関心領域決定装置
【課題】統計的に有意な異常がある部位を関心領域として設定する上で、有意水準の設定による相違を考慮して、関心領域を適切に設定できるようにする。
【解決手段】入力された健常者と患者の両方の標準臓器画像群の一部に対して複数の有意水準に関する２群間検定処理を行って複数の関心領域を作成し（ステップ１）、入力された画像群の一部に対して健常者との統計的比較処理を行い（ステップ２）、該比較結果を基に複数の関心領域に関する関心領域内の評価処理を行い（ステップ３）、各評価処理結果に関して関心領域内診断性能算出処理を行い（ステップ４）、ある有意水準の関心領域と標準臓器画像の重畳画像を作成し（ステップ５）、該重畳画像と有意水準別の関心領域内診断性能の表示を行い（ステップ６）、ユーザの有意水準の入力と確認表示を繰り返して、関心領域の決定を支援する。
【解決手段】入力された健常者と患者の両方の標準臓器画像群の一部に対して複数の有意水準に関する２群間検定処理を行って複数の関心領域を作成し（ステップ１）、入力された画像群の一部に対して健常者との統計的比較処理を行い（ステップ２）、該比較結果を基に複数の関心領域に関する関心領域内の評価処理を行い（ステップ３）、各評価処理結果に関して関心領域内診断性能算出処理を行い（ステップ４）、ある有意水準の関心領域と標準臓器画像の重畳画像を作成し（ステップ５）、該重畳画像と有意水準別の関心領域内診断性能の表示を行い（ステップ６）、ユーザの有意水準の入力と確認表示を繰り返して、関心領域の決定を支援する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、関心領域決定装置に係り、特にＭＲＩ（Ｍagnetic Ｒesonance Ｉmaging）等により脳を含む臓器を複数の患者と健常者について撮像し、得られた各画像を標準化処理した標準臓器画像を入力し、これら画像群に対する統計処理等を通してユーザが疾患別に適切な関心領域を決定する場合の支援を行なう際に適用して好適な関心領域決定装置に関する。
【背景技術】
【０００２】
高齢化社会の到来により、脳の機能低下に起因する痴呆性疾患の患者が年々増加している。痴呆性疾患には様々な種類があり、診断においてはそれらを区別して、疾患に応じた適切な処置を施すことが必要である。
【０００３】
一方、このような要請に応えるべく、近年、ＳＰＥＣＴ（Ｓingle Ｐhoton Ｅmission Ｃomputed Ｔomography）やＰＥＴ（Ｐositron Ｅmission Ｔomography）等の核医学検査や、ＣＴ（Ｃomputerized Ｔomography）やＭＲＩによって脳の状態に関する情報が取得可能になってきている。
【０００４】
その結果、脳の特定部位の血流が低下したり、組織が萎縮したりする現象が、疾患によって異なることが明らかになってきており、これらに対する定量的な評価方法が求められている。
【０００５】
例えば、脳の局所的な部位の血流低下は、ＳＰＥＣＴやＰＥＴの画像によって比較することにより検定することができる。
【０００６】
又、組織の萎縮に関しては、ＭＲＩ画像によって特定部位の容積を求め、その相対的な大きさを比較することにより異常の有無を判別できる。
【０００７】
このような脳画像を用いて異常の有無を判別する場合には、画像上に所定の大きさの関心領域（regions of interest：ＲＯＩ）を設定する関心領域法が用いられている（例えば、非特許文献１参照）。これは、脳画像上において、特定の疾患に関係するとして注目されている特定部位に所定の大きさの関心領域を設定して比較を行なうものである。
【０００８】
このような関心領域を設定して画像診断を行う手法は、脳だけに限られるものではなく胸部や肺などの画像診断にも用いられる。例えば、超音波診断装置による心臓の断層像に対する関心領域の設定について、特許文献１に記載されている。そこで、ここでは臓器に脳が含まれるものとして説明する。
【０００９】
ところが、上記のような従来の関心領域法は、オペレータが画像上で対応する部位の輪郭を入力装置を使って手動で描いて目的の関心領域を設定していることから、その精度に視覚や経験の差による人為的な誤差が入り込むことになり、そのために客観的なデータに基づく診断支援ができないという問題があった。
【００１０】
そこで、最近のアルツハイマー型認知症（痴呆）に関する研究では、健常者とアルツハイマー型認知症患者の画像群に関する２群間解析を行い、統計的に有意に萎縮している領域を関心領域とする手法が採用されるようになっている（例えば、非特許文献２参照）。
【００１１】
このように、経験上得られる情報を利用する手動による特定部位の指定方法ではなく、数学的に導かれる情報を利用する２群間解析による手法を採用することにより、関心領域を客観的な評価に基づいて設定する技術が、特許文献２に開示されている。
【００１２】
【特許文献１】特開平８−６６３９９号公報
【特許文献２】特開２００５−２３７４４１号公報
【非特許文献１】松田博史：ＳＰＥＣＴの統計学的画像解析．アルツハイマー型痴呆の画像診断，メジカルビュー社：ｐｐ．７６−８６（２００１）．
【非特許文献２】Hirata Y, Matsuda H, Nemoto K, et al.: Voxel-based morphometry to discriminate early Alzheimer’s disease from controls.Neurosci Lett, 382, 269-274, 2005.
【発明の開示】
【発明が解決しようとする課題】
【００１３】
しかしながら、２群間解析において統計的に有意であることの判断は、有意水準の設定に基づいており、有意水準の設定の仕方により、関心領域の形状も診断性能に関しても異なったものとなる。
【００１４】
その上、例えば、アルツハイマー型認知症（痴呆）であれば海馬が萎縮することが経験的に知られており、従って２群間解析により得られた関心領域が、海馬と一致しているかどうかにも注目しなければ、正確な診断に結びつけることができない。
【００１５】
本発明は、前記従来の問題点を解決すべくなされたもので、健常者の臓器画像と患者の臓器画像とを比べて統計的に有意な異常がある部位を関心領域として設定する上で、有意水準の設定による関心領域の相違を考慮すると共に、経験に基づいた適切な関心領域を決定する際の支援を行うことができ、その結果ユーザに対して客観的な診断結果を提示することができるようになる関心領域決定装置を提供することを課題とする。
【課題を解決するための手段】
【００１６】
本発明は、関心領域決定装置において、標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に２群間検定処理を行なって、複数の有意水準に対応する関心領域をそれぞれ作成する２群間検定機能と、標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に統計的比較処理を行なって、統計的に有意な差があるボクセルを検出して診断用比較結果を作成する統計的比較処理機能と、前記有意水準に対応する複数の関心領域内の診断用比較結果をそれぞれ評価する関心領域内評価機能と、前記有意水準に対応する複数の関心領域に関して、該関心領域内の評価結果を基に診断性能をそれぞれ算出する診断性能算出機能と、前記有意水準に対応する複数の関心領域と標準臓器画像との重畳画像を作成し、対応する診断性能と併せて画面上に表示させる重畳画像作成処理機能と、前記有意水準を設定変更する機能とを有していることにより、前記課題を解決したものである。
【００１７】
本発明においては、前記有意水準を、ｐ値及びｔ値の少なくとも一方で設定するようにしてもよい。
【００１８】
又、本発明においては、前記統計的比較処理を、関心領域を構成するボクセルのＺスコアを算出して行なうようにしてもよい。
【００１９】
又、本発明においては、前記関心領域内の評価を、該関心領域内の全ボクセルのＺスコアの平均値、及び、統計的に有意な差があるボクセルの数の少なくとも一方を算出して行なうようにしてもよい。
【００２０】
又、本発明においては、前記診断性能を、ＲＯＣ解析により行なうようにしてもよい。その場合、前記ＲＯＣ解析により算出される診断性能を、設定される有意水準に対応する正診率、及び、前記ＲＯＣ解析により得られるＲＯＣ曲線を０≦ｘ≦１で積分した値を表わすＡｚの少なくとも一方のグラフとして画面表示するようにしてもよい。
【００２１】
本発明は、又、前記関心領域決定装置をコンピュータで実現するためのコンピュータ読取可能なプログラムとしたものである。
【００２２】
本発明は、更に、上記コンピュータ読取可能なプログラムが格納された記録媒体としたものである。
【発明の効果】
【００２３】
本発明によれば、ユーザが２群間解析における有意水準別の診断性能を確認する機能と、ユーザが有意水準を設定変更する機能とを有し、有意水準の変更と同時に、その閾値に対応した関心領域を標準臓器画像に重畳した画像を表示できるようにすると共に、有意水準に対応した診断性能を表示できるようにしたので、ユーザは経験に基づく診断性能を確認しながら関心領域を決定することができるため、ユーザに対して関心領域の決定の支援を行うことができる。その結果、ユーザに対して客観的で適切な診断結果を提示することができるようになる。
【発明を実施するための最良の形態】
【００２４】
以下、図面を参照して、本発明の実施の形態について詳細に説明する。なお、便宜上、ここでは臓器画像として脳画像を取り挙げる。
【００２５】
図１は、本発明に係る一実施形態である関心領域決定装置（システム）を示すブロック図である。
【００２６】
本実施形態の診断支援システムは、ユーザインタフェース１０、画像・統計処理部２０及びデータベース部３０を備えている。ユーザインタフェース１０は入力画像としてＭＲＩ画像を入力する画像入力機能１１と、処理部２０で作成された関心領域と標準臓器画像との重畳画像を表示する関心領域確認機能１２とを有している。
【００２７】
又、この処理部２０はユーザインタフェース１０から入力されたＭＲＩ画像について、後に詳述する２群間検定を行って関心領域を抽出する２群間検定機能２１と、統計的比較処理機能２２と、関心領域内評価機能２３と、診断性能算出機能２４と、重畳画像作成処理機能２５とを有している。又、データベース部３０には、処理部２０による後述する処理に使用する健常者画像データベース３１及び標準脳画像を含む標準臓器画像３２等が保存されている。
【００２８】
