂ）を示す。図１０に示されるように、結合確率分布ｐ（Ａ，Ｂ）の横軸は参照画像２７０のカウントＡであり縦軸はフローティング画像のカウントＢである。結合確率ｐ（Ａｉ，Ｂｊ）は、式１０に示されるように２次元ジョイント・ヒストグラムＧ（Ａｉ，Ｂｊ）を総和で規格化することにより求めることができる。
【００５７】
【数７】
【００５８】
図１０に示されるように、結合確率ｐ（Ａｉ，Ｂｊ）を変数Ｂ方向に総和をとったものが周辺確率（marginal probability）ｐＡ（Ａｉ）であり（式１１）、変数Ａ方向に総和をとったものが周辺確率ｐＢ（Ｂｊ）である（式１２）。
【００５９】
【数８】
【００６０】
式１１および１２と結合確率ｐ（Ａｉ，Ｂｊ）とを用い式９を参照して、式１３に示されるように相互情報量ＭＩを計算することができる。式１３で示される相互情報量ＭＩは事象Ａの出現頻度（確率分布）と事象Ｂの出現頻度（確率分布）との差を量る物差であり、Kullbac-Leiblerダイバージェンスと呼ばれている。式１３で示される相互情報量ＭＩが最大になるようにレジストレーションを行う。相互情報量ＭＩの最大化は、２次元ジョイント・ヒストグラムＧ（Ａｉ，Ｂｊ）のバラツキを少なくすること（広がりを小さくすること）になり、３次元ジョイント・ヒストグラム４００のピークを高くすることになる。
【００６１】
【数９】
【００６２】
以上、評価関数としてＭＩを用いた場合について説明した。次に、その他の評価関数としてＲＩＵ（Ratio Image Uniformity）を用いた場合について説明する。これは、ＭＲＩ脳画像上のある画素値を持つすべての画素は同じ組織（partition）であり、それに対応するＰＥＴ脳画像の画素は、ほぼ同じ画素値を持つであろうという考え方に依拠するものである。すなわち、ＭＲＩ脳画像の各組織に対応するＰＥＴ脳画像（上述したセグメント）の画素値の均一性を最大にする、つまり標準偏差の重み付け平均を最小にするというものである。具体的には、ＭＲＩ脳画像５０Ｒ上で画素値ｊの画素に対応するＰＥＴ脳画像４０上の画素値をａｉｊとする。次に、ａｉｊのすべての画素ｉについての平均ａｊ’を求める。ａｉｊのすべての画素ｉについての標準偏差σｊを求める。σｊ’＝σｊ／ａｊ’を求める。以下の式（１４）で求められるσｊ’’を最小化する。
【００６３】
σｊ’’＝ Σｊσｊ’×ｎｊ／Ｎ （１４）
【００６４】
ここで、Σｊは添字ｊについての和を意味する。ｎｊはＭＲＩ画像５０Ｒ上での画素値ｊの画素数、Ｎ＝Σｊｎｊである。
【００６５】
セグメンテーション部（分離手段）２４は、位置合わせ部２３により位置合わせされた被験者のＭＲＩ脳画像データ５０から灰白質部分データと白質部分データとを分離する（セグメンテーション）。図１１は、セグメンテーション部２４による被験者のＭＲＩ脳画像データ６０から灰白質部分データ５５と白質部分データ５６とを分離する例を示す。本発明のＢＰ画像化プログラムの目的の一つは、最終的に灰白質領域におけるＢＰと白質領域におけるＢＰとを別々に求めることにある。そこで、予め、灰白質領域のみを抜き出した灰白質部分データ５５と白質領域のみを抜き出した白質部分データ５６とを用意しておき、後述するように各々灰白質マスク、白質マスクとして使用する。セグメンテーションは、フリーソフトウェアのＳＰＭ（statistical parametric mapping）２又は９９を用いて実行することができる。ＳＰＭ２等では被験者のＭＲＩ脳画像データ６０をアフィン変換により標準脳のテンプレートに合わせ、その後、予め標準脳用に切り出された灰白質、白質のテンプレートを逆変換して、被験者の灰白質部分データ５５、白質部分データ５６を切り出すとされている。
【００６６】
上述したセグメンテーション部２４により分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがあるため、細線・膨張処理部（ノイズ除去手段）２５を設けてある。細線・膨張処理部２５は、セグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６に対し、所定のノイズ除去処理を行う。本明細書及び特許請求の範囲において「及び／又は」とは、例えば灰白質部分データ５５及び／又は白質部分データ５６を例にとると、灰白質部分データ５５のみ、白質部分データ５６のみ、灰白質部分データ５５と白質部分データ５６との両方、を意味する。
【００６７】
上記所定のノイズ除去処理としては膨張及び細線処理が好適である。細線・膨張処理部２５では、Mathematical Morphology（モルフォロジー又はモフォロジー）で定義されるdilation（拡張、ずらし重ね、膨張）及びerosion（浸食、掻き取り、細線）に相当する演算を用いて、膨張後に細線化、又は細線化後に膨張する処理を行う。集合Ａ、Ｂについてのdilation、erosionは以下の式１５、１６で定義される。細線・膨張処理部２５における膨張後に細線化する処理は式１７で示される集合Ａの集合Ｂ（構造要素）によるclosing演算（ＡＢ）に相当し、細線化後に膨張する処理は式１８で示される集合Ａの集合Ｂ（構造要素）によるopening演算（ＡＢ）に相当する。
【００６８】
【数１０】
【００６９】
具体的には、灰白質部分データ５５、白質部分データ５６を各々処理対象の画像（集合Ａ）として、集合Ａの構造要素Ｂによるopening演算（ＡＢ）又はclosing演算（ＡＢ）を行う。構造要素Ｂとしては所望のサイズのものを用いればよい。図１２は、細線・膨張処理部２５による細線・膨張処理（closing演算）を例示する。図１２（Ａ）は細線・膨張処理前の灰白質部分データ５５を示し、図１２（Ｂ）は灰白質部分データ５５に膨張処理を行った結果の灰白質部分データ５５＋を示し、図１２（Ｃ）は灰白質部分データ５５＋に細線処理を行った結果の灰白質部分データ５５−を示す。細線・膨張処理部２５は灰白質部分データ５５と白質部分データ５６とに対し、上述した細線・膨張処理（opening演算（ＡＢ）、closing演算（ＡＢ））を任意の順に任意回数行うことができる。あるいは、細線・膨張処理部２５はopening演算（ＡＢ）、closing演算（ＡＢ）によらず、dilation、erosion処理を任意の順に任意の回数行うこともできる。
【００７０】
図１３は、細線・膨張処理部２５による処理状態を例示する画面７０である。画面７０を始め、以下に示す画面はコンピュータ１０のディスプレイに表示される。まず最初に画面７０に示されるerosionボタン７２ａをマウス等でクリックすると、左上枠内に表示された処理前のＭＲＩ脳画像に対して上述したerosion処理が行われ、その処理結果であるＭＲＩ脳画像が左下枠内に表示される。次に、画面７０に示されるdilatation（dilationと同義。以下同様）ボタン７３ａをクリックすると、左下枠内に表示された先ほどのerosion処理結果であるＭＲＩ脳画像に対して上述したdilation処理が行われ、その処理結果であるＭＲＩ脳画像が同じ左下枠内に表示される。resetボタン７１ａを１回クリックすると、左下枠内にはerosion処理もdilation処理も行っていない元々の処理前のＭＲＩ脳画像が表示される。以上のように、左上枠内に表示された処理前のＭＲＩ脳画像に対してdilation、erosion処理を任意の順に任意の回数行うことができる。Resetボタン７１ｂ、erosionボタン７２ｂ、dilatationボタン７３ｂも中央上下枠内に表示されたＭＲＩ脳画像に対して同様に用いられるため、説明は省略する。
【００７１】
画面７０に例示されているＭＲＩ脳画像は以下の通りである。左上枠内は細線・膨張処理前の灰白質部分データ５５を示し、左下枠内は細線・膨張処理（closing演算）後の灰白質部分データ５５−を示す。灰白質部分データ５５−を灰白質マスクとして用いることができる。同様に、中央上枠内は細線・膨張処理前の白質部分データ５６を示し、中央下枠内は細線・膨張処理（closing演算）後の白質部分データ５６−を示す。白質部分データ５６−を白質マスクとして用いることができる。画面７０において、右下枠内は灰白質マスク（灰白質部分データ５５−）と白質マスク（白質部分データ５６−）とを合わせた全脳マスク５１を示す。画面７０の右上枠内はＰＥＴ脳画像４１であり、リファレンス（後述）として表示してある。
【００７２】
リファレンスＲＯＩ設定部（関心領域設定手段）２６は、位置合わせ部２３により位置合わせされたＭＲＩ脳画像データに対して、上述した所定の放射能薬剤が存在しないとみなし得る参照領域（reference region : リファレンス領域）に関心領域（Region of
Interest : ＲＯＩ）を設定し、当該ＲＯＩをＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに設定する。所定の放射能薬剤は標的となる受容体に特異的に結合するものが選ばれるため、リファレンス領域は当該受容体が存在しない領域とも考えられる。リファレンスＲＯＩ設定部２６の機能はＢＰの計算のために必要であり、詳細は後述する。図１４は、リファレンスＲＯＩ設定部２６の処理状況を例示する画面８０である。画面８０内の左画像がＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４２であり、右画像が位置合わせ部２３によりＰＥＴ脳画像データ４２に位置合わせされたＭＲＩ脳画像データ６１である。画面８０内で、符号８１はＭＲＩ脳画像データ側の種々のオプションを設定可能なＭＲＩオプション枠、８２はＭＲＩ脳画像データが位置合わせ済みか否かを選択可能なレジストレーションボックス、８５はＲＯＩに対する種々のオプションを設定可能なＲＯＩ枠、８６はＲＯＩの形状として多角形を選択可能な多角形ＲＯＩボックスである。
