图像处理装置、图像处理方法以及程序与流程

本发明涉及对脑的核医学图像进行图像处理的技术，特别涉及求出作为纹状体中多巴胺转运体的特异性结合的定量指标的SBR(Specific Binding Ratio：特异性结合率)的技术。

背景技术：

多巴胺转运体在存在于脑纹状体内的黑质纹状体多巴胺神经的末梢部高度表达。由于已知在帕金森病、路易氏体型失智症中该表达量下降，所以在对这些疾病的诊断中，通过利用¹²³I-氟潘(¹²³I-ioflupane)、¹⁸F-DOPA这类放射性药剂的PET或SPECT检查，来进行对多巴胺转运体脑内分布的评价。

如果仅对SPECT图像进行视觉判定的话，会因读图人员的经验等而造成判定偏差，所以在诊断中加入定量指标是被推荐的，作为¹²³I-氟潘在纹状体中的特异性结合的定量指标，SBR(Specific Binding Ratio)已在被使用。其中，通过(由特异性结合导致的放射能)/(由非特异性结合导致的放射能)来求出SBR。

但是，已知的是，纹状体的容积在没有萎缩的正常例中通常也为11ml左右，考虑到SPECT图像的空间分辨率，会受到部分容积效应的影响。在对纹状体设定了较小的ROI(Region Of Interest：关注区域)的情况下，因部分容积效应导致纹状体ROI的计数值减小，发生定量指标的变差·变化。另外，作业人员间的再现性缺乏也成为问题。作为弥补这些缺点的方法，提案了Bolt法，所述Bolt法使用以纹状体为中心具有一定厚度(44mm)的断层图像，并以纹状体为中心设定稍大的ROI(非专利文献1)。

现有技术文献

非专利文献

非专利文献1:Tossici-Bolt L等“Quantification of[123I]FP-CIT SPECT brain images:an accurate technique for measurement of the specific binding ratio.”Eur J Nucl Med Mol Imaging.2006；33:1491-9.

技术实现要素：

发明要解决的问题

在脑内，有存在脑脊髓液(CSF：cerebrospinal fluid)的脑室、脑沟，由于¹²³I-氟潘无法进入其中，所以不能得到放射线的计数值。在Bolt法中，以纹状体为中心设定稍大的ROI，但由于脑室、脑沟被包括在该ROI或作为参照区域使用的背景ROI之中，所以会对SBR的值造成影响。即使在不使用Bolt法的情况下，以参照区域为中心，脑室或脑沟被包括进去，认为这也会对BP(Binding Potential：结合潜能)或SBR的算出造成影响。

尽管还存在为消除上述影响而使用MRI等其他拍摄结果、生成除去了脑室脑沟的遮罩(mask)再与SPECT图像重合的方法，但这不仅需要用于拍摄MRI等的设备，而且用于遮罩作成处理的数据操作、处理的繁琐度也成为问题。

因此，本发明的目的在于提供一种能够仅使用核医学图像数据、并且消除脑室、脑沟的影响的装置和方法。

用于解决问题的手段

本实施方式的图像处理装置具备：图像数据取得部，取得脑的核医学图像数据；脑区域ROI设定部，在所述核医学图像上设定脑区域ROI；纹状体ROI设定部，在所述核医学图像上设定包含纹状体的纹状体ROI；以及阈值决定部，基于从所述脑区域ROI除去所述纹状体ROI得到的核医学图像背景的计数值，决定用于判别出所述核医学图像中的脑室和脑沟的阈值，所述图像处理装置在所述核医学图像中判别出计数值为所述阈值以下的区域和比所述阈值大的区域。

由此，通过使用从脑区域ROI除去纹状体ROI而得到的背景部分的计数值，能够决定出仅根据核医学图像数据即可判别出脑室和脑沟的适当的阈值，判别出计数值为阈值以下的区域(即，脑室和脑沟的区域)，从而有效地消除脑室和脑沟的影响。