まずは、本実施形態の関心領域決定装置に入力される標準化された脳画像、即ち標準脳画像（標準臓器画像）について、灰白質を抽出した灰白質脳画像を例に説明する。
【００２９】
予め多数の健常者及び患者からＭＲＩ脳画像を取得し、取得した各ＭＲＩ脳画像の前処理を行なっておく。具体的には、図２に脳全体とその一部を切り出したスライス画像のイメージを示すように、被検者の脳全体を含むように所定厚さのスライス状に撮像した、例えば１００〜２００枚のＴ１強調ＭＲＩ画像とする。又、各スライス画像におけるボクセル（ｖｏｘｅｌ）の各辺の長さを予め等しくなるようにスライス画像のリサンプリングを行なっておく。ここでボクセルは、「厚さ」を持つ画像の座標単位であり、２次元画像におけるピクセルに相当する。
【００３０】
このような前処理を行なった後、そのスライス画像の撮像方向や解像度が、予めシステムに設定されている条件に適合しているか否かをチェックする。撮像方向には、図２に示したａｘｉａｌ（ｔｒａｎｓｖｅｒｓｅ）：横断面の他に、図示しないｓａｇｉｔｔａｌ：矢状断面（側面からの縦切り）やｃｏｒｏｎａｌ：冠状断面（正面からの縦切り）がある。
【００３１】
以上のように、ＭＲＩ脳画像が、設定条件に適合していることが確認された場合には、位置合わせ処理を行なう。
【００３２】
この処理は、入力された脳画像を、後述する処理において、標準的な脳画像テンプレートと比較する際の精度を上げるために、線形変換（アフィン変換）によって空間的位置と角度の補正を行なっていることに相当する。
【００３３】
以上の位置合わせが終了した後、特定組織の一つである灰白質の抽出処理を行なう。
【００３４】
通常、Ｔ１強調ＭＲＩ脳画像では、神経細胞に対応する灰色の灰白質、それより明るい神経繊維に対応する白質、黒に近い脳脊髄液の３種類の組織が含まれている。そこで、痴呆性疾患の診断では灰白質組織に着目して、該組織を抽出する処理を行なう。
【００３５】
以上のように灰白質組織が抽出された脳画像に対して、画像のＳ／Ｎ比を向上させ、次の解剖学的標準化に用いるテンプレート画像とsmoothnessが等しくなるようにすることを目的として、３次元ガウシアンカーネルによって第１の画像平滑化を行なう。
【００３６】
具体的な処理としては、３次元的脳画像と、３次元ガウシアン関数の３次元的な畳み込み（コンボリューション）を行なう。これは、ｘ、ｙ、ｚ各方向における１次元の畳み込みを逐次的に行なうことで可能である。
【００３７】
以上のように灰白質脳画像のsmoothnessを調整した後、解剖学的標準化と呼ばれる処理を行なう。これは、個人の間に存在する脳画像の解剖学的な違いを吸収するために、脳全体の大きさに対する大局的な補正と、部分的な大きさに対する局所的な補正を行なうことにより、標準化された脳画像（臓器画像）を作成するものである。
【００３８】
具体的には、図３に処理の特徴を概念的に示すように、線形変換と非線形変換を用いて、標準的な灰白質脳画像テンプレートとの誤差の平方和が最小になるように画像処理を行なう。ここで用いる灰白質脳画像テンプレートは、多くの健常者から灰白質組織を抽出した脳画像から得られている平均画像である。この解剖学的標準化処理では、初めに線形変換による位置や大きさ、角度の大局的な補正を行ない、次に非線形変換によって局所的な凹凸等の形状の補正を行なう。
【００３９】
以上のように解剖学的標準化を施した灰白質脳画像（標準脳画像）に対して、第２の画像平滑化の処理を行なう。
【００４０】
これは、上記標準脳画像のＳ／Ｎ比を向上させると共に、後に比較を行なう画像群と画像のsmoothnessを等しくするための処理であり、前記第１の平滑化と同様に３次元ガウシアンカーネルを使用して行なう。
【００４１】
以上のように第２の画像平滑化を行なった標準脳画像に対して、濃度値補正を行なう。ここでは、ボクセルを単位とした画素値に相当するボクセル濃度値の補正を行なう。
【００４２】
これは、後に比較を行なう際に標準として使用する健常者の画像群におけるボクセル値の分布に合わせる処理であり、脳全体のボクセル値を補正する。具体的には、図４に濃度値補正の特徴を示すように、全ボクセルについて以下の変換式により濃度値の補正を行なう。
【００４３】
ｘ’＝（ＭＥＡＮnormal／ＭＥＡＮsubject）・ｘ …（１）
但し、ｘ：補正前の濃度値
ｘ’：補正後の濃度値
ＭＥＡＮnormal：健常者画像群の全ボクセル濃度値の平均
ＭＥＡＮsubject：処理対象画像の全ボクセル濃度値の平均
【００４４】
以上の脳画像に対する標準化等の処理は、前記特許文献２と同様に行なうことができる。
【００４５】
次に、本実施形態において実行される、データ入力から関心領域の決定するまでの基本的な処理手順を図５に示す。
【００４６】
まず、ユーザは、統計処理が可能な数の健常者及び患者について前述した標準化処理が施されたＭＲＩ脳画像（図では“脳”を省略）群Ｄ１〜Ｄ５をデータとして入力し、所定のメモリーに保存する（ステップ０）。
【００４７】
データ入力に際しては、ステップＳ１の２群間検定処理で使用するＤ１およびＤ２と、ステップ２の統計的比較処理で使用するＤ３およびＤ４の指定を行う。ここで入力される画像群は、複数の健常者および患者の３次元画像を標準座標系に変換し、前述した位置合わせ、特定組織の抽出、平滑化などを行ってあるものとする。
【００４８】
入力方法は、図６に、２群間検定処理で用いる画像と診断性能比較で使用する画像を明確に区別した場合の、ユーザインターフェース１０の画像入力機能１２による実装例を示すように、入力する画像を２群間検定に用いるものと診断性能比較に用いるものを明確に分けた上で、それぞれ健常者と患者の振り分けを行う。但し、ユーザは健常者と患者の振り分けのみを行い、２群間検定に用いるか診断性能比較に用いるかはシステムがランダムに選択する方式としてもよい。
【００４９】
Ｄ５は、ステップ２においてＤ３およびＤ４の画像群に対して比較対照とされる健常者画像群であり、後述する図１０の左側で示される健常者群に相当する。この画像も３次元画像を標準座標系に変換させた画像である。
【００５０】
このＤ５の画像は、２群間検定処理で使用するＤ１を利用する形態としても、システムにあらかじめ実装してある図１の健常者画像データベース３１を使用する形態としてもよく、更にはステップ０におけるデータの入力時に２群間検定処理で用いる画像および診断性能比較で使用する画像とは別に入力する形態としてもよい。ただし、Ｄ１、Ｄ２、Ｄ３、Ｄ４、Ｄ５を作成するまでの過程である標準化処理およびその他の画像処理は統一することが望ましい。
【００５１】
本実施形態においては、前記ステップ０で、ユーザが健常者と患者の両方を含んでいる標準化済み臓器画像群を入力すると、入力された画像群の一部に対して、前記２群間検定機能２１により複数の有意水準に関する２群間検定処理を行ない（ステップ１）、各有意水準に対応する関心領域Ｄ７を作成する。又、入力された画像群の一部に対して、前記統計比較処理機能２２により健常者画像群との統計的比較処理を行い（ステップ２）、その統計的比較処理の結果に対して、前記関心領域内評価機能２３により複数の関心領域に関する関心領域内の評価処理を行い（ステップ３）、複数の関心領域内の評価処理結果に関して、前記診断性能算出機能２４により関心領域内診断性能算出処理を行い（ステップ４）、前記重畳画像作成処理機能２５によりある有意水準の関心領域と、データベース部３０から読み出した標準臓器画像との重畳画像を作成する処理を行い（ステップ５）、ユーザインターフェース１０の関心領域確認機能１１により、作成された標準臓器画像と関心領域の重畳画像および有意水準別の関心領域内診断性能が画面表示される（ステップ６）。
【００５２】
ユーザは、その表示を見ながら関心領域が決定するまで（ステップ７）、有意水準の入力を行い（ステップ８）、入力された有意水準に対応してステップ５で作成され、ステップ６で画面上に繰り返し表示される画像を確認することにより、関心領域を決定することができるようになっている。
【００５３】
このフローチャートでステップ１〜５の各処理は、コンピュータからなる前記画像・統計処理部２０においてプログラムにより実施可能になっている。
【００５４】
上記図５の基本的処理フローについて、以下に詳細に説明する。
【００５５】
疾患別に設定される関心領域（疾患特異的関心領域）を、入力された健常者画像群Ｄ１と患者画像群Ｄ２を用いて、ステップ１の２群間検定により作成する。
【００５６】
関心領域は、次の統計的解析処理により作成される。例えば、ある特定の疾患の関心領域を作成するためには、図７にイメージを示すように、ある疾患の患者画像群と健常者画像群（図では“画像”を省略）とについて、ボクセル単位で２群間の有意差を統計的に検定する２標本ｔ検定を行なうことにより求める。この検定によって有意差が認められたボクセルを、その疾患における特徴的なボクセルとみなし、その座標の集合をその疾患に対応する関心領域とする。
【００５７】
このｔ検定により算出されるｔ値は、２群の分散が等しい場合は次の式により求められる。
【００５８】
【数１】
【００５９】
なお、２群の等分散性が疑わしい場合は、Welchの方法によるｔ検定を行ってもよい。
【００６０】
関心領域の決定をｔ値で行ってもよいが、より一般的なｐ値による表現を使用してもよい。ｔ値とｐ値の関係は、自由度と検定の手法によって多少変化するが、ｔ値が大きくなるとｐ値も大きくなるという関係は変わらない。このことについては、T.D.V.Swinscow（著）, M.J.Campbell（著）, 折笠 秀樹（監訳）「はじめて学ぶ医療統計学, 総合医学社, 71-87, 2003.」に詳しい。
【００６１】
自由度は、健常者群の人数をＮ１、患者群の人数をＮ２とした場合、Ｎ１＋Ｎ２−２で与えられる。例えば、健常者が８人、患者が８人の場合の自由度は１４となる。
【００６２】
検定の手法には、両側検定と片側検定とがある。通常は両側検定を採用するが、健常者と患者の画像において同一座標のボクセルのボクセル値が、常に一方が低い値であることがわかっている場合には片側検定を採用してもよい。
【００６３】
図８には、自由度１４のｔ分布の例を示す。自由度１４において両側検定を行った場合は、５％の有意水準での棄却域は、ｔ値が−２．１４５以下および２．１４５以上である。この範囲内（図中網掛け部分）に収まっている場合は、有意水準５％で有意に差があるとされる。この有意水準がｐ値である。
【００６４】
ｔ値からｐ値を求めるときは多重検定であることを考慮した補正を行ってもよい。次に代表的な補正方法であるBonferroni補正を使用した例を示す。