【００７３】
リファレンスＲＯＩ設定部２６は、画面８０内の右枠内に示されるＭＲＩ脳画像データ６１に対して、リファレンス領域ＭＲｅｆ（点線で示す。）内にＲＯＩ（ＲＯＩ６１）を設定する。具体的にはユーザにカーソル等を用いて所望の形状のＲＯＩを画面８０内に描かせて入力させ、この入力したＲＯＩの座標に基づきＲＯＩ６１を設定する。図１４では、ＲＯＩ６１はやや変形した鉄アレイ状に設定されている。この設定が完了すると、リファレンスＲＯＩ設定部２６は、画面８０内の左枠内に示されるＰＥＴ脳画像データ４２に対して、リファレンス領域ＭＲｅｆに対応するリファレンス領域ＰＲｅｆ内にＲＯＩ６１をコピーする。この結果、ＰＥＴ脳画像データ４２上にＲＯＩ６１を設定することができる。上述したように、ＭＲＩ脳画像データ６１は位置合わせ部２３によりＰＥＴ脳画像データ４２と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６１に対して正確にＲＯＩ６１を設定してから、ＲＯＩ６１をＰＥＴ脳画像データ４２へコピーすることによってＰＥＴ脳画像データ４２上にＲＯＩ６１を設定している。このため、ＰＥＴ脳画像データ４２上でもＲＯＩ６１を正確に設定することができる。
【００７４】
楕円ＲＯＩ設定部（所定形状関心領域設定手段）２７は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに所定の形状のＲＯＩを設定する。本発明のＢＰ画像化プログラムでは、後述するように一画素毎にＢＰを計算している。この際、ＰＥＴ脳画像上の全画素を対象としてＢＰを計算すると、実際には脳画像データが存在しない領域等のように無駄な領域についてもＢＰを計算することになり、処理時間が長くなる。そこで、無駄な領域についてＢＰを計算しないようにするためＰＥＴ脳画像上に所定の形状のＲＯＩ（マスク）を設定し、当該所定の形状の外側をカットして内側だけをＢＰの計算の対象としている。所定の形状としては楕円の形状（楕円マスク）が好適である。
【００７５】
図１５は、楕円ＲＯＩ設定部２７の処理状況を例示する画面９０である。図１５で図１４と同じ符号を付した個所は同じ要素を示すため、説明は省略する。画面９０内の左画像がＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４３であり、右画像が位置合わせ部２３によりＰＥＴ脳画像データ４３に位置合わせされたＭＲＩ脳画像データ６２である。画面９０内で、符号８３は上述した灰白質マスク等に関する種々のオプションを設定可能なマスクオプション枠、８４は灰白質マスク等が位置合わせ済みか否かを選択可能なレジストレーションボックス、８７はＲＯＩの形状として楕円を選択可能な楕円ＲＯＩボックスである。
【００７６】
楕円ＲＯＩ設定部２７は、画面９０内の右枠内に示されるＭＲＩ脳画像データ６１に対して、楕円の形状のＲＯＩ６２を設定する。具体的にはユーザにカーソル等を用いて楕円形状のＲＯＩを画面９０内に描かせて入力させ、この入力させたＲＯＩの座標に基づきＲＯＩ６２を設定する。図９では、ＲＯＩ６２は丁度脳画像全体が入るような楕円形状に設定されている。この設定が完了すると、楕円ＲＯＩ設定部２７は、画面９０内の左枠内に示されるＰＥＴ脳画像データ４３に対して、楕円形状のＲＯＩ６２をコピーする。この結果、ＰＥＴ脳画像データ４３上に楕円形状のＲＯＩ６２（楕円マスク）を設定することができる。上述したように、ＭＲＩ脳画像データ６２は位置合わせ部２３によりＰＥＴ脳画像データ４３と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６３に対して正確に楕円形状のＲＯＩ６２を設定してから、楕円形状のＲＯＩ６２をＰＥＴ脳画像データ４３へコピーすることによってＰＥＴ脳画像データ４３上に楕円形状のＲＯＩ６２を設定している。このため、ＰＥＴ脳画像データ４３上でも楕円形状のＲＯＩ６２を正確に設定することができる。
【００７７】
上述したリファレンスＲＯＩ設定部２６によるリファレンス領域ＰＲｅｆ内へのＲＯＩ６１の設定の場合、ＲＯＩ６１はユーザのフリーハンドによる自由な形状を有していた。しかし、楕円ＲＯＩ設定部２７の場合におけるユーザによる楕円形状の入力はフリーハンドではなく、従来技術を用いた自動的な楕円形状作成機能により入力させることができる。加えて、楕円形状のＲＯＩ６２は丁度脳画像全体が入るように作成すればよいため、必ずしも画面９０の右枠内に示されるＭＲＩ脳画像データ６１ではなく、左枠内に示されるＰＥＴ脳画像４３に対して直接、楕円の形状のＲＯＩ６２を設定してもよい。この場合、楕円ＲＯＩ設定部２７はＰＥＴ脳画像４３上に設定された楕円形状のＲＯＩ６２をＭＲＩ脳画像６２上へコピーすることによって、ＭＲＩ脳画像データ６２上に楕円形状のＲＯＩ６２を設定することができる。
【００７８】
放射能カウント値入力部（放射能カウント値入力手段）２８は、リファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データのリファレンス領域におけるＲＯＩについて、一画素毎に時間−放射能カウント値を入力する。放射能カウント値入力部２８の機能はＢＰの計算のために必要であり、詳細は後述する。図１６は、放射能カウント値入力部２８の処理状況を示す画面１００である。図１６で図１４、１５と同じ符号を付した個所は同じ要素を示すため、説明は省略する。画面１００内で、符号１０１はある特定の一画素について入力された時間−放射能カウント値を対にした表であり、上から下へ時間の経過による放射能カウント値が示されている。符号１０２は表１０１に対応するグラフであり、横軸を時間、縦軸を放射能カウント値として時間−放射能カウント値曲線ＴＡＣ（Time Activity Curve）が示されている。
【００７９】
図１６に示されるように、放射能カウント値入力部２８はリファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データ４２のリファレンス領域ＰＲｅｆにおけるＲＯＩ６１について、一画素毎に時間−放射能カウント値を入力する。放射能カウント値入力部２８は、特定の一画素について表１０１の表示とグラフ１０２内における時間−放射能カウント値曲線ＴＡＣの表示とを行うことができる。ここで、一画素の特定（選択）はＰＥＴ脳画像４２上のＲＯＩ６１又はＭＲＩ脳画像６１上のＲＯＩ６１において、ユーザがカーソルをあてることにより行うことができる。あるいは画素の番号又は座標をユーザにより指定することにとっても一画素の特定（選択）を行うことができる。ＴＡＣ曲線は一画素毎の曲線であるためノイズの影響を受けやすい。そこで、放射能カウント値入力部２８はユーザに画面１００内の符号１０３で示されるＳボタンをクリックさせることによりスムージングを行って、ＴＡＣ曲線を平滑化することができる。符号１０４で示されるＲボタンはスムージングを元に戻すリセットを行う。
【００８０】
以上のようにして得られたリファレンス領域ＰＲｅｆにおけるＲＯＩ６１内の一画素毎の時間−放射能カウント値から、リファレンス領域ＰＲｅｆにおけるＲＯＩ６１での所定の放射性薬剤の挙動がわかる。この挙動に対して他の領域の画素がどのような挙動を示しているかを計算することにより、ＢＰを求めることができる。即ち、リファレンス領域ＰＲｅｆにおける放射能カウント値を基準として、他の領域にどれ位放射性薬剤が取込まれたかを知ることができる。ＢＰ算出部（受容体結合能算出手段）２９は、楕円ＲＯＩ設定部２７により設定された楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３と、放射能カウント値入力部２８により入力されたリファレンス領域ＰＲｅｆのＲＯＩ６１における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３の一画素毎にＢＰを算出する。ＢＰ算出部２９は、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）の外側をカットして、内側だけをＢＰの計算の対象としている。言い換えれば、ＢＰ算出部２９はＰＥＴ脳画像データ４３に楕円マスクをかけて、当該楕円マスク内のみのＰＥＴ脳画像データを計算の対象としている。このため、全ＰＥＴ脳画像データ４３を計算の対象とするより無駄が少なく速い速度で計算することができる。本発明のＢＰ画像化プログラムでは、参照領域法として非線形最小二乗フィッティング（non-linear least square fitting）の一つであるＳＲＴＭ法（Lammertsma A.A., Hume S.P., Simplified reference tissue model for PET receptor studies.