或者，本实施方式的图像处理装置也可以是下述这样的，其具备直方图生成部，所述直方图生成部求出所述背景的每个单位区域的计数值并生成直方图，所述直方图中，横轴为计数值的等级，纵轴为与所述等级对应的单位区域的频数，所述阈值决定部将所述直方图高斯拟合并正态分布化，并基于正态分布的中央值或标准偏差中的至少一者来决定所述阈值。作为一例，可以利用所述正态分布的中央值-标准偏差×规定的系数来决定阈值，在这里，可以将所述规定的系数设为1。通过该构成，能够决定出适当的阈值。需要说明的是，在单位区域为各个像素的情况下，SPECT图像数据可按原样使用。

或者，本实施方式的图像处理装置也可以是下述这样的，其具备直方图生成部，所述直方图生成部求出所述背景的每个单位区域的计数值并生成直方图，所述直方图中，横轴为计数值的等级，纵轴为与所述等级对应的单位区域的频数，所述阈值决定部将下述等级的计数值决定为阈值，所述等级是比最大频数乘以规定的系数得到的值小的频数所对应的等级，且是比提供所述最大频数的等级小的等级。通过该构成，能够简单地决定阈值。

本实施方式的图像处理装置还可以具备下述这样的计算部，所述计算部使用计数值比所述阈值大的区域的数据来计算表示放射性药品的特异性结合的指标。在这里，作为表示放射性药品的特异性结合的指标，可使用BP(Binding Potential)或SBR(Specific Binding Ratio)。

本实施方式的图像处理方法是脑的核医学图像数据的图像处理方法，所述方法包括下述步骤：图像处理装置取得脑的核医学图像数据的步骤；所述图像处理装置在所述核医学图像上设定脑区域ROI的步骤；所述图像处理装置在所述核医学图像上设定包含纹状体的纹状体ROI的步骤；所述图像处理装置基于从所述脑区域ROI除去所述纹状体ROI得到的核医学图像背景的计数值，决定用于判别出所述核医学图像中的脑室和脑沟的阈值的步骤；以及在所述核医学图像中判别出计数值为所述阈值以下的区域和计数值比所述阈值大的区域的步骤。对于本发明的图像处理方法中决定具体阈值的方法，也适用针对上述图像处理装置说明的构成。另外，还可以使用通过本发明的图像处理方法判别出的、计数值比阈值大的区域的数据，来计算表示放射性药品的特异性结合的指标。在优选的方案中，作为表示放射性药品的特异性结合的指标，可采用BP(Binding Potential)或SBR(Specific Binding Ratio)。

本实施方式的程序是使计算机执行上述图像处理方法的程序。另外，记录有本实施方式的程序的记录介质是记录有使计算机执行上述图像处理方法的程序的记录介质。

附图说明

图1是表示第一实施方式的图像处理装置的构成的图。

图2是表示包含纹状体的纹状体ROI的例子的图。

图3A是表示背景的计数值的直方图的例子的图。

图3B是表示对直方图进行了高斯拟合的例子的图。

图4是表示第一实施方式中的阈值决定手段的图。

图5是表示图像处理程序的例子的图。

图6是表示第一实施方式的图像处理装置的工作的图。

图7A是表示背景的计数值的直方图的例子的图。

图7B是表示第二实施方式中的阈值决定手段的图。

图8是表示根据背景绘制的直方图及其正态分布的图。

图9A是表示未除去脑室和脑沟的影响而求出的SBR与SBR的真实值的比较结果的图。

图9B是表示用本发明的方法求出的SBR与SBR的真实值的比较结果的图。

具体实施方式

以下，参照附图，说明本发明实施方式的图像处理装置。此外，下面记载的例子仅为优选方案的例示，并不用于限定发明的内容。

(第一实施方式)

图1是表示本发明第一实施方式的图像处理装置1的构成的图。图像处理装置1具有：图像数据取得部10(取得脑的SPECT图像数据)、控制部11(处理SPECT图像数据并判别出脑室和脑沟区域，计算出作为纹状体中特异性结合的定量指标的SBR)、以及输出部12(输出计算结果)。

在本例中使用的SPECT图像数据是通过利用¹²³I-氟潘的SPECT检查得到的图像数据。其是使用专用的γ照相机对从¹²³I-氟潘放出的放射线加以检测、并将其分布图像化而得到的图像数据。各个像素具有体现为放射线数量的计数值。