【００６５】
全ボクセルの有意水準をαとする場合、各ボクセルの有意水準βはαをボクセル数で割った値とする。Bonferroni補正は、全ボクセルの有意水準をαにするために、各ボクセルの有意水準βをｐ値として使用するものである。
【００６６】
例えば、自由度が１４、ボクセル数が１０6、全ボクセルの有意水準を５％とした場合は、各ボクセルの有意水準は５×１０-6％である。この場合、各ボクセルの棄却域は、ｔ値が−１０．５１５以下および１０．５１５以上となる。
【００６７】
各ボクセルのｔ値またはｐ値の算出結果から、図９（Ａ）にイメージを示すような臓器全体についてのｔ値マップまたはｐ値マップを作成することができる。
【００６８】
図９（Ａ）に示したマップに対して、ｔ値またはｐ値が一定の閾値以上である領域を関心領域とする閾値処理を施すことにより、同図（Ｂ）にイメージを示すような関心領域Ｄ７が作成される。
【００６９】
診断性能比較をグラフで表示するため、複数種類の閾値について関心領域Ｄ１を作成する。例えば、ｐ値の場合は対数間隔で１０パターン等といったものにする。
【００７０】
上記閾値処理以外に、ｔ値またはｐ値が一定の値以上であるボクセルが一定の数以上繋がった領域のみを関心領域とする閾値処理を行ってもよい。
【００７１】
以上のステップ１の２群間検定処理による関心領域Ｄ７の作成と共に、同様に標準化処理が行われている複数の画像群に対して、ステップ２の統計的比較処理を行う。
【００７２】
ここでは、ステップ０において入力された標準化処理が行われているＤ３とＤ４の健常者および患者の各画像群に関して、同じく標準化処理が行われているＤ５の健常者画像群との比較処理を行う。Ｄ５の健常者画像群の年齢構成は、診断性能向上のためにＤ３およびＤ４の各画像群の年齢に近いもので構成されていることが望ましい。
【００７３】
ここで行なう統計的比較処理の具体例のイメージを図１０に示す。左側の健常者画像群はＤ５であり、右側の診断性能比較用データはＤ３又はＤ４の一つを代表させたものである。Ｄ３およびＤ４の全ての診断性能比較用画像群（データ）に関して、図１０で示されるように、健常者画像群とボクセル単位で１：Ｎ（ＮはＤ５の健常者画像の総数）の比較検定を行い、統計的に有意な差が見られる、即ち異常と推定されるボクセルを検出する。
【００７４】
そのために、まず、全てのボクセルについて、それぞれ次式で表わされるＺスコアを算出する。
【００７５】
【数２】
【００７６】
このように、Ｚスコアは、診断性能比較用画像のボクセル値と、健常者画像群の対応するボクセルのボクセル値平均との差を、標準偏差でスケーリングした値であり、これは灰白質容積の相対的低下の度合を示すものである。
【００７７】
次に、適当な臨界値Ｚ’を定め、Ｚスコアが
Ｚ’＜Ｚ …（４）
となるようなボクセルを求め、統計的に有意な差が見られるボクセルとする。臨界値には、約９５％以上の確率で異常と推定できるＺ’＝２や、低下部位を全て示すためのＺ’＝０などを用いる。
【００７８】
又、この関心領域決定システムにおいては、収集したこれらの健常者画像を、例えば５歳毎又は１０歳毎というように年代別に分類し、それぞれの群について算出した平均値と標準偏差を記憶装置に保存しておくことにより、Ｚスコアによる検定を行なうことができる。
【００７９】
又、その際には、診断性能比較者の年齢を中心とした一定の年齢幅に区切って、例えば診断性能比較者の年齢が７６歳の場合であれば、それを中心とした７４〜７８歳（幅を５歳とした）の範囲の健常者画像を収集し、比較するようにしてもよい。
【００８０】
なお、このようにＺスコアを使用する場合には、ボクセル毎に上記平均値と標準偏差のデータだけを持っていればよいので、データ作成後は画像データ自体を保存しておく必要がないという利点もある。
【００８１】
図１１は、有意水準として設定した閾値の違いによる関心領域（ＲＯＩ）Ｄ７と、ステップ３による関心領域内の評価処理を示す概念図である。
【００８２】
ここでは、まず、この図１１にイメージを示すように、閾値Ａ〜Ｃの閾値別の関心領域が用意されている場合を例として、診断性能比較者がある閾値Ａの疾患を罹患しているか否かを判別する方法を説明する。なお、この方法に適用する各関心領域と、その判別に用いる閾値等の取得方法については後述する。
【００８３】
前記ステップ２で診断性能比較用図像（データ）を用いて統計的比較処理を行なった結果得られた、前記（４）式を満たすために異常と推定されたボクセルの脳座標上の分布であるＺスコアマップを作成し、閾値Ａに対応する関心領域について、以下の値を算出する。
【００８４】
ｋROI…関心領域部分において式（４）を満たすボクセルの数
ＭＥＡＮROI…関心領域部分において式（４）を満たすボクセルのＺスコアの平均
【００８５】
このように、閾値Ａの関心領域におけるＺスコアの平均等に基づいて罹患の程度を評価することができる。
【００８６】
次に、ステップ４の診断性能算出処理について説明する。病態識別値（カットオフ値）の決定は、その疾患について、一般的なＲＯＣ（Ｒeceiver Ｏperating Ｃharacteristic）解析によって行なう。ＲＯＣ解析とは、ある検査方法について、疾患を検出する能力を定量的に解析するための一般的な手法である。
【００８７】
各関心領域に関してＲＯＣ解析を行なってＲＯＣ曲線を求め、求められたＲＯＣ曲線について、ＲＯＣ曲線より下の面積Ａｚ（ＲＯＣ曲線を０≦ｘ≦１で積分した値）、感度＝特異度となるときの正診率とを求め、診断性能とする。
【００８８】
このＲＯＣ解析については、白石順二：診断能の評価−ＲＯＣ解析の実験方法．日本放射線技術学会誌．５５（４），３６２−３６８，１９９９．に説明がある。
【００８９】
次に、一例として、以下にｋROIをパラメータＰとし、該パラメータＰとそのカットオフ値ｃｏＰによって疾患の有無を識別する場合について、カットオフ値ｃｏＰを求める方法について説明する。
【００９０】
Ｐ＞ｃｏＰのとき陽性、Ｐ≦ｃｏＰのとき陰性となる検査を考え、多数のサンプルについて、検査による陽陰性と、実際の疾患の有無についてその組合せを調べると、図１２の表に示すような、ＴＰ（真陽性），ＦＰ（偽陽性），ＦＮ（偽陰性），ＴＮ（真陰性）の各数値が得られる。更にこれらの値から、真陽性率（ＴＰＦ：患者を正しく患者と判別した割合）、偽陽性率（ＦＰＦ：健常者を誤って患者と判定した割合）が次式のように表わされる。
【００９１】
ＴＰＦ＝ＴＰ／（ＴＰ＋ＦＮ）
ＦＰＦ＝ＦＰ／（ＦＰ＋ＴＮ）
【００９２】
ある１つのｃｏＰに対して、（ＴＰＦ，ＦＰＦ）の組が１つ求まるが、このカットオフ値をさまざまに変えることによって得られる（ＴＰＦ，ＦＰＦ）をプロットした一例が、図１３に示すＲＯＣ曲線である。
【００９３】
図１４に示す値の頻度分布から直接ＲＯＣ曲線を作成すると、この図１３のような不規則なＲＯＣ曲線が得られる。このままカットオフ値ｃｏＰを求めてもよいが、頻度分布を図１５に示すように正規分布に近似させて、図１６のようなＲＯＣ曲線にすることにより境界線を求めてもよい。なお、図１４、図１５で横軸はボクセル数又はＺスコア平均である。
【００９４】
検査においては、ＴＰＦが高く、ＦＰＦが低くなることが望ましいが、ＲＯＣ曲線においては最も左上の点がそれに対応する。この図１６で言えば、点Ｄに対応するカットオフ値を採用するのが良いということになる。
【００９５】
これを、パラメータと疾患有無の観点から考えると、パラメータが１つの場合は、図１５に示すように、疾患有りの分布と疾患無しの頻度分布とを、最も良く（誤りなく）分ける境界線が、ここで求められたカットオフ値に対応している。
【００９６】
次に、ステップ５の重畳画像作成処理について説明する。図１７は、ステップ６で関心領域確認表示を行なうユーザインターフェース１０の関心領域確認機能１１による表示例を示す概念図である。この確認機能１１は、画面左上の診断性能表示Ａ、左下の閾値の変更機能（スライダー）Ｂ、右側の画像表示Ｃに分かれている。
【００９７】
この例ではスライダーＢを操作することにより、ｐ値およびｔ値が変更され、画像表示Ｃが対応する関心領域の状態に更新される。
【００９８】
診断性能表示Ａにはｐ値と正診率の関係がグラフで表示され、スライダーＢで選択されているｐ値に対応した正診率を確認できるようになっている。
【００９９】
有意水準を表わす閾値として、スライダーＢで選択中のｐ値とｔ値の値が表示される。但し、この値に直接入力してスライダーの状態を変更できるようにしてもよい。また、ｐ値またはｔ値に関心領域を作成していない値が指定された場合は、関心領域の作成および診断性能の算出を追加で行ったのち、診断性能表示と画像表示を更新するようにしてもよい。閾値の表示および入力方法としては、ｔ値とｐ値の両方であってもよいし、いずれか一方であってもよい。
【０１００】
又、画像表示Ｃには、標準臓器画像と関心領域の重畳画像が表示される。
【０１０１】
図１７の例では、前述した３方向の表示により、３次元の画像を確認可能とした場合である。但し、３方向の表示においてカーソル位置を変更することで別の面を表示できるようにしてもよい。
【０１０２】
３方向の表示ではなく、１方向の断面を表示してスライス位置を指定できるようにしてもよいし、投影画像を作成して脳表上で関心領域を確認できるようにしてもよく、ある方向のスライスが一覧で表示されるようにしてもよい。
【実施例】
【０１０３】
アルツハイマー型痴呆（ＡＤ）の関心領域を作成するために、ＭＲＩで患者群と健常者群の脳のＴ１強調画像を撮像し、各画像を、ＤＩＣＯＭフォーマットとして保持しておく。ＤＩＣＯＭフォーマットは、１ファイルにヘッダ部と画像データ部を含む医療画像で一般的に用いられる画像フォーマットであり、画像撮影時のパラメータや診断情報を保存しておくことができる。通常、ＤＩＣＯＭ画像ファイル１つが１枚のスライス画像の情報を有し、複数枚のＤＩＣＯＭ画像によって、３次元的な脳画像を表現する。ＤＩＣＯＭ画像はＤＩＣＯＭサーバに保管され、必要に応じて引き出すことができる。
【０１０４】
ＤＩＣＯＭ画像ファイルは複数枚によって脳全体の３次元的情報を表現するが、ＤＩＣＯＭファイルのヘッダ部のみ、及び画像データ部のみを連結した形式に変換する。
【０１０５】
脳画像の画像処理を行なうためのツールをソフトウェアに実装したものとして、ＳＰＭ（Ｓtatistical Ｐarametric Ｍapping）等が知られている。本実施例における入力画像の作成には、このＳＰＭを適用した。
【０１０６】
以上の条件の下、入力したＭＲＩ脳画像群に対して、前記図５のステップ１〜８の各処理を行なった。