NeuroImage 4:153-158, 1996参照）と、グラフ解析法の一つである非侵襲性Logan法（Logan, J., Fowler, J.S., Volkow, N.D., et al. Distribution Volume Ratios Without Blood Sampling from Graphical Analysis of PET Data. Journal ｏｆ Ｃｅｒｅｂｒａｌ Blood Flow and Metabolism, 16, 834-840, 1996.参照）とを用いた。以下、各法について概要を説明する。
【００８１】
ＳＲＴＭ法.
図１７は、ＳＲＴＭ法を説明するためのコンパートメントモデルを示す。図１７（Ａ）は対象領域（Target region）を示す３コンパートメントモデルである。図１７（Ａ）で符号１１０は血漿（Plasma）、１１１は組織（Tissue）、１１２は組織１１１中で放射性薬剤が遊離している遊離領域（Non-displaceable area）、１１３は組織１１１中で放射性薬剤が結合している受容体（Receptor sites又はReceptor rich region）であり、血漿１１０と組織１１１との間が血脳関門（Blood-Brain Barrier。不図示）である。図１７（Ａ）に示されるように、時間ｔにおける血漿１１０の放射能濃度をＣｐ（ｔ）、遊離領域１１２の放射能濃度をＣｆ（ｔ）、受容体１１３の放射能濃度をＣｂ（ｔ）とする。各部分間における放射性薬剤の移動量を規定する速度定数を、血漿１１０から遊離領域１１２へはＫ１（毛細血管からの拡散によるもので、単位は［ｍｌ／ｍｉｎ／ｃｍ３］）、遊離領域１１２から受容体１１３へはｋ３（結合によるもので、単位は［１／ｍｉｎ］）、受容体１１３から遊離領域１１２へはｋ４（乖離によるもので、単位は｛１／ｍｉｎ｝）、遊離領域１１２から血漿１１０へはｋ２（静脈へのクリアランスによるもので、単位は［１／ｍｉｎ］）とする。図１７（Ｂ）は参照領域（Reference region）を示す２コンパートメントモデルである。図１７（Ｂ）で図１１（Ａ）と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図１７（Ｂ）で符号１１４は組織、１１５は放射性薬剤が存在しないとみなすことができる参照領域である。図１７（Ｂ）に示されるように、放射性薬剤の移行定数は血漿１１０から参照領域１１５へはＫ１’、参照領域１１５から血漿１１０へはＫ２’である。図１７（Ａ）、（Ｂ）の各コンパートメントモデルにおいて、以下の式１９〜２１成り立つ（東北大学サイクロトロン核医学研究部ホームページ参照）。
【００８２】
【数１１】
【００８３】
ここで、簡略化のために対象領域と参照領域とにおける放射性薬剤の分布容積（Volumes of Distribution : ＤＶ）は等しいという仮定を置く。分布容積とは、人体に投与した薬剤がどの程度組織に移行したかを示す指標であり、体内薬物量（投与量）を平衡状態に達したときの血漿の薬物濃度で除することにより算出できる（非特許文献１参照）。対象領域と参照領域とにおいて、血漿１１０と組織１１１、１１４側との間の移行定数に以下の式２２で示される線形の関係を仮定する。式２２を変形すると式２３となる。
【００８４】
【数１２】
【００８５】
受容体１１３と結合した放射性薬剤の挙動が結合前とあまり変わらないとき、対象領域は図１７（Ｃ）のような２コンパートメントモデルで示すことができる。図１７（Ｃ）で図１７（Ａ）と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図１７（Ｃ）で符号１１６は遊離領域１１２と受容体１１３とを合わせた対象部位、ｋ２ａは対象部位１１６から血漿１１０へのみかけの速度定数である。図１７（Ｃ）に示される対象領域では以下の式２４が成り立つ。
【００８６】
【数１３】
【００８７】
図１７（Ｃ）に示される対象領域における分布容積ＤＶを考えると、上述した分布容積の定義から対象領域は平衡状態に達しているため、式２４においてｄＣｔ（ｔ）／ｄｔ＝０となり、式２０においてｄＣｆ（ｔ）／ｄｔ＝０となり、式２１においてｄＣｂ（ｔ）／ｄｔ＝０となる。以上とＣｔ（ｔ）＝Ｃｆ（ｔ）＋Ｃｂ（ｔ）であることから、以下の式２５を得ることができる。式２６に示されるように、ＢＰは移行定数ｋ３とｋ４との比で表される。ＳＲＴＭ法では一切採血は行わないため、非侵襲的な利点がある。
【００８８】
【数１４】
【００８９】
式１９、２４をLaplace変換と式２５とを用いて解くと、式２７が得られる。
【００９０】
【数１５】
【００９１】
式２７で、λは壊変定数（崩壊定数）であり、減衰補正（decay correction）を行った場合は不要である。本発明のＢＰ画像化プログラムでは式２７において、λ＝０とした式２８を用いた。本発明のＢＰ画像化プログラムは式２８において、Ｃｒ（ｔ）は上述した放射能カウント値入力部２８により求めた一画素毎の時間−放射能カウント値を用い、Ｃｔ（ｔ）はＰＥＴ脳画像データ入力部２１により入力したＰＥＴ脳画像データ（放射能カウント値）を用いて、Ｒ１（式２３参照）、ｋ２及びＢＰの値を変化させながら式２８の両辺が等しくなるようなＲ１、ｋ２及びＢＰの値を求めた。この時のＢＰの値が求めたいＢＰの値である。
【００９２】
非侵襲性Logan法．
本方法は一般的にはLogan plot法と呼ばれており、採血法と非採血法とがある。本明細書では非採血法を採用したため、以下では非侵襲性Logan法と表記する。上述した対象領域における分布容積ＤＶ（式２５）を式２６の関係を用いて変形すると、以下の式２５’のようになる。参照領域におけるＤＶは式２９のようになり、両者の比ＤＶＲは式３０のように表すことができる（早稲田大学Dspace参照）。
（http://dspace.wul.waseda.ac.jp/dspace/bitstream/2065/356/9/Honbun-05_chapter5.pdf）。
【００９３】
【数１６】
【００９４】
ここで、以下の式３１のようにＤＶＲｆを定義すると、
【００９５】
【数１７】
【００９６】
式３０のｋ３／ｋ４は式３２のようになる。
【００９７】
【数１８】
【００９８】
ここで、対象領域のＫ１／ｋ２と参照領域のＫ１’／ｋ２’とが等しい場合、ＤＶＲｆ＝１となるため、式３２は式３３のように表すことができる。
【００９９】
【数１９】
【０１００】
式３３のＤＶＲはLoganらによって提唱されたグラフ法（または上述したようにLogan plot法）によれば、式３４において左辺を変数Ｙ、右辺第１項のＤＶＲを除く項を変数Ｘとしたグラフ（回帰直線）の傾きから推定することができる。
【０１０１】
【数２０】
【０１０２】
本発明のＢＰ画像化プログラムでは、時間の経過により式３４の第２項におけるＣｒ（ｔ）とＣｔ（Ｔ）とが平衡になったものとみなして、第２項を第３項の定数項ｉｎｔに入れてｉｎｔ’とした式３５を用いた。
【０１０３】
【数２１】
【０１０４】
式３５において、左辺を変数Ｙ、右辺の分数を変数Ｘとすると式３６が得られる。式３６において、Ｙは上述したＰＥＴ脳画像データ入力部２１により入力された値を用いてい一画素毎に計算し、ＸはＰＥＴ脳画像データ入力部２１により入力された値と上述した放射能カウント値入力部２８により入力された値とを用いて一画素毎に計算してグラフを作成した。当該グラフの傾きは式３６よりＤＶＲとなる。このＤＶＲを用いて式３３よりＢＰを一画素毎に求めた。
【０１０５】
以上のようにして、ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）中に正常な領域と異常な領域とが混在している場合であっても、両者の挙動を区別することができる。上述したＢＰ算出部２９は、ＳＲＴＭ法又は非侵襲性Logan法のいずれかだけを用いてＢＰを算出することができ、両方を用いてＢＰを算出することもできる。
【０１０６】
ＢＰ画像表示部（受容体結合能表示手段）３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５をマスクとして用いることにより、灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６をマスクとして用いることにより、白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。以上のように、本発明のＢＰ画像化プログラムでは灰白質と白質とに分けて、各々につきＢＰを求めている。このため、病態に応じた正確なＢＰを算出することができる。灰白質部分データ５５と白質部分データ５６とを合わせた全脳マスク５１を用いて全脳のＢＰ脳画像を表示できることは勿論である。
【０１０７】
細線・膨張処理部２５によるノイズ除去処理を行った場合、ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離され且つ細線膨張処理部２５により処理された灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５−をマスクとして用いることにより、ノイズが除去された灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６−をマスクとして用いることにより、ノイズが除去された白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。