【０１０７】
前述した如く、脳には組織として、灰白質、白質、脳脊髄液があるが、アルツハイマー型認知症（痴呆）の診断には、灰白質を対象とすることが有効であることが知られている。そのため、ＳＰＭを用いて、解剖学的標準化の前に脳画像から灰白質を抽出した。
【０１０８】
灰白質の抽出に使用する灰白質画像のテンプレートとしては、ＳＰＭで用いられる、１５１人の健常者画像から得られた灰白質、白質、脳脊髄液の事前生起（存在）確率を計算したもので、１ボクセルサイズが２ｍｍ四方で、ＦＷＨＭ（半値幅）＝８ｍｍのガウシアンフィルタをかけたものを用いた。
【０１０９】
解剖学的標準化では、上記健常者画像から得られた灰白質画像をテンプレートとして用いることにより標準化を行なった。
【０１１０】
また、健常者群８０例とアルツハイマー型認知症群６１例のＳＰＭによるグループ解析により、有意水準がｐ値で１０-1〜１０-13の範囲内となるように１３通りの関心領域を作成した。
【０１１１】
次いで、健常者群４１例とアルツハイマー型認知症群３０例において、個々のアルツハイマー型認知症例に対して健常者群８０例と脳局所ボクセル毎にＺ検定を行い、１３通りの関心領域における臨界値を０としたＺスコア平均値を算出した。個々の健常者に対しても、健常者群８０例との間でＺ検定を行い、同様に関心領域における臨界値を０としたＺスコア平均値を算出した。
【０１１２】
更に、１３通りの関心領域に関して、ＲＯＣ解析により診断性能を算出した。その結果、ｐ値に対する、Ａｚと正診率の関係が図１８のような結果が得られた。
【０１１３】
この図１８の結果では、ｐ値が１０-12から１０-8の場合の正診率が高い値を示している。また、ｐ値が１０-7から１０-4にかけて徐々に正診率が減少しているが、ｐ値１０-3において再び正診率が増加していることがわかった。
【０１１４】
図１９は３種類のｐ値に関しての関心領域の例であり、白い箇所が関心領域である。
【０１１５】
正診率が最も高かったｐ値は１０-12の場合であり、関心領域が海馬付近となっていた。アルツハイマー型認知症では海馬が萎縮していることが経験的に知られていることから、経験的な知識と一致していることがわかる。なお、図中ＭＮＩ座標系は、ＳＰＭで使用されている標準脳の座標系である。
【０１１６】
又、図１８に示すように、ｐ値が１０-4と１０-3では１０-3の方が高い正診率となっているが、図１９に示すとおり、後者の関心領域となる範囲が脳の外側に広くなっていることが分る。この結果からは、若年のアルツハイマー型痴呆の患者には、脳の側頭頭頂葉に萎縮が見られるという報告があり、その点と関係があるのではないかということが示唆される。
【０１１７】
以上のように、複数のｐ値を有意水準とした関心領域どうしを比較することは有効であり、本実施形態のように図１７のようなユーザインタフェースを採用することにより、その比較を容易に可能とすることができる。
【０１１８】
図１８、図１９のような例の場合、図１７に示すユーザインタフェースを使用する手順としては、次のような流れが考えられる。
【０１１９】
前記図５のフローチャートでステップ４が終了した後、ステップ５において、Ｄ６の標準臓器画像と、Ｄ７の複数種類作成された関心領域のうちステップ８で有意水準（閾値）として入力されたｐ値に対応する関心領域との重畳画像が作成される。ただし、ｐ値の初期値としては、一例として最も正診率が高くなる１０-12が採用される。
【０１２０】
初期値であるｐ値が１０-12に対応する関心領域と標準臓器画像の重畳画像が作成された後ち、ステップ６において図１７に示すような関心領域確認表示が実行される。診断性能表示Ａには、図１８に示すグラフが表示され、スライダーＢはｐ値１０-12を指し示す。その際、画像表示Ｃには、標準臓器画像と、図１９のｐ値１０-12の関心領域との重畳画像が表示され、海馬付近に関心領域が生成されたことをユーザが確認できる。
【０１２１】
又、ステップ７の分岐により、関心領域を決定する前に、ユーザは図１８に示す診断性能表示のグラフの形状から、ｐ値が１０-4と１０-3の場合の関心領域の形状の確認を実施したいと考え、ステップ８の手順としてスライダーＢを１０-4に移動させる。
【０１２２】
すると、ステップ５の重畳画像作成処理の後、ステップ６の関心領域確認表示における画像表示Ｃがｐ値１０-4の場合に切り替わる。更に、ｐ値が１０-3の関心領域も確認するため、ステップ８の手順としてユーザによりスライダーＢがｐ値１０-3に変更され、Ｓ５の重畳画像作成処理後、ステップ６による画像表示がｐ値１０-3の場合に切り替わる。
【０１２３】
この操作の後、ユーザはステップ７の分岐により、関心領域は最初に確認したｐ値１０-12の場合が最適であるとして、それを関心領域とすることに決め、関心領域の決定作業を終了する。
【０１２４】
このように、２群間検定を用いて関心領域を作成する場合、複数の有意水準を設定したそれぞれの場合における関心領域の形状と正診率の情報が、関心領域を作成する上での重要な支援情報であることがわかる。
【０１２５】
以上、本発明について具体的に説明したが、本発明は、前記実施形態に示したものに限られるものでなく、その要旨を逸脱しない範囲で種々変更可能である。
【０１２６】
例えば、前記実施形態では、脳画像について説明したが、心臓や肺等の他の臓器画像を対象としてもよいことはいうまでもない。
【図面の簡単な説明】
【０１２７】
【図１】本発明に係る一実施形態の関心領域決定装置の概要を示すブロック図
【図２】脳のスライス画像とボクセルの特徴を模式的に示す概念図
【図３】解剖学的標準化の特徴を模式的に示す概念図
【図４】ボクセル濃度値の補正処理の特徴を示す概念図
【図５】本実施形態による関心領域決定の基本処理フローを示すフローチャート
【図６】画像入力機能を示す概念図
【図７】２群間検定処理の特徴を示す概念図
【図８】ｔ分布の特徴を示す概念図
【図９】２群間検定処理結果データに対する閾値処理の概念図
【図１０】ボクセル毎の比較検定の特徴を示す概念図
【図１１】関心領域内の評価処理の特徴を示す概念図
【図１２】検査の陽陰性と疾患の有無の関係を示す図表
【図１３】ＲＯＣ曲線の一例を示す線図
【図１４】標本の頻度分布と閾値の関係を示す概念図
【図１５】正規化された頻度分布頻度分布と閾値の関係を示す概念図
【図１６】正規化されたＲＯＣ曲線の一例を示す線図
【図１７】関心領域確認表示器脳を示す概念図
【図１８】閾値と診断性能の関係を示す線図
【図１９】閾値と関心領域との関係を示す説明図
【符号の説明】
【０１２８】
１０…ユーザインタフェース
２０…画像・統計処理部
３０…データベース部
【技術分野】
【０００１】
本発明は、関心領域決定装置に係り、特にＭＲＩ（Ｍagnetic Ｒesonance Ｉmaging）等により脳を含む臓器を複数の患者と健常者について撮像し、得られた各画像を標準化処理した標準臓器画像を入力し、これら画像群に対する統計処理等を通してユーザが疾患別に適切な関心領域を決定する場合の支援を行なう際に適用して好適な関心領域決定装置に関する。
【背景技術】
【０００２】
高齢化社会の到来により、脳の機能低下に起因する痴呆性疾患の患者が年々増加している。痴呆性疾患には様々な種類があり、診断においてはそれらを区別して、疾患に応じた適切な処置を施すことが必要である。
【０００３】
一方、このような要請に応えるべく、近年、ＳＰＥＣＴ（Ｓingle Ｐhoton Ｅmission Ｃomputed Ｔomography）やＰＥＴ（Ｐositron Ｅmission Ｔomography）等の核医学検査や、ＣＴ（Ｃomputerized Ｔomography）やＭＲＩによって脳の状態に関する情報が取得可能になってきている。
【０００４】
その結果、脳の特定部位の血流が低下したり、組織が萎縮したりする現象が、疾患によって異なることが明らかになってきており、これらに対する定量的な評価方法が求められている。
【０００５】
例えば、脳の局所的な部位の血流低下は、ＳＰＥＣＴやＰＥＴの画像によって比較することにより検定することができる。
【０００６】
又、組織の萎縮に関しては、ＭＲＩ画像によって特定部位の容積を求め、その相対的な大きさを比較することにより異常の有無を判別できる。
【０００７】
このような脳画像を用いて異常の有無を判別する場合には、画像上に所定の大きさの関心領域（regions of interest：ＲＯＩ）を設定する関心領域法が用いられている（例えば、非特許文献１参照）。これは、脳画像上において、特定の疾患に関係するとして注目されている特定部位に所定の大きさの関心領域を設定して比較を行なうものである。
【０００８】
このような関心領域を設定して画像診断を行う手法は、脳だけに限られるものではなく胸部や肺などの画像診断にも用いられる。例えば、超音波診断装置による心臓の断層像に対する関心領域の設定について、特許文献１に記載されている。そこで、ここでは臓器に脳が含まれるものとして説明する。
【０００９】
ところが、上記のような従来の関心領域法は、オペレータが画像上で対応する部位の輪郭を入力装置を使って手動で描いて目的の関心領域を設定していることから、その精度に視覚や経験の差による人為的な誤差が入り込むことになり、そのために客観的なデータに基づく診断支援ができないという問題があった。
【００１０】
そこで、最近のアルツハイマー型認知症（痴呆）に関する研究では、健常者とアルツハイマー型認知症患者の画像群に関する２群間解析を行い、統計的に有意に萎縮している領域を関心領域とする手法が採用されるようになっている（例えば、非特許文献２参照）。
【００１１】
このように、経験上得られる情報を利用する手動による特定部位の指定方法ではなく、数学的に導かれる情報を利用する２群間解析による手法を採用することにより、関心領域を客観的な評価に基づいて設定する技術が、特許文献２に開示されている。
【００１２】
【特許文献１】特開平８−６６３９９号公報
【特許文献２】特開２００５−２３７４４１号公報
【非特許文献１】松田博史：ＳＰＥＣＴの統計学的画像解析．アルツハイマー型痴呆の画像診断，メジカルビュー社：ｐｐ．７６−８６（２００１）．
【非特許文献２】Hirata Y, Matsuda H, Nemoto K, et al.: Voxel-based morphometry to discriminate early Alzheimer’s disease from controls.Neurosci Lett, 382, 269-274, 2005.
【発明の開示】
【発明が解決しようとする課題】
【００１３】
しかしながら、２群間解析において統計的に有意であることの判断は、有意水準の設定に基づいており、有意水準の設定の仕方により、関心領域の形状も診断性能に関しても異なったものとなる。
【００１４】
その上、例えば、アルツハイマー型認知症（痴呆）であれば海馬が萎縮することが経験的に知られており、従って２群間解析により得られた関心領域が、海馬と一致しているかどうかにも注目しなければ、正確な診断に結びつけることができない。
【００１５】
本発明は、前記従来の問題点を解決すべくなされたもので、健常者の臓器画像と患者の臓器画像とを比べて統計的に有意な異常がある部位を関心領域として設定する上で、有意水準の設定による関心領域の相違を考慮すると共に、経験に基づいた適切な関心領域を決定する際の支援を行うことができ、その結果ユーザに対して客観的な診断結果を提示することができるようになる関心領域決定装置を提供することを課題とする。
【課題を解決するための手段】
【００１６】
本発明は、関心領域決定装置において、標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に２群間検定処理を行なって、複数の有意水準に対応する関心領域をそれぞれ作成する２群間検定機能と、標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に統計的比較処理を行なって、統計的に有意な差があるボクセルを検出して診断用比較結果を作成する統計的比較処理機能と、前記有意水準に対応する複数の関心領域内の診断用比較結果をそれぞれ評価する関心領域内評価機能と、前記有意水準に対応する複数の関心領域に関して、該関心領域内の評価結果を基に診断性能をそれぞれ算出する診断性能算出機能と、前記有意水準に対応する複数の関心領域と標準臓器画像との重畳画像を作成し、対応する診断性能と併せて画面上に表示させる重畳画像作成処理機能と、前記有意水準を設定変更する機能とを有していることにより、前記課題を解決したものである。
【００１７】
本発明においては、前記有意水準を、ｐ値及びｔ値の少なくとも一方で設定するようにしてもよい。
【００１８】
又、本発明においては、前記統計的比較処理を、関心領域を構成するボクセルのＺスコアを算出して行なうようにしてもよい。
【００１９】
又、本発明においては、前記関心領域内の評価を、該関心領域内の全ボクセルのＺスコアの平均値、及び、統計的に有意な差があるボクセルの数の少なくとも一方を算出して行なうようにしてもよい。
【００２０】
又、本発明においては、前記診断性能を、ＲＯＣ解析により行なうようにしてもよい。その場合、前記ＲＯＣ解析により算出される診断性能を、設定される有意水準に対応する正診率、及び、前記ＲＯＣ解析により得られるＲＯＣ曲線を０≦ｘ≦１で積分した値を表わすＡｚの少なくとも一方のグラフとして画面表示するようにしてもよい。
【００２１】
本発明は、又、前記関心領域決定装置をコンピュータで実現するためのコンピュータ読取可能なプログラムとしたものである。
【００２２】
本発明は、更に、上記コンピュータ読取可能なプログラムが格納された記録媒体としたものである。
【発明の効果】
【００２３】
本発明によれば、ユーザが２群間解析における有意水準別の診断性能を確認する機能と、ユーザが有意水準を設定変更する機能とを有し、有意水準の変更と同時に、その閾値に対応した関心領域を標準臓器画像に重畳した画像を表示できるようにすると共に、有意水準に対応した診断性能を表示できるようにしたので、ユーザは経験に基づく診断性能を確認しながら関心領域を決定することができるため、ユーザに対して関心領域の決定の支援を行うことができる。その結果、ユーザに対して客観的で適切な診断結果を提示することができるようになる。
【発明を実施するための最良の形態】
【００２４】
以下、図面を参照して、本発明の実施の形態について詳細に説明する。なお、便宜上、ここでは臓器画像として脳画像を取り挙げる。
【００２５】
図１は、本発明に係る一実施形態である関心領域決定装置（システム）を示すブロック図である。
【００２６】
本実施形態の診断支援システムは、ユーザインタフェース１０、画像・統計処理部２０及びデータベース部３０を備えている。ユーザインタフェース１０は入力画像としてＭＲＩ画像を入力する画像入力機能１１と、処理部２０で作成された関心領域と標準臓器画像との重畳画像を表示する関心領域確認機能１２とを有している。
【００２７】
又、この処理部２０はユーザインタフェース１０から入力されたＭＲＩ画像について、後に詳述する２群間検定を行って関心領域を抽出する２群間検定機能２１と、統計的比較処理機能２２と、関心領域内評価機能２３と、診断性能算出機能２４と、重畳画像作成処理機能２５とを有している。又、データベース部３０には、処理部２０による後述する処理に使用する健常者画像データベース３１及び標準脳画像を含む標準臓器画像３２等が保存されている。
【００２８】
まずは、本実施形態の関心領域決定装置に入力される標準化された脳画像、即ち標準脳画像（標準臓器画像）について、灰白質を抽出した灰白質脳画像を例に説明する。
【００２９】
予め多数の健常者及び患者からＭＲＩ脳画像を取得し、取得した各ＭＲＩ脳画像の前処理を行なっておく。具体的には、図２に脳全体とその一部を切り出したスライス画像のイメージを示すように、被検者の脳全体を含むように所定厚さのスライス状に撮像した、例えば１００〜２００枚のＴ１強調ＭＲＩ画像とする。又、各スライス画像におけるボクセル（ｖｏｘｅｌ）の各辺の長さを予め等しくなるようにスライス画像のリサンプリングを行なっておく。ここでボクセルは、「厚さ」を持つ画像の座標単位であり、２次元画像におけるピクセルに相当する。
【００３０】
このような前処理を行なった後、そのスライス画像の撮像方向や解像度が、予めシステムに設定されている条件に適合しているか否かをチェックする。撮像方向には、図２に示したａｘｉａｌ（ｔｒａｎｓｖｅｒｓｅ）：横断面の他に、図示しないｓａｇｉｔｔａｌ：矢状断面（側面からの縦切り）やｃｏｒｏｎａｌ：冠状断面（正面からの縦切り）がある。
【００３１】
以上のように、ＭＲＩ脳画像が、設定条件に適合していることが確認された場合には、位置合わせ処理を行なう。
【００３２】
この処理は、入力された脳画像を、後述する処理において、標準的な脳画像テンプレートと比較する際の精度を上げるために、線形変換（アフィン変換）によって空間的位置と角度の補正を行なっていることに相当する。
【００３３】
以上の位置合わせが終了した後、特定組織の一つである灰白質の抽出処理を行なう。
【００３４】
通常、Ｔ１強調ＭＲＩ脳画像では、神経細胞に対応する灰色の灰白質、それより明るい神経繊維に対応する白質、黒に近い脳脊髄液の３種類の組織が含まれている。そこで、痴呆性疾患の診断では灰白質組織に着目して、該組織を抽出する処理を行なう。
【００３５】
以上のように灰白質組織が抽出された脳画像に対して、画像のＳ／Ｎ比を向上させ、次の解剖学的標準化に用いるテンプレート画像とsmoothnessが等しくなるようにすることを目的として、３次元ガウシアンカーネルによって第１の画像平滑化を行なう。
【００３６】
具体的な処理としては、３次元的脳画像と、３次元ガウシアン関数の３次元的な畳み込み（コンボリューション）を行なう。これは、ｘ、ｙ、ｚ各方向における１次元の畳み込みを逐次的に行なうことで可能である。
【００３７】
以上のように灰白質脳画像のsmoothnessを調整した後、解剖学的標準化と呼ばれる処理を行なう。これは、個人の間に存在する脳画像の解剖学的な違いを吸収するために、脳全体の大きさに対する大局的な補正と、部分的な大きさに対する局所的な補正を行なうことにより、標準化された脳画像（臓器画像）を作成するものである。
【００３８】
具体的には、図３に処理の特徴を概念的に示すように、線形変換と非線形変換を用いて、標準的な灰白質脳画像テンプレートとの誤差の平方和が最小になるように画像処理を行なう。ここで用いる灰白質脳画像テンプレートは、多くの健常者から灰白質組織を抽出した脳画像から得られている平均画像である。この解剖学的標準化処理では、初めに線形変換による位置や大きさ、角度の大局的な補正を行ない、次に非線形変換によって局所的な凹凸等の形状の補正を行なう。
【００３９】
以上のように解剖学的標準化を施した灰白質脳画像（標準脳画像）に対して、第２の画像平滑化の処理を行なう。
【００４０】
これは、上記標準脳画像のＳ／Ｎ比を向上させると共に、後に比較を行なう画像群と画像のsmoothnessを等しくするための処理であり、前記第１の平滑化と同様に３次元ガウシアンカーネルを使用して行なう。
【００４１】
以上のように第２の画像平滑化を行なった標準脳画像に対して、濃度値補正を行なう。ここでは、ボクセルを単位とした画素値に相当するボクセル濃度値の補正を行なう。
【００４２】
これは、後に比較を行なう際に標準として使用する健常者の画像群におけるボクセル値の分布に合わせる処理であり、脳全体のボクセル値を補正する。具体的には、図４に濃度値補正の特徴を示すように、全ボクセルについて以下の変換式により濃度値の補正を行なう。
【００４３】
ｘ’＝（ＭＥＡＮnormal／ＭＥＡＮsubject）・ｘ …（１）
但し、ｘ：補正前の濃度値
ｘ’：補正後の濃度値
ＭＥＡＮnormal：健常者画像群の全ボクセル濃度値の平均
ＭＥＡＮsubject：処理対象画像の全ボクセル濃度値の平均
【００４４】
以上の脳画像に対する標準化等の処理は、前記特許文献２と同様に行なうことができる。