【０１０８】
図１８は、被験者に対し放射性薬剤として［１１Ｃ］ＰＥ２Ｉが使用された場合におけるＢＰ画像表示部３０により表示された画面１２０ａ〜１２０ｄを示す。図１８において、符号４４はＰＥＴ脳画像、１２１はＰＥＴ脳画像４４に対応するＢＰ画像、１２２は上述したように式１５の両辺が等しくなった時のＲ１（式１０参照）の画像、１２３は上述したように式１５の両辺が等しくなった時のｋ２の画像である。画面１２０ｂに示されるように、（原図では）ＢＰ画像１２１では放射性薬剤を取り込みやすい領域（ＢＰが大きい値の領域）を赤色で表示し、取込みにくい領域（ＢＰが小さい値の領域）を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している（所定の表示形式）。ＢＰ画像１２１に示されるように、［１１Ｃ］ＰＥ２Ｉは脳の一部に取り込まれやすいということが一見して理解できる。画面１２０ｃに示されるように、（原図では）Ｒ１の値が大きい領域を赤色で表示し、小さい領域を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している。画面１２０ｄに示されるように、（原図では）ｋ２の値が大きい領域を赤色で表示し、小さい領域を青色で表示し、それらの中間の領域は赤色から青色への中間の色で表示している。以上の表示形式は一例であって、他の表示形式を用いてもよいことは勿論である。
【０１０９】
図１９は、被験者に対し放射性薬剤として［１８Ｆ］flumazenilが使用された場合におけるＢＰ画像表示部３０により表示された画面１３０ａ〜１３０ｄを示す。図１９において、符号４５はＰＥＴ脳画像、１３１はＰＥＴ脳画像４５に対応するＢＰ画像、１３２は上述したように式１５の両辺が等しくなった時のＲ１（式１０参照）の画像、１３３は上述したように式１５の両辺が等しくなった時のｋ２の画像である。ＢＰ画像１３１の表示形式は図１２のＢＰ画像１２１の場合と同様であるため、説明は省略する。ＢＰ画像１３１に示されるように、［１８Ｆ］flumazenilは脳の広い部分に取り込まれやすいということが一見して理解できる。画面１３０ｃに示されるＲ１画像１３２の表示形式、画面１３０ｄに示されるｋ２画像１３３の表示形式は、各々図１２のＲ１画像１２２、ｋ２画像１２３の場合と同様であるため、説明は省略する。
【０１１０】
図２０は、ＢＰ画像表示部３０により表示された画面１４０を示す。画面１４０に示されるように、ＢＰ画像表示部３０はＢＰの大小を特定の色（原図の画面１４０では赤色）の濃淡を用いて表示することもできる（所定の表示形式）。特定の色は赤色に限定されるものではなく、他の色であってもよいことは勿論である。さらに、画面１４０に示されるように、脳の横断面のＢＰ画像を頭頂部から頸部へかけて並べて表示することもできる。図２０では脳の横断面のＢＰ画像を示したが、冠状断面、矢状断面についても同様に表示することができる。以上のように、本発明のＢＰ画像化プログラムでは求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。
【０１１１】
図２１は、本発明の実施例１等における、コンピュータがＰＥＴ脳画像データからＢＰの画像化を実行するＢＰ画像化プログラム等の処理の流れをフローチャートで示す。図２１に示されるように、まず、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ４０を入力する（ステップＳ１０。ＰＥＴ脳画像データ入力ステップ）。次に、同じ被験者のＭＲＩ脳画像データ５０を入力する（ステップＳ１２。ＭＲＩ脳画像データ入力ステップ）。これらのＰＥＴ脳画像データ入力ステップ（ステップＳ１０）とＭＲＩ脳画像データ入力ステップ（ステップＳ１２）とは逆の順に実行しても差し支えない。
【０１１２】
ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力ステップ（ステップＳ１２）で入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う（ステップＳ１４。位置合わせステップ）。位置合わせステップ（ステップＳ１４）で位置合わせされた被験者のＭＲＩ脳画像データ６０から灰白質部分データ５５と白質部分データ５６とを分離する（ステップＳ１６。分離ステップ又はセグメンテーションステップ）。
【０１１３】
分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがある。このため、ノイズ除去が必要か否かユーザに選択させ（ステップＳ１８）、必要な場合はノイズ除去を行う。分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６に対し所定のノイズ除去処理を行う（ステップＳ２０。ノイズ除去ステップ）。ノイズ除去ステップ（ステップＳ２０）は、分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６に対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことが好適である。ノイズ除去ステップ（ステップＳ２０）は分離ステップ（ステップＳ１６）の後で且つ後述するＢＰ画像表示ステップ（ステップＳ３０）の前に実行してもよい。ステップＳ１８でノイズ除去が選択されなかった場合、次のステップ２２へ進む。
【０１１４】
位置合わせステップ（ステップＳ１４）で位置合わせされたＭＲＩ脳画像データ６１等に対して所定の放射能薬剤が存在しないとみなし得る参照領域にＲＯＩ６１等を設定し、当該ＲＯＩ６１等をＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４２等に設定する（ステップＳ２２。関心領域設定ステップ）。 ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）で入力された被験者のＰＥＴ脳画像データ４３等に所定の形状の関心領域を設定する（ステップＳ２４。所定形状関心領域設定ステップ）。所定の形状は楕円であることが好適である。所定形状関心領域設定ステップ（ステップＳ２４）は、ＰＥＴ脳画像データ入力ステップ（ステップＳ１０）後であれば先行する各ステップ（ステップＳ１２、１４等）の前でも実行可能である。
【０１１５】
関心領域設定ステップ（ステップＳ２２）で設定されたＰＥＴ脳画像データ４２等の参照領域におけるＲＯＩ６１等について、一画素毎に時間−放射能カウント値を入力する（ステップＳ２６。放射能カウント値入力ステップ）。所定形状関心領域設定ステップ（ステップＳ２４）で設定された所定の形状（楕円形状）のＲＯＩ６２等におけるＰＥＴ脳画像データ４３等と、放射能カウント値入力ステップ（ステップＳ２６）で入力された参照領域のＲＯＩ６１等における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、所定の形状（楕円形状）のＲＯＩ６２等におけるＰＥＴ脳画像データ４３等の一画素毎にＢＰを算出する（ステップＳ２８。受容体結合能算出ステップ又はＢＰ算出ステップ）。参照領域法としてはＳＲＴＭ法及び／又は非侵襲性Logan法が好適である。受容体結合能算出ステップ（ステップＳ２８）で算出された一画素毎のＢＰと分離ステップ（ステップＳ１６）で分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のＢＰを所定の表示形式で表示する（ステップＳ３０。受容体結合能表示ステップ又はＢＰ画像表示ステップ）。受容体結合能表示ステップ（ステップＳ３０）において、灰白質部分データ５５と白質部分データ５６とを合わせた全脳マスク５１を用いて全脳のＢＰ脳画像を表示できることは勿論である。
【０１１６】
ステップ１８でノイズ除去が選択された場合、受容体結合能表示ステップ（ステップＳ３０）は、受容体結合能算出ステップ（ステップＳ２８）で算出された一画素毎のＢＰと分離ステップ（ステップＳ１６）で分離されノイズ除去ステップ（ステップＳ２０）で所定のノイズ除去処理が行われた灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のＢＰを所定の表示形式で表示する。
【０１１７】