【００４５】
次に、本実施形態において実行される、データ入力から関心領域の決定するまでの基本的な処理手順を図５に示す。
【００４６】
まず、ユーザは、統計処理が可能な数の健常者及び患者について前述した標準化処理が施されたＭＲＩ脳画像（図では“脳”を省略）群Ｄ１〜Ｄ５をデータとして入力し、所定のメモリーに保存する（ステップ０）。
【００４７】
データ入力に際しては、ステップＳ１の２群間検定処理で使用するＤ１およびＤ２と、ステップ２の統計的比較処理で使用するＤ３およびＤ４の指定を行う。ここで入力される画像群は、複数の健常者および患者の３次元画像を標準座標系に変換し、前述した位置合わせ、特定組織の抽出、平滑化などを行ってあるものとする。
【００４８】
入力方法は、図６に、２群間検定処理で用いる画像と診断性能比較で使用する画像を明確に区別した場合の、ユーザインターフェース１０の画像入力機能１２による実装例を示すように、入力する画像を２群間検定に用いるものと診断性能比較に用いるものを明確に分けた上で、それぞれ健常者と患者の振り分けを行う。但し、ユーザは健常者と患者の振り分けのみを行い、２群間検定に用いるか診断性能比較に用いるかはシステムがランダムに選択する方式としてもよい。
【００４９】
Ｄ５は、ステップ２においてＤ３およびＤ４の画像群に対して比較対照とされる健常者画像群であり、後述する図１０の左側で示される健常者群に相当する。この画像も３次元画像を標準座標系に変換させた画像である。
【００５０】
このＤ５の画像は、２群間検定処理で使用するＤ１を利用する形態としても、システムにあらかじめ実装してある図１の健常者画像データベース３１を使用する形態としてもよく、更にはステップ０におけるデータの入力時に２群間検定処理で用いる画像および診断性能比較で使用する画像とは別に入力する形態としてもよい。ただし、Ｄ１、Ｄ２、Ｄ３、Ｄ４、Ｄ５を作成するまでの過程である標準化処理およびその他の画像処理は統一することが望ましい。
【００５１】
本実施形態においては、前記ステップ０で、ユーザが健常者と患者の両方を含んでいる標準化済み臓器画像群を入力すると、入力された画像群の一部に対して、前記２群間検定機能２１により複数の有意水準に関する２群間検定処理を行ない（ステップ１）、各有意水準に対応する関心領域Ｄ７を作成する。又、入力された画像群の一部に対して、前記統計比較処理機能２２により健常者画像群との統計的比較処理を行い（ステップ２）、その統計的比較処理の結果に対して、前記関心領域内評価機能２３により複数の関心領域に関する関心領域内の評価処理を行い（ステップ３）、複数の関心領域内の評価処理結果に関して、前記診断性能算出機能２４により関心領域内診断性能算出処理を行い（ステップ４）、前記重畳画像作成処理機能２５によりある有意水準の関心領域と、データベース部３０から読み出した標準臓器画像との重畳画像を作成する処理を行い（ステップ５）、ユーザインターフェース１０の関心領域確認機能１１により、作成された標準臓器画像と関心領域の重畳画像および有意水準別の関心領域内診断性能が画面表示される（ステップ６）。
【００５２】
ユーザは、その表示を見ながら関心領域が決定するまで（ステップ７）、有意水準の入力を行い（ステップ８）、入力された有意水準に対応してステップ５で作成され、ステップ６で画面上に繰り返し表示される画像を確認することにより、関心領域を決定することができるようになっている。
【００５３】
このフローチャートでステップ１〜５の各処理は、コンピュータからなる前記画像・統計処理部２０においてプログラムにより実施可能になっている。
【００５４】
上記図５の基本的処理フローについて、以下に詳細に説明する。
【００５５】
疾患別に設定される関心領域（疾患特異的関心領域）を、入力された健常者画像群Ｄ１と患者画像群Ｄ２を用いて、ステップ１の２群間検定により作成する。
【００５６】
関心領域は、次の統計的解析処理により作成される。例えば、ある特定の疾患の関心領域を作成するためには、図７にイメージを示すように、ある疾患の患者画像群と健常者画像群（図では“画像”を省略）とについて、ボクセル単位で２群間の有意差を統計的に検定する２標本ｔ検定を行なうことにより求める。この検定によって有意差が認められたボクセルを、その疾患における特徴的なボクセルとみなし、その座標の集合をその疾患に対応する関心領域とする。
【００５７】
このｔ検定により算出されるｔ値は、２群の分散が等しい場合は次の式により求められる。
【００５８】
【数１】
【００５９】
なお、２群の等分散性が疑わしい場合は、Welchの方法によるｔ検定を行ってもよい。
【００６０】
関心領域の決定をｔ値で行ってもよいが、より一般的なｐ値による表現を使用してもよい。ｔ値とｐ値の関係は、自由度と検定の手法によって多少変化するが、ｔ値が大きくなるとｐ値も大きくなるという関係は変わらない。このことについては、T.D.V.Swinscow（著）, M.J.Campbell（著）, 折笠 秀樹（監訳）「はじめて学ぶ医療統計学, 総合医学社, 71-87, 2003.」に詳しい。
【００６１】
自由度は、健常者群の人数をＮ１、患者群の人数をＮ２とした場合、Ｎ１＋Ｎ２−２で与えられる。例えば、健常者が８人、患者が８人の場合の自由度は１４となる。
【００６２】
検定の手法には、両側検定と片側検定とがある。通常は両側検定を採用するが、健常者と患者の画像において同一座標のボクセルのボクセル値が、常に一方が低い値であることがわかっている場合には片側検定を採用してもよい。
【００６３】
図８には、自由度１４のｔ分布の例を示す。自由度１４において両側検定を行った場合は、５％の有意水準での棄却域は、ｔ値が−２．１４５以下および２．１４５以上である。この範囲内（図中網掛け部分）に収まっている場合は、有意水準５％で有意に差があるとされる。この有意水準がｐ値である。
【００６４】
ｔ値からｐ値を求めるときは多重検定であることを考慮した補正を行ってもよい。次に代表的な補正方法であるBonferroni補正を使用した例を示す。
【００６５】
全ボクセルの有意水準をαとする場合、各ボクセルの有意水準βはαをボクセル数で割った値とする。Bonferroni補正は、全ボクセルの有意水準をαにするために、各ボクセルの有意水準βをｐ値として使用するものである。
【００６６】
例えば、自由度が１４、ボクセル数が１０6、全ボクセルの有意水準を５％とした場合は、各ボクセルの有意水準は５×１０-6％である。この場合、各ボクセルの棄却域は、ｔ値が−１０．５１５以下および１０．５１５以上となる。
【００６７】
各ボクセルのｔ値またはｐ値の算出結果から、図９（Ａ）にイメージを示すような臓器全体についてのｔ値マップまたはｐ値マップを作成することができる。
【００６８】
図９（Ａ）に示したマップに対して、ｔ値またはｐ値が一定の閾値以上である領域を関心領域とする閾値処理を施すことにより、同図（Ｂ）にイメージを示すような関心領域Ｄ７が作成される。
【００６９】
診断性能比較をグラフで表示するため、複数種類の閾値について関心領域Ｄ１を作成する。例えば、ｐ値の場合は対数間隔で１０パターン等といったものにする。
【００７０】
上記閾値処理以外に、ｔ値またはｐ値が一定の値以上であるボクセルが一定の数以上繋がった領域のみを関心領域とする閾値処理を行ってもよい。
【００７１】
以上のステップ１の２群間検定処理による関心領域Ｄ７の作成と共に、同様に標準化処理が行われている複数の画像群に対して、ステップ２の統計的比較処理を行う。
【００７２】
ここでは、ステップ０において入力された標準化処理が行われているＤ３とＤ４の健常者および患者の各画像群に関して、同じく標準化処理が行われているＤ５の健常者画像群との比較処理を行う。Ｄ５の健常者画像群の年齢構成は、診断性能向上のためにＤ３およびＤ４の各画像群の年齢に近いもので構成されていることが望ましい。
【００７３】
ここで行なう統計的比較処理の具体例のイメージを図１０に示す。左側の健常者画像群はＤ５であり、右側の診断性能比較用データはＤ３又はＤ４の一つを代表させたものである。Ｄ３およびＤ４の全ての診断性能比較用画像群（データ）に関して、図１０で示されるように、健常者画像群とボクセル単位で１：Ｎ（ＮはＤ５の健常者画像の総数）の比較検定を行い、統計的に有意な差が見られる、即ち異常と推定されるボクセルを検出する。
【００７４】
そのために、まず、全てのボクセルについて、それぞれ次式で表わされるＺスコアを算出する。
【００７５】
【数２】
【００７６】
このように、Ｚスコアは、診断性能比較用画像のボクセル値と、健常者画像群の対応するボクセルのボクセル値平均との差を、標準偏差でスケーリングした値であり、これは灰白質容積の相対的低下の度合を示すものである。
【００７７】
次に、適当な臨界値Ｚ’を定め、Ｚスコアが
Ｚ’＜Ｚ …（４）
となるようなボクセルを求め、統計的に有意な差が見られるボクセルとする。臨界値には、約９５％以上の確率で異常と推定できるＺ’＝２や、低下部位を全て示すためのＺ’＝０などを用いる。
【００７８】
又、この関心領域決定システムにおいては、収集したこれらの健常者画像を、例えば５歳毎又は１０歳毎というように年代別に分類し、それぞれの群について算出した平均値と標準偏差を記憶装置に保存しておくことにより、Ｚスコアによる検定を行なうことができる。
【００７９】
又、その際には、診断性能比較者の年齢を中心とした一定の年齢幅に区切って、例えば診断性能比較者の年齢が７６歳の場合であれば、それを中心とした７４〜７８歳（幅を５歳とした）の範囲の健常者画像を収集し、比較するようにしてもよい。
【００８０】
なお、このようにＺスコアを使用する場合には、ボクセル毎に上記平均値と標準偏差のデータだけを持っていればよいので、データ作成後は画像データ自体を保存しておく必要がないという利点もある。
【００８１】
図１１は、有意水準として設定した閾値の違いによる関心領域（ＲＯＩ）Ｄ７と、ステップ３による関心領域内の評価処理を示す概念図である。
【００８２】
ここでは、まず、この図１１にイメージを示すように、閾値Ａ〜Ｃの閾値別の関心領域が用意されている場合を例として、診断性能比較者がある閾値Ａの疾患を罹患しているか否かを判別する方法を説明する。なお、この方法に適用する各関心領域と、その判別に用いる閾値等の取得方法については後述する。
【００８３】
前記ステップ２で診断性能比較用図像（データ）を用いて統計的比較処理を行なった結果得られた、前記（４）式を満たすために異常と推定されたボクセルの脳座標上の分布であるＺスコアマップを作成し、閾値Ａに対応する関心領域について、以下の値を算出する。
【００８４】
ｋROI…関心領域部分において式（４）を満たすボクセルの数
ＭＥＡＮROI…関心領域部分において式（４）を満たすボクセルのＺスコアの平均
【００８５】
このように、閾値Ａの関心領域におけるＺスコアの平均等に基づいて罹患の程度を評価することができる。
【００８６】
次に、ステップ４の診断性能算出処理について説明する。病態識別値（カットオフ値）の決定は、その疾患について、一般的なＲＯＣ（Ｒeceiver Ｏperating Ｃharacteristic）解析によって行なう。ＲＯＣ解析とは、ある検査方法について、疾患を検出する能力を定量的に解析するための一般的な手法である。
【００８７】
各関心領域に関してＲＯＣ解析を行なってＲＯＣ曲線を求め、求められたＲＯＣ曲線について、ＲＯＣ曲線より下の面積Ａｚ（ＲＯＣ曲線を０≦ｘ≦１で積分した値）、感度＝特異度となるときの正診率とを求め、診断性能とする。
【００８８】
このＲＯＣ解析については、白石順二：診断能の評価−ＲＯＣ解析の実験方法．日本放射線技術学会誌．５５（４），３６２−３６８，１９９９．に説明がある。
【００８９】
次に、一例として、以下にｋROIをパラメータＰとし、該パラメータＰとそのカットオフ値ｃｏＰによって疾患の有無を識別する場合について、カットオフ値ｃｏＰを求める方法について説明する。
【００９０】
Ｐ＞ｃｏＰのとき陽性、Ｐ≦ｃｏＰのとき陰性となる検査を考え、多数のサンプルについて、検査による陽陰性と、実際の疾患の有無についてその組合せを調べると、図１２の表に示すような、ＴＰ（真陽性），ＦＰ（偽陽性），ＦＮ（偽陰性），ＴＮ（真陰性）の各数値が得られる。更にこれらの値から、真陽性率（ＴＰＦ：患者を正しく患者と判別した割合）、偽陽性率（ＦＰＦ：健常者を誤って患者と判定した割合）が次式のように表わされる。
【００９１】
ＴＰＦ＝ＴＰ／（ＴＰ＋ＦＮ）
ＦＰＦ＝ＦＰ／（ＦＰ＋ＴＮ）
【００９２】
ある１つのｃｏＰに対して、（ＴＰＦ，ＦＰＦ）の組が１つ求まるが、このカットオフ値をさまざまに変えることによって得られる（ＴＰＦ，ＦＰＦ）をプロットした一例が、図１３に示すＲＯＣ曲線である。
【００９３】
図１４に示す値の頻度分布から直接ＲＯＣ曲線を作成すると、この図１３のような不規則なＲＯＣ曲線が得られる。このままカットオフ値ｃｏＰを求めてもよいが、頻度分布を図１５に示すように正規分布に近似させて、図１６のようなＲＯＣ曲線にすることにより境界線を求めてもよい。なお、図１４、図１５で横軸はボクセル数又はＺスコア平均である。
【００９４】
検査においては、ＴＰＦが高く、ＦＰＦが低くなることが望ましいが、ＲＯＣ曲線においては最も左上の点がそれに対応する。この図１６で言えば、点Ｄに対応するカットオフ値を採用するのが良いということになる。
【００９５】
これを、パラメータと疾患有無の観点から考えると、パラメータが１つの場合は、図１５に示すように、疾患有りの分布と疾患無しの頻度分布とを、最も良く（誤りなく）分ける境界線が、ここで求められたカットオフ値に対応している。
【００９６】
次に、ステップ５の重畳画像作成処理について説明する。図１７は、ステップ６で関心領域確認表示を行なうユーザインターフェース１０の関心領域確認機能１１による表示例を示す概念図である。この確認機能１１は、画面左上の診断性能表示Ａ、左下の閾値の変更機能（スライダー）Ｂ、右側の画像表示Ｃに分かれている。
【００９７】
この例ではスライダーＢを操作することにより、ｐ値およびｔ値が変更され、画像表示Ｃが対応する関心領域の状態に更新される。
【００９８】
診断性能表示Ａにはｐ値と正診率の関係がグラフで表示され、スライダーＢで選択されているｐ値に対応した正診率を確認できるようになっている。
【００９９】
有意水準を表わす閾値として、スライダーＢで選択中のｐ値とｔ値の値が表示される。但し、この値に直接入力してスライダーの状態を変更できるようにしてもよい。また、ｐ値またはｔ値に関心領域を作成していない値が指定された場合は、関心領域の作成および診断性能の算出を追加で行ったのち、診断性能表示と画像表示を更新するようにしてもよい。閾値の表示および入力方法としては、ｔ値とｐ値の両方であってもよいし、いずれか一方であってもよい。
【０１００】
又、画像表示Ｃには、標準臓器画像と関心領域の重畳画像が表示される。
【０１０１】
図１７の例では、前述した３方向の表示により、３次元の画像を確認可能とした場合である。但し、３方向の表示においてカーソル位置を変更することで別の面を表示できるようにしてもよい。
【０１０２】
３方向の表示ではなく、１方向の断面を表示してスライス位置を指定できるようにしてもよいし、投影画像を作成して脳表上で関心領域を確認できるようにしてもよく、ある方向のスライスが一覧で表示されるようにしてもよい。
【実施例】
【０１０３】
アルツハイマー型痴呆（ＡＤ）の関心領域を作成するために、ＭＲＩで患者群と健常者群の脳のＴ１強調画像を撮像し、各画像を、ＤＩＣＯＭフォーマットとして保持しておく。ＤＩＣＯＭフォーマットは、１ファイルにヘッダ部と画像データ部を含む医療画像で一般的に用いられる画像フォーマットであり、画像撮影時のパラメータや診断情報を保存しておくことができる。通常、ＤＩＣＯＭ画像ファイル１つが１枚のスライス画像の情報を有し、複数枚のＤＩＣＯＭ画像によって、３次元的な脳画像を表現する。ＤＩＣＯＭ画像はＤＩＣＯＭサーバに保管され、必要に応じて引き出すことができる。
【０１０４】
ＤＩＣＯＭ画像ファイルは複数枚によって脳全体の３次元的情報を表現するが、ＤＩＣＯＭファイルのヘッダ部のみ、及び画像データ部のみを連結した形式に変換する。
【０１０５】
脳画像の画像処理を行なうためのツールをソフトウェアに実装したものとして、ＳＰＭ（Ｓtatistical Ｐarametric Ｍapping）等が知られている。本実施例における入力画像の作成には、このＳＰＭを適用した。
【０１０６】
以上の条件の下、入力したＭＲＩ脳画像群に対して、前記図５のステップ１〜８の各処理を行なった。
【０１０７】
前述した如く、脳には組織として、灰白質、白質、脳脊髄液があるが、アルツハイマー型認知症（痴呆）の診断には、灰白質を対象とすることが有効であることが知られている。そのため、ＳＰＭを用いて、解剖学的標準化の前に脳画像から灰白質を抽出した。
【０１０８】
灰白質の抽出に使用する灰白質画像のテンプレートとしては、ＳＰＭで用いられる、１５１人の健常者画像から得られた灰白質、白質、脳脊髄液の事前生起（存在）確率を計算したもので、１ボクセルサイズが２ｍｍ四方で、ＦＷＨＭ（半値幅）＝８ｍｍのガウシアンフィルタをかけたものを用いた。
【０１０９】
解剖学的標準化では、上記健常者画像から得られた灰白質画像をテンプレートとして用いることにより標準化を行なった。
【０１１０】
また、健常者群８０例とアルツハイマー型認知症群６１例のＳＰＭによるグループ解析により、有意水準がｐ値で１０-1〜１０-13の範囲内となるように１３通りの関心領域を作成した。
【０１１１】
次いで、健常者群４１例とアルツハイマー型認知症群３０例において、個々のアルツハイマー型認知症例に対して健常者群８０例と脳局所ボクセル毎にＺ検定を行い、１３通りの関心領域における臨界値を０としたＺスコア平均値を算出した。個々の健常者に対しても、健常者群８０例との間でＺ検定を行い、同様に関心領域における臨界値を０としたＺスコア平均値を算出した。
【０１１２】
更に、１３通りの関心領域に関して、ＲＯＣ解析により診断性能を算出した。その結果、ｐ値に対する、Ａｚと正診率の関係が図１８のような結果が得られた。
【０１１３】
この図１８の結果では、ｐ値が１０-12から１０-8の場合の正診率が高い値を示している。また、ｐ値が１０-7から１０-4にかけて徐々に正診率が減少しているが、ｐ値１０-3において再び正診率が増加していることがわかった。
【０１１４】
図１９は３種類のｐ値に関しての関心領域の例であり、白い箇所が関心領域である。
【０１１５】
正診率が最も高かったｐ値は１０-12の場合であり、関心領域が海馬付近となっていた。アルツハイマー型認知症では海馬が萎縮していることが経験的に知られていることから、経験的な知識と一致していることがわかる。なお、図中ＭＮＩ座標系は、ＳＰＭで使用されている標準脳の座標系である。
【０１１６】
又、図１８に示すように、ｐ値が１０-4と１０-3では１０-3の方が高い正診率となっているが、図１９に示すとおり、後者の関心領域となる範囲が脳の外側に広くなっていることが分る。この結果からは、若年のアルツハイマー型痴呆の患者には、脳の側頭頭頂葉に萎縮が見られるという報告があり、その点と関係があるのではないかということが示唆される。