以上より、本発明の実施例１によれば、ＰＥＴ脳画像データ入力部２１は、受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者のＰＥＴ脳画像データ（放射能カウント値）を入力する。ＭＲＩ脳画像データ入力部２２は、上記被験者のＭＲＩ脳画像データを入力する。位置合わせ部２３は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データ４０を基準として、ＰＥＴ脳画像データ４０とＭＲＩ脳画像データ入力部２２により入力された同じ被験者のＭＲＩ脳画像データ５０との位置合わせを行う。具体的には、まず、ＭＲＩ脳画像データ５０のマトリクスサイズ（２５６×２５６（画素））をＰＥＴ脳画像データ４０のマトリクスサイズ（１２８×１２８（画素））に合わせるリスライスを行う。本発明のＢＰ画像化プログラムでは計算時間短縮のためマトリクスサイズの小さいＰＥＴ脳画像データ４０を基準にＭＲＩ脳画像データ５０をリスライスする。次に、ＰＥＴ脳画像データ４０とマトリクスサイズがリスライスされたＭＲＩ脳画像データ５０Ｒ（不図示）との位置合わせ（レジストレーション）を行う。セグメンテーション部２４は、位置合わせ部２３により位置合わせされた被験者のＭＲＩ脳画像データ５０から灰白質部分データと白質部分データとを分離する（セグメンテーション）。本発明のＢＰ画像化プログラムの目的の一つは、最終的に灰白質領域におけるＢＰと白質領域におけるＢＰとを別々に求めることにある。そこで、予め、灰白質領域のみを抜き出した灰白質部分データ５５と白質領域のみを抜き出した白質部分データ５６とを用意しておき、各々灰白質マスク、白質マスクとして使用する。セグメンテーション部２４により分離された灰白質部分データ５５及び白質部分データ５６を、そのまま各々灰白質マスク、白質マスクとして使用することも可能であるが、ノイズが残ることがあるため、細線・膨張処理部２５を設けてある。細線・膨張処理部２５は、セグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６に対し、所定のノイズ除去処理を行う。所定のノイズ除去処理としては膨張及び細線処理が好適である。リファレンスＲＯＩ設定部２６は、位置合わせ部２３により位置合わせされたＭＲＩ脳画像データに対して、リファレンス領域にＲＯＩを設定し、当該ＲＯＩをＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに設定する。上述したように、ＭＲＩ脳画像データ６１は位置合わせ部２３によりＰＥＴ脳画像データ４２と位置合わせされているため、両脳画像データは同じ座標になっている。これにより、解剖学的情報が豊富なＭＲＩ画像データ６１に対して正確にＲＯＩ６１を設定してから、ＲＯＩ６１をＰＥＴ脳画像データ４２へコピーすることによってＰＥＴ脳画像データ４２上にＲＯＩ６１を設定している。このため、ＰＥＴ脳画像データ４２上でもＲＯＩ６１を正確に設定することができる。楕円ＲＯＩ設定部２７は、ＰＥＴ脳画像データ入力部２１により入力された被験者のＰＥＴ脳画像データに所定の形状のＲＯＩを設定する。本発明のＢＰ画像化プログラムでは、一画素毎にＢＰを計算している。この際、ＰＥＴ脳画像上の全画素を対象としてＢＰを計算すると、実際には脳画像データが存在しない領域等のように無駄な領域についてもＢＰを計算することになり、処理時間が長くなる。そこで、無駄な領域についてＢＰを計算しないようにするためＰＥＴ脳画像上に所定の形状のＲＯＩ（マスク）を設定し、当該所定の形状の外側をカットして内側だけをＢＰの計算の対象としている。所定の形状としては楕円の形状（楕円マスク）が好適である。放射能カウント値入力部２８は、リファレンスＲＯＩ設定部２６により設定されたＰＥＴ脳画像データのリファレンス領域におけるＲＯＩについて、一画素毎に時間−放射能カウント値を入力する。
【０１１８】
以上のようにして得られたリファレンス領域ＰＲｅｆにおけるＲＯＩ６１内の一画素毎の時間−放射能カウント値から、リファレンス領域ＰＲｅｆにおけるＲＯＩ６１での所定の放射性薬剤の挙動がわかる。この挙動に対して他の領域の画素がどのような挙動を示しているかを計算することにより、ＢＰを求めることができる。即ち、リファレンス領域ＰＲｅｆにおける放射能カウント値を基準として、他の領域にどれ位放射性薬剤が取込まれたかを知ることができる。ＢＰ算出部２９は、楕円ＲＯＩ設定部２７により設定された楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３と、放射能カウント値入力部２８により入力されたリファレンス領域ＰＲｅｆのＲＯＩ６１における時間−放射能カウント値とを用いて、放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、楕円形状のＲＯＩ６２におけるＰＥＴ脳画像データ４３の一画素毎にＢＰを算出する。ＢＰ算出部２９はＰＥＴ脳画像データ４３に楕円マスクをかけて、当該楕円マスク内のみのＰＥＴ脳画像データを計算の対象としている。このため、全ＰＥＴ脳画像データ４３を計算の対象とするより無駄が少なく速い速度で計算することができる。本発明のＢＰ画像化プログラムでは、参照領域法として非線形最小二乗フィッティングの一つであるＳＲＴＭ法と、グラフ解析法の一つである非侵襲性Logan法とを用いた。以上のようにして、ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、楕円ＲＯＩ設定部２７により設定されたＰＥＴ脳画像データ４３上のＲＯＩ６２（楕円マスク）中に正常な領域と異常な領域とが混在している場合であっても、両者の挙動を区別することができる。ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離された灰白質部分データ５５及び／又は白質部分データ５６とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。上述したように、ＰＥＴ脳画像データ４３に楕円マスクがかけられた楕円ＲＯＩ６２の領域についてＢＰ算出部２９により一画素毎にＢＰが求められ、画素全体から成るＢＰ脳画像データが求められる。この画素全体から成るＢＰ脳画像データに対して灰白質部分データ５５をマスクとして用いることにより、灰白質部分だけのＢＰ脳画像データを得ることができ、当該灰白質部分だけのＢＰ脳画像データを表示することにより、当該灰白質部分だけのＢＰ脳画像を得ることができる。白質部分についても同様に、画素全体から成るＢＰ脳画像データに対して白質部分データ５６をマスクとして用いることにより、白質部分だけのＢＰ脳画像データを得ることができ、当該白質部分だけのＢＰ脳画像データを表示することにより、当該白質部分だけのＢＰ脳画像を得ることができる。以上のように、本発明のＢＰ画像化プログラムでは灰白質と白質とに分けて、各々につきＢＰを求めている。このため、病態に応じた正確なＢＰを算出することができる。細線・膨張処理部２５による処理を行った場合、ＢＰ画像表示部３０は、ＢＰ算出部２９により算出された一画素毎のＢＰとセグメンテーション部２４により分離され且つ細線膨張処理部２５により処理された灰白質部分データ５５−及び／又は白質部分データ５６−とに基づき、灰白質部分及び／又は白質部分のデータのＢＰを所定の表示形式で表示する。本発明のＢＰ画像化プログラムでは求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。
【０１１９】
本発明の実施例１では、ＭＲＩ脳画像とＰＥＴ脳画像とを位置合わせして両脳画像を同じ座標にしている。これにより、解剖学的情報が豊富なＭＲＩ画像に対して解剖学的領域を設定してから、当該解剖学的領域をＰＥＴ脳画像へ設定している。このため、ＰＥＴ脳画像上でも解剖学的領域を正確に特定することができる。ＰＥＴ脳画像の一画素毎に時間−放射能カウント値を求め、一画素毎にＢＰを求めている。このため、設定した（楕円形状の）ＲＯＩ中に正常な領域と異常な領域とが混在していた場合であっても、正常な放射能カウント値と異常な放射能カウント値とが混ざることなく、正常な領域のＢＰであるのか、異常な領域のＢＰであるのかを明瞭に示すことができる。求めたＢＰを画像として表示しているため、脳内全体の領域におけるＢＰを瞬時に示すことができ、脳内全体の領域におけるＢＰの評価を短期間で容易に行うことができる。灰白質と白質とに分けて、各々につきＢＰを求めている。このため、灰白質が損傷を受けるような病態、又は白質が損傷を受けるような病態に対しても、病態に応じた正確なＢＰを算出することができる。
【実施例２】
【０１２０】
上述した本発明のＢＰ画像化プログラム等によりＢＰ画像が表示される。医師等は当該ＢＰ画像データを見ることにより、正常な領域と異常な領域とを正確に判断することができる。その後、医師等は異常と思われる領域にＲＯＩを設定し、当該ＲＯＩについて、従来技術と同様に平均ＢＰを算出することができる。実施例２では、上述したＢＰ画像表示部３０によりＢＰが表示された画像データ、例えば図１２に示されるＢＰ画像１２１、に対して所望のＲＯＩを設定し、当該ＲＯＩに対応するＰＥＴ脳画像データの領域について時間−放射能カウント値を入力し、当該時間−放射能カウント値に基づき当該ＲＯＩにおける平均ＢＰを算出する他のＢＰ算出部（他の受容体結合能算出手段。不図示）をさらに備えることができる。
【０１２１】
以上より、本発明の実施例２によれば、医師等は当該ＢＰ画像データを見ることにより、正常な領域と異常な領域とを正確に判断することができる。その後、医師等は異常と思われる領域にＲＯＩを設定し、当該ＲＯＩについて、従来技術と同様に平均ＢＰを算出することができる。
【実施例３】
【０１２２】
図２２は、本発明の実施例３における楕円ＲＯＩ設定部２７の処理状況を例示する画面１６０である。図２２で図１５と同じ符号を付した個所は同じ要素を示すため、説明は省略する。図２２に示されるように、楕円ＲＯＩ設定部２７がユーザに設定させる楕円形状のＲＯＩは必ずしもＲＯＩ６２のように脳全体を覆うサイズ又は位置ではなく、ＲＯＩ６２ａのように脳の一部を覆うサイズ又は位置であってもよい。さらに、ＲＯＩ６２ａのように楕円を傾けて設定させることもできる。図１８のように、放射性薬剤によっては特定の領域にしか集積しないことが分かっている場合（ＰＥＴ脳画像４４）、当該領域を覆うような楕円形状を設定させることができる。
【０１２３】