【０１１７】
以上のように、複数のｐ値を有意水準とした関心領域どうしを比較することは有効であり、本実施形態のように図１７のようなユーザインタフェースを採用することにより、その比較を容易に可能とすることができる。
【０１１８】
図１８、図１９のような例の場合、図１７に示すユーザインタフェースを使用する手順としては、次のような流れが考えられる。
【０１１９】
前記図５のフローチャートでステップ４が終了した後、ステップ５において、Ｄ６の標準臓器画像と、Ｄ７の複数種類作成された関心領域のうちステップ８で有意水準（閾値）として入力されたｐ値に対応する関心領域との重畳画像が作成される。ただし、ｐ値の初期値としては、一例として最も正診率が高くなる１０-12が採用される。
【０１２０】
初期値であるｐ値が１０-12に対応する関心領域と標準臓器画像の重畳画像が作成された後ち、ステップ６において図１７に示すような関心領域確認表示が実行される。診断性能表示Ａには、図１８に示すグラフが表示され、スライダーＢはｐ値１０-12を指し示す。その際、画像表示Ｃには、標準臓器画像と、図１９のｐ値１０-12の関心領域との重畳画像が表示され、海馬付近に関心領域が生成されたことをユーザが確認できる。
【０１２１】
又、ステップ７の分岐により、関心領域を決定する前に、ユーザは図１８に示す診断性能表示のグラフの形状から、ｐ値が１０-4と１０-3の場合の関心領域の形状の確認を実施したいと考え、ステップ８の手順としてスライダーＢを１０-4に移動させる。
【０１２２】
すると、ステップ５の重畳画像作成処理の後、ステップ６の関心領域確認表示における画像表示Ｃがｐ値１０-4の場合に切り替わる。更に、ｐ値が１０-3の関心領域も確認するため、ステップ８の手順としてユーザによりスライダーＢがｐ値１０-3に変更され、Ｓ５の重畳画像作成処理後、ステップ６による画像表示がｐ値１０-3の場合に切り替わる。
【０１２３】
この操作の後、ユーザはステップ７の分岐により、関心領域は最初に確認したｐ値１０-12の場合が最適であるとして、それを関心領域とすることに決め、関心領域の決定作業を終了する。
【０１２４】
このように、２群間検定を用いて関心領域を作成する場合、複数の有意水準を設定したそれぞれの場合における関心領域の形状と正診率の情報が、関心領域を作成する上での重要な支援情報であることがわかる。
【０１２５】
以上、本発明について具体的に説明したが、本発明は、前記実施形態に示したものに限られるものでなく、その要旨を逸脱しない範囲で種々変更可能である。
【０１２６】
例えば、前記実施形態では、脳画像について説明したが、心臓や肺等の他の臓器画像を対象としてもよいことはいうまでもない。
【図面の簡単な説明】
【０１２７】
【図１】本発明に係る一実施形態の関心領域決定装置の概要を示すブロック図
【図２】脳のスライス画像とボクセルの特徴を模式的に示す概念図
【図３】解剖学的標準化の特徴を模式的に示す概念図
【図４】ボクセル濃度値の補正処理の特徴を示す概念図
【図５】本実施形態による関心領域決定の基本処理フローを示すフローチャート
【図６】画像入力機能を示す概念図
【図７】２群間検定処理の特徴を示す概念図
【図８】ｔ分布の特徴を示す概念図
【図９】２群間検定処理結果データに対する閾値処理の概念図
【図１０】ボクセル毎の比較検定の特徴を示す概念図
【図１１】関心領域内の評価処理の特徴を示す概念図
【図１２】検査の陽陰性と疾患の有無の関係を示す図表
【図１３】ＲＯＣ曲線の一例を示す線図
【図１４】標本の頻度分布と閾値の関係を示す概念図
【図１５】正規化された頻度分布頻度分布と閾値の関係を示す概念図
【図１６】正規化されたＲＯＣ曲線の一例を示す線図
【図１７】関心領域確認表示器脳を示す概念図
【図１８】閾値と診断性能の関係を示す線図
【図１９】閾値と関心領域との関係を示す説明図
【符号の説明】
【０１２８】
１０…ユーザインタフェース
２０…画像・統計処理部
３０…データベース部
【特許請求の範囲】
【請求項１】
標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に２群間検定処理を行なって、複数の有意水準に対応する関心領域をそれぞれ作成する２群間検定機能と、
標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に統計的比較処理を行なって、統計的に有意な差があるボクセルを検出して診断用比較結果を作成する統計的比較処理機能と、
前記有意水準に対応する複数の関心領域内の診断用比較結果をそれぞれ評価する関心領域内評価機能と、
前記有意水準に対応する複数の関心領域に関して、該関心領域内の評価結果を基に診断性能をそれぞれ算出する診断性能算出機能と、
前記有意水準に対応する複数の関心領域と標準臓器画像との重畳画像を作成し、対応する診断性能と併せて画面上に表示させる重畳画像作成処理機能と、
前記有意水準を設定変更する機能とを有していることを特徴とする関心領域決定装置。
【請求項２】
前記有意水準を、ｐ値及びｔ値の少なくとも一方で設定することを特徴とする請求項１に記載の関心領域決定装置。
【請求項３】
前記統計的比較処理を、関心領域を構成するボクセルのＺスコアを算出して行なうことを特徴とする請求項１に記載の関心領域決定装置。
【請求項４】
前記関心領域内の評価を、該関心領域内の全ボクセルのＺスコアの平均値、及び、統計的に有意な差があるボクセルの数の少なくとも一方を算出して行なうことを特徴とする請求項３に記載の関心領域決定装置。
【請求項５】
前記診断性能を、ＲＯＣ解析により行なうことを特徴とする請求項１に記載の関心領域決定装置。
【請求項６】
前記ＲＯＣ解析により算出される診断性能を、設定される有意水準に対応する正診率、及び、前記ＲＯＣ解析により得られるＲＯＣ曲線を０≦ｘ≦１で積分した値を表わすＡｚの少なくとも一方のグラフとして画面表示することを特徴とする請求項５に記載の関心領域決定装置。
【請求項７】
請求項１乃至６に記載の関心領域決定装置をコンピュータで実現するためのコンピュータ読取可能なプログラム。
【請求項８】
請求項７に記載のプログラムが格納された記録媒体。
【請求項１】
標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に２群間検定処理を行なって、複数の有意水準に対応する関心領域をそれぞれ作成する２群間検定機能と、
標準化された健常者臓器画像群と患者臓器画像群とをボクセルを単位に統計的比較処理を行なって、統計的に有意な差があるボクセルを検出して診断用比較結果を作成する統計的比較処理機能と、
前記有意水準に対応する複数の関心領域内の診断用比較結果をそれぞれ評価する関心領域内評価機能と、
前記有意水準に対応する複数の関心領域に関して、該関心領域内の評価結果を基に診断性能をそれぞれ算出する診断性能算出機能と、
前記有意水準に対応する複数の関心領域と標準臓器画像との重畳画像を作成し、対応する診断性能と併せて画面上に表示させる重畳画像作成処理機能と、
前記有意水準を設定変更する機能とを有していることを特徴とする関心領域決定装置。
【請求項２】
前記有意水準を、ｐ値及びｔ値の少なくとも一方で設定することを特徴とする請求項１に記載の関心領域決定装置。
【請求項３】
前記統計的比較処理を、関心領域を構成するボクセルのＺスコアを算出して行なうことを特徴とする請求項１に記載の関心領域決定装置。
【請求項４】
前記関心領域内の評価を、該関心領域内の全ボクセルのＺスコアの平均値、及び、統計的に有意な差があるボクセルの数の少なくとも一方を算出して行なうことを特徴とする請求項３に記載の関心領域決定装置。
【請求項５】
前記診断性能を、ＲＯＣ解析により行なうことを特徴とする請求項１に記載の関心領域決定装置。
【請求項６】
前記ＲＯＣ解析により算出される診断性能を、設定される有意水準に対応する正診率、及び、前記ＲＯＣ解析により得られるＲＯＣ曲線を０≦ｘ≦１で積分した値を表わすＡｚの少なくとも一方のグラフとして画面表示することを特徴とする請求項５に記載の関心領域決定装置。
【請求項７】
請求項１乃至６に記載の関心領域決定装置をコンピュータで実現するためのコンピュータ読取可能なプログラム。
【請求項８】
請求項７に記載のプログラムが格納された記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図１０】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図７】
【図８】
【図９】
【図１１】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図１０】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図７】
【図８】
【図９】
【図１１】
【図１９】
【公開番号】特開２００８−２３７７４７（Ｐ２００８−２３７７４７Ａ）
【公開日】平成２０年１０月９日（２００８．１０．９）
【国際特許分類】
【出願番号】特願２００７−８５７３７（Ｐ２００７−８５７３７）
【出願日】平成１９年３月２８日（２００７．３．２８）
【出願人】（０００００２８９７）大日本印刷株式会社 (14,506)
【Ｆターム（参考）】
【公開日】平成２０年１０月９日（２００８．１０．９）
【国際特許分類】
【出願日】平成１９年３月２８日（２００７．３．２８）
【出願人】（０００００２８９７）大日本印刷株式会社 (14,506)
【Ｆターム（参考）】
[ Back to top ]