以上より、本発明の実施例３によれば、楕円ＲＯＩ設定部２７はユーザに脳の一部を覆うサイズ又は位置に楕円形状のＲＯＩ６２ａを設定させることができ、加えて楕円を傾けて設定させることもできる。このため、特定の領域にしか集積しないことが分かっている放射性薬剤を使用する場合、当該領域を覆うような楕円形状を設定させ、より速い計算時間でＢＰ画像を表示させることができる。
【実施例４】
【０１２４】
上述した実施例１等におけるＢＰ画像化プログラムでは、ＢＰ算出部２９は参照領域法としてＳＲＴＭ法と非侵襲性Logan法との両方又は片方を用いた。本実施例４では非侵襲性Logan法を用いた場合における他の計算例について説明する。
【０１２５】
上述したように、ＢＰ算出部２９は式３５および３６を用いて非侵襲性Logan法によりＢＰを算出する。図２３は、式３６の左辺Ｙを縦軸とし、右辺のＸを横軸としたグラフを示す。図２３に示される回帰直線Ｙの傾きＤＶＲを求める際、直線部分の開始点をＢ０とするか、Ｂ１とするか等により、傾きＤＶＲが変わってくる。そこで、実施例４では、最適な開始点をユーザに選択させる方法を用いている。
【０１２６】
図２４は、本発明の実施例４における最適開始点によるＢＰ算出法（ＢＰ画像化プログラム等）の流れをフローチャートで示す。図２４に示されるフローチャートは図２１に示されるフローチャートの放射能カウント値入力ステップ（ステップＳ２６）の後（又はＢＰ算出ステップ（ステップＳ２８）の前）から始める。まず、ステップＳ４０でユーザにＳＲＴＭ法と非侵襲性Logan法とのいずれかを選択させ、ＳＲＴＭ法が選択された場合はそのままＢＰ算出ステップ（ステップＳ２８）へ進む。ステップＳ４０で非侵襲性Logan法が選択された場合、Logan-ＤＶＲ法で回帰直線とみなされる開始点Ｂｉを初期値Ｂ０から終了値Ｂｎまで変化させて、各開始点ＢｉについてＢＰ算出ステップ（ステップＳ４４又はＳ２８）の処理を繰返させる（繰返しステップ（ステップＳ４２、Ｓ４６、Ｓ４８）。詳細は後述。繰返し手段）。繰返しステップ（ステップＳＳ４２、Ｓ４６、Ｓ４８）により求められた各ＢＰを所定の形式で表示し、ユーザに最適な開始点（特定の開始点）を選択させる（開始点選択ステップ（ステップＳ４９）。開始点選択手段）。以下、詳しく説明する。まず、Logan-ＤＶＲ法で回帰直線Ｙとみなされる開始点の初期値設定を行う（開始点初期値設定ステップ（ステップＳ４２）。開始点の初期値は、図１７に示されるＢ０とする。次に、非侵襲性Logan法によるＢＰ算出ステップ（ステップＳ４４又はＳ２８）を実行する。その後、開始点初期値設定ステップ（ステップＳ４２）で設定された開始点について、終了かどうかを判断する（開始点終了判断ステップ（ステップＳ４６）。例えば開始点が図１７に示されるＢｎであれば終了と判断する。開始点終了判断ステップ（ステップＳ４６）で開始点が終了でないと判断された場合、開始点初期値設定ステップ（ステップＳ４２）で設定された開始点を次の開始点に変更してＢＰ算出ステップ（ステップＳ４４又はＳ２８）の処理を繰返させる（ステップＳ４８）。開始点の変更は開始点Ｂ０をインクリメントしてＢ１とすることにより行う。以下同様に開始点ＢｉをＢ１〜Ｂｎまで変更する。開始点終了判断ステップ（ステップＳ４６）で開始点が終了と判断された場合、各開始点Ｂｉ（ｉ＝０〜ｎ）毎に計算されたＢＰをユーザに示し、ユーザに最適な開始点Ｂｊを選択させる（開始点選択ステップＳ４９）。各ＢＰのユーザへの示し方としては、縦軸をＢＰとし横軸を各開始点Ｂｉ（ｉ＝０〜ｎ）とするプロット表示が好適である。ユーザはプロット表示においてプラトーになった肩の部分のＢＰ（プラトーになった最初のＢＰ）に対応する開始点Ｂｊを最適な開始点Ｂｊと判断し、当該Ｂｊを入力する。その後、当該開始点Ｂｊを用いてステップＳ２８へ進む。以上により、最適な開始点ＢｊによるＢＰを得ることができる。
【０１２７】
図２５は、実施例４における最適開始点によるＢＰ算出法の処理状況を例示する画面１７０を示す。画面１７０において、符号１７１はある開始点Ｂｉを用いた際に表示されるＢＰ画像であり、１７２はその際の回帰直線Ｙを表示するグラフである。
【０１２８】
以上より、本発明の実施例４によれば、ＢＰの算出法として非侵襲性Logan法を用いる場合、図２３に示される回帰直線Ｙの傾きＤＶＲを求める際に、開始点Ｂｉを変更していきながら最適な開始点Ｂｊをユーザに選択させることができる。この結果、最適な開始点ＢｊによるＢＰを得ることができる。
【実施例５】
【０１２９】
図２６は、本発明のＢＰ画像化プログラムを実行するコンピュータ１０の内部回路１８０を示すブロック図である。図２６に示されるように、ＣＰＵ１８１、ＲＯＭ１８２、ＲＡＭ１８３、画像制御部１８６、コントローラ１８７、入力制御部１９０及び外部Ｉ／Ｆ部１９２はバス１９３に接続されている。図２６において、上述した本発明のＢＰ画像化プログラムは、ＲＯＭ１８２、ディスク１８８又はＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体（脱着可能な記録媒体を含む）に記録されている。ディスク１８８には、上述したＰＥＴ−ＤＢ１４、ＭＲＩ−ＤＢ１６等を記録しておくことができる。ＢＰ画像化プログラムは、ＲＯＭ１８２からバス１９３を介し、あるいはディスク１８８又はＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体からコントローラ１８７を経由してバス１９３を介しＲＡＭ１８３へロードされる。画像制御部１８６は、ＢＰ画像表示部３０等により表示される種々の画面７０等の画像データをＶＲＡＭ１８５へ送出する。表示装置（ディスプレイ）１８４はＶＲＡＭ１８５から送出された上記データ等を表示する。ＶＲＡＭ１８５は表示装置１８４の一画面分のデータ容量に相当する容量を有している画像メモリである。入力操作部１９１はコンピュータ１０に入力、指定等（ＲＯＩの設定等）を行うためのマウス、キーボード等の入力装置であり、入力制御部１９０は入力操作部１９１と接続され入力制御等を行う。外部Ｉ／Ｆ部１９２はコンピュータ（ＣＰＵ）１８１の外部と接続する際のインタフェース機能を有している。
【０１３０】
上述したようにコンピュータ（ＣＰＵ）１８１が本発明のＢＰ画像化プログラムを実行することにより、本発明の目的を達成することができる。ＢＰ画像化プログラムは上述のようにＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体の形態でコンピュータ（ＣＰＵ）１８１に供給することができ、ＢＰ画像化プログラムを記録したＤＶＤ若しくはＣＤ−ＲＯＭ１８９等の記録媒体も同様に本発明を構成することになる。ＢＰ画像化プログラムを記録した記録媒体としては上述された記録媒体の他に、例えばメモリ・カード、メモリ・スティック、光ディスク、ＦＤ等を用いることができる。
【産業上の利用可能性】
【０１３１】
本発明の活用例として、ＰＥＴ脳画像又は他の部位のＰＥＴ画像に適用することができる。
【符号の説明】
【０１３２】
１ ＢＰ画像化システム、 １０ コンピュータ、 １２ 記録装置、 １４ ＰＥＴ−ＤＢ、 １６ ＭＲＩ−ＤＢ、 ２０ 機能ブロック、 ２１ ＰＥＴ脳画像データ入力部、 ２２ ＭＲＩ脳画像データ入力部、 ２３ 位置合わせ部、 ２４ セグメンテーション部、 ２５ 細線・膨張処理部、 ２６ リファレンスＲＯＩ設定部、 ２７ 楕円ＲＯＩ設定部、 ２８ 放射能カウント入力部、 ２９ ＢＰ算出部、 ３０ ＢＰ画像表示部、 ４０、４１、４２、４３、４４、４５ ＰＥＴ脳画像データ、 ５０ ＭＲＩ脳画像データ、 ５１ 全脳マスク、 ５５、５５＋、５５− 灰白質部分データ、 ５６、５６− 白質部分データ、 ６０、６１、６２ （位置合わせ後）ＭＲＩ脳画像データ、 ７０、８０、９０、１００、１２０、１３０、１４０ 画面、 ７１ａ、７１ｂ resetボタン、 ７２ａ、７２ｂ erosionボタン、 ７３ａ、７３ｂ dilatationボタン、８１ ＭＲＩオプション枠、 ８２、８４ レジストレーションボックス、 ８３ マスクオプション枠、 ８５ ＲＯＩ枠、 ８６ 多角形ＲＯＩボックス、 ８７ 楕円ＲＯＩボックス、 １０１ 表、 １０２、１７２ グラフ、 １０３ Ｓボタン、 １０４ Ｒボタン、 １１０ 血漿、 １１１、１１４ 組織、 １１２ 遊離領域、 １１３ 受容体、 １１５ 参照領域、 １１６ 対象部位、 １２１、１３１、１７１ ＢＰ画像、 １２２、１３２ Ｒ１画像、 １２３、１３３ ｋ２画像、 １８１ ＣＰＵ、 １８２ ＲＯＭ、 １８３ ＲＡＭ、 １８４ 表示装置、 １８５ ＶＲＡＭ、 １８６ 画像制御部、 １８７ コントローラ、 １８８ ディスク、 １８９ ＣＤ−ＲＯＭ、 １９０ 入力制御部、 １９１ 入力操作部、 １９２ 外部Ｉ／Ｆ部、 １９２ バス。
【先行技術文献】
【非特許文献】
【０１３３】
【非特許文献１】坂口 和也、木村 祐一著、「ＰＥＴにおける脳神経受容体機能計測のための動態解析」、MEDICAL IMAGING TECHNOLOGY、第２７巻、第５号、第２８６頁−第２９１頁、２００９年１１月、日本医用画像工学会。
【特許請求の範囲】
【請求項１】
機能的脳画像データから受容体結合能の画像化を行うための受容体結合能画像化プログラムであって、コンピュータを、
受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力手段、
前記被験者の形態脳画像データを入力する形態脳画像データ入力手段、
前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力手段により入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせ手段、
前記位置合わせ形態手段により位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離手段、
前記位置合わせ手段により位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに設定する関心領域設定手段、
前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定手段、
前記関心領域設定手段により設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力手段、
前記所定形状関心領域設定手段により設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力手段により入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出手段、
前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分のデータの受容体結合能を所定の表示形式で表示する受容体結合能表示手段として機能させるための受容体結合能画像化プログラム。
【請求項２】
請求項１記載の受容体結合能画像化プログラムにおいて、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法であることを特徴とする受容体結合能画像化プログラム。
【請求項３】
請求項２記載の受容体結合能画像化プログラムにおいて、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去手段をさらに備え、
前記受容体結合能表示手段は、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離され前記ノイズ除去手段により所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することを特徴とする受容体結合能画像化プログラム。
【請求項４】
請求項３記載の受容体結合能画像化プログラムにおいて、前記ノイズ除去手段は、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことを特徴とする受容体結合能画像化プログラム。
【請求項５】
請求項１乃至４のいずれかに記載の受容体結合能画像化プログラムにおいて、前記受容体結合能表示手段により受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出手段をさらに備えたことを特徴とする受容体結合能画像化プログラム。
【請求項６】
請求項１乃至５のいずれかに記載の受容体結合能画像化プログラムにおいて、前記所定形状関心領域設定手段により設定される所定の形状は楕円であることを特徴とする受容体結合能画像化プログラム。
【請求項７】
請求項２乃至６のいずれかに記載の受容体結合能画像化プログラムにおいて、前記参照領域法がLogan-ＤＶＲ法の場合、
Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返し手段と、
前記繰返し手段により求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択手段とをさらに備えたことを特徴とする受容体結合能画像化プログラム。
【請求項８】
請求項１乃至７のいずれかに記載の受容体結合能画像化プログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項９】
コンピュータが、機能的脳画像データから受容体結合能の画像化を実行する受容体結合能画像化方法であって、
受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力ステップと、
前記被験者の形態脳画像データを入力する形態脳画像データ入力ステップと、
前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力ステップで入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせステップと、
前記位置合わせ形態ステップで位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離ステップと、
前記位置合わせステップで位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに設定する関心領域設定ステップと、
前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定ステップと、
前記関心領域設定ステップで設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力ステップと、
前記所定形状関心領域設定ステップで設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力ステップで入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出ステップと、
前記受容体結合能算出ステップにより算出された一画素毎の受容体結合能と前記分離ステップにより分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示する受容体結合能表示ステップとを備え、
前記機能的脳画像データ入力ステップと前記形態脳画像データ入力ステップとは逆に実行可能であり、前記所定形状関心領域設定ステップは前記機能的脳画像データ入力ステップ後であれば先行する各ステップの前に実行可能であることを特徴とする受容体結合能画像化方法。
【請求項１０】
請求項９記載の受容体結合能画像化方法において、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法であることを特徴とする受容体結合能画像化方法。
【請求項１１】
請求項１０記載の受容体結合能画像化方法において、
前記分離ステップの後で且つ前記受容体結合能表示ステップの前に、該分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去ステップをさらに備え、
前記受容体結合能表示ステップは、前記受容体結合能算出ステップで算出された一画素毎の受容体結合能と前記分離ステップで分離され前記ノイズ除去ステップで所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することを特徴とする受容体結合能画像化方法。
【請求項１２】
請求項１１記載の受容体結合能画像化方法において、前記ノイズ除去ステップは、前記分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことを特徴とする受容体結合能画像化方法。
【請求項１３】
請求項９乃至１２のいずれかに記載の受容体結合能画像化方法において、前記受容体結合能表示ステップで受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出ステップをさらに備えたことを特徴とする受容体結合能画像化方法。
【請求項１４】
請求項９乃至１３のいずれかに記載の受容体結合能画像化方法において、前記所定形状関心領域設定ステップで設定される所定の形状は楕円であることを特徴とする受容体結合能画像化方法。
【請求項１５】
請求項１０乃至１４のいずれかに記載の受容体結合能画像化方法において、前記参照領域法がLogan-ＤＶＲ法の場合、
前記受容体結合能算出ステップの前に、
Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返しステップと、
前記繰返しステップで求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択ステップとをさらに備えたことを特徴とする受容体結合能画像化方法。
【請求項１】
機能的脳画像データから受容体結合能の画像化を行うための受容体結合能画像化プログラムであって、コンピュータを、
受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力手段、
前記被験者の形態脳画像データを入力する形態脳画像データ入力手段、
前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力手段により入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせ手段、
前記位置合わせ形態手段により位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離手段、
前記位置合わせ手段により位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに設定する関心領域設定手段、
前記機能的脳画像データ入力手段により入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定手段、
前記関心領域設定手段により設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力手段、
前記所定形状関心領域設定手段により設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力手段により入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出手段、
前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分のデータの受容体結合能を所定の表示形式で表示する受容体結合能表示手段として機能させるための受容体結合能画像化プログラム。
【請求項２】
請求項１記載の受容体結合能画像化プログラムにおいて、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法であることを特徴とする受容体結合能画像化プログラム。
【請求項３】
請求項２記載の受容体結合能画像化プログラムにおいて、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去手段をさらに備え、
前記受容体結合能表示手段は、前記受容体結合能算出手段により算出された一画素毎の受容体結合能と前記分離手段により分離され前記ノイズ除去手段により所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することを特徴とする受容体結合能画像化プログラム。
【請求項４】
請求項３記載の受容体結合能画像化プログラムにおいて、前記ノイズ除去手段は、前記分離手段により分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことを特徴とする受容体結合能画像化プログラム。
【請求項５】
請求項１乃至４のいずれかに記載の受容体結合能画像化プログラムにおいて、前記受容体結合能表示手段により受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出手段をさらに備えたことを特徴とする受容体結合能画像化プログラム。
【請求項６】
請求項１乃至５のいずれかに記載の受容体結合能画像化プログラムにおいて、前記所定形状関心領域設定手段により設定される所定の形状は楕円であることを特徴とする受容体結合能画像化プログラム。
【請求項７】
請求項２乃至６のいずれかに記載の受容体結合能画像化プログラムにおいて、前記参照領域法がLogan-ＤＶＲ法の場合、
Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返し手段と、
前記繰返し手段により求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択手段とをさらに備えたことを特徴とする受容体結合能画像化プログラム。
【請求項８】
請求項１乃至７のいずれかに記載の受容体結合能画像化プログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項９】
コンピュータが、機能的脳画像データから受容体結合能の画像化を実行する受容体結合能画像化方法であって、
受容体に選択的に結合する所定の放射性薬剤を用いて撮像された被験者の機能的脳画像データを入力する機能的脳画像データ入力ステップと、
前記被験者の形態脳画像データを入力する形態脳画像データ入力ステップと、
前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データを基準として、該機能的脳画像データと前記形態脳画像データ入力ステップで入力された該被験者の形態脳画像データとの位置合わせを行う位置合わせステップと、
前記位置合わせ形態ステップで位置合わせされた被験者の形態脳画像データから灰白質部分データと白質部分データとを分離する分離ステップと、
前記位置合わせステップで位置合わせされた形態脳画像データに対して前記所定の放射能薬剤が存在しないとみなし得る参照領域に関心領域を設定し、該関心領域を前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに設定する関心領域設定ステップと、
前記機能的脳画像データ入力ステップで入力された被験者の機能的脳画像データに所定の形状の関心領域を設定する所定形状関心領域設定ステップと、
前記関心領域設定ステップで設定された機能的脳画像データの参照領域における関心領域について、一画素毎に時間−放射能カウント値を入力する放射能カウント値入力ステップと、
前記所定形状関心領域設定ステップで設定された所定の形状の関心領域における機能的脳画像データと、前記放射能カウント値入力ステップで入力された参照領域の関心領域における時間−放射能カウント値とを用いて、前記放射能薬剤の動態を表す数学的モデルである参照領域法に基づき、該所定の形状の関心領域における該機能的脳画像データの一画素毎に受容体結合能を算出する受容体結合能算出ステップと、
前記受容体結合能算出ステップにより算出された一画素毎の受容体結合能と前記分離ステップにより分離された灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示する受容体結合能表示ステップとを備え、
前記機能的脳画像データ入力ステップと前記形態脳画像データ入力ステップとは逆に実行可能であり、前記所定形状関心領域設定ステップは前記機能的脳画像データ入力ステップ後であれば先行する各ステップの前に実行可能であることを特徴とする受容体結合能画像化方法。
【請求項１０】
請求項９記載の受容体結合能画像化方法において、前記参照領域法はＳＲＴＭ（Simplified Reference Tissue Model）法及び／又は非侵襲性Logan法であることを特徴とする受容体結合能画像化方法。
【請求項１１】
請求項１０記載の受容体結合能画像化方法において、
前記分離ステップの後で且つ前記受容体結合能表示ステップの前に、該分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し所定のノイズ除去処理を行うノイズ除去ステップをさらに備え、
前記受容体結合能表示ステップは、前記受容体結合能算出ステップで算出された一画素毎の受容体結合能と前記分離ステップで分離され前記ノイズ除去ステップで所定のノイズ除去処理が行われた灰白質部分データ及び／又は白質部分データとに基づき、灰白質部分及び／又は白質部分の受容体結合能を所定の表示形式で表示することを特徴とする受容体結合能画像化方法。
【請求項１２】
請求項１１記載の受容体結合能画像化方法において、前記ノイズ除去ステップは、前記分離ステップで分離された灰白質部分データ及び／又は白質部分データに対し膨張及び細線処理を施すことにより、ノイズ除去処を行うことを特徴とする受容体結合能画像化方法。
【請求項１３】
請求項９乃至１２のいずれかに記載の受容体結合能画像化方法において、前記受容体結合能表示ステップで受容体結合能が表示された画像データに対して関心領域を設定し、該関心領域に対応する機能的脳画像データの領域について時間−放射能カウント値を入力し、該時間−放射能カウント値に基づき該関心領域における平均受容体結合能を算出する他の受容体結合能算出ステップをさらに備えたことを特徴とする受容体結合能画像化方法。
【請求項１４】
請求項９乃至１３のいずれかに記載の受容体結合能画像化方法において、前記所定形状関心領域設定ステップで設定される所定の形状は楕円であることを特徴とする受容体結合能画像化方法。
【請求項１５】
請求項１０乃至１４のいずれかに記載の受容体結合能画像化方法において、前記参照領域法がLogan-ＤＶＲ法の場合、
前記受容体結合能算出ステップの前に、
Logan-ＤＶＲ法で回帰直線とみなされる開始点を初期値から終了値まで変化させて、各開始点について前記受容体結合能算出手段の処理を繰返させる繰返しステップと、
前記繰返しステップで求められた各受容体結合能を所定の形式で表示し、特定の開始点を選択させる開始点選択ステップとをさらに備えたことを特徴とする受容体結合能画像化方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図１７】
【図２１】
【図２３】
【図２４】
【図２６】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１８】
【図１９】
【図２０】
【図２２】
【図２５】
【図２】
【図３】
【図４】
【図５】
【図１７】
【図２１】
【図２３】
【図２４】
【図２６】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１８】
【図１９】
【図２０】
【図２２】
【図２５】
【公開番号】特開２０１３−６１１９６（Ｐ２０１３−６１１９６Ａ）
【公開日】平成２５年４月４日（２０１３．４．４）
【国際特許分類】
【出願番号】特願２０１１−１９８９１５（Ｐ２０１１−１９８９１５）
【出願日】平成２３年９月１２日（２０１１．９．１２）
【出願人】（０００１４９８３７）富士フイルムＲＩファーマ株式会社 (54)
【Ｆターム（参考）】
【公開日】平成２５年４月４日（２０１３．４．４）
【国際特許分類】
【出願日】平成２３年９月１２日（２０１１．９．１２）
【出願人】（０００１４９８３７）富士フイルムＲＩファーマ株式会社 (54)
【Ｆターム（参考）】
[ Back to top ]