在优选的方案中，控制部11具有脑区域ROI设定部13、纹状体ROI设定部14、直方图生成部15、阈值决定部16、区域判别部17以及SBR计算部18。

脑区域ROI设定部13在SPECT图像上确定并设定脑区域存在的区域。作为设定脑区域ROI的方法，例如有由用户利用鼠标或记录笔等以将脑实质围起来的形式手动进行设定的方法、基于利用阈值法决定的图像轮廓来进行设定的方法等。在基于图像轮廓来进行设定的情况下，既可以将该图像轮廓本身设定为脑区域ROI，也可以设定为由从该轮廓起数个像素(实际上为20mm左右)内侧的像素所画出的区域。另外，还有设定为由包含脑实质在内的圆或椭圆等规定形状的图形所画出的脑区域ROI的方法。在该情况下，优选地，脑区域ROI不从脑实质超出。

如图2所示，纹状体ROI设定部14在脑的SPECT图像中将包含纹状体的规定区域设定为纹状体ROI。在本说明书中，将在SPECT图像数据中从脑区域ROI除去纹状体区域得到的区域称为“背景(B.G.)”。需要说明的是，SBR计算部18当然只是例示，其只要具有算出表示放射性药品的特异性结合的指标的功能即可。采用SBR计算部这一用语的意图仅为：通过示出代表性的计算值，而使得发明内容易于被理解。

直方图生成部15生成背景的计数值的直方图。图3A是表示直方图生成部15生成的直方图的例子的图。直方图的横轴是计数值的等级，纵轴是具有该等级的计数值的像素的数量。尽管在此以像素为单位来求出频数，但也可以不是以一个像素为单位，而是求出以一定区域(例如2×2像素这样的区域)为一个单位的情况下每个等级的频数。

阈值决定部16具有基于直方图来决定阈值的功能。在优选的方案中，阈值决定部16首先将直方图高斯拟合并求出正态分布。图3B是表示对图3A所示的直方图进行了高斯拟合的例子的图。接着，如图4所示，阈值决定部16从正态分布的中央值减去标准偏差来决定阈值。该阈值是用于将仅为该阈值以下的计数值的区域视为脑室或脑沟的阈值。区域判别部17将计数值为阈值以下的区域判别为脑室或脑沟的区域，将计数值比阈值大的区域判别为除此以外的区域。

SBR计算部18除去由区域判别部17判别的上述阈值以下的区域(即，脑室和脑沟的区域)的数据并计算SBR。除了要除去使用上述阈值判断为脑室和脑沟的部分的数据以外，SBR的计算与以往的方法相同。即，用以下的式(1)求出。

SBR＝(ROI平均计数-B.G.平均计数)/B.G.平均计数…(1)

图像处理装置1由具备CPU、RAM、ROM、显示器、键盘、鼠标以及通信接口等的计算机构成。通过将用于计算SBR的程序预先存储在ROM中，且CPU从ROM读出程序并执行，由此计算机基于SPECT图像数据进行SBR的计算。

图5是表示存储在ROM中的图像处理程序20的例子的图。图像处理程序20具有：脑区域ROI设定模块21、纹状体ROI设定模块22、直方图生成模块23、阈值决定模块24、区域判别模块25以及SBR计算模块26。通过使计算机执行程序20，各模块21～26实现上述控制部11的各功能。需要说明的是，此处是对存储在ROM中的图像处理程序20进行了说明，但也可以通过将图像处理程序记录在计算机可读取记录介质中、由计算机读取记录介质并执行，从而实现在本实施方式中说明的图像处理。另外，还可采用通过通信线路将图像处理程序下载进计算机的构成。

图6是表示图像处理装置1的工作的流程图。图像处理装置1首先取得SPECT图像数据(S10)。图像处理装置1既可以直接从SPECT装置取得SPECT图像数据，也可以从存储有SPECT图像数据的数据库取得SPECT图像数据。

接着，图像处理装置1在SPECT图像中设定脑区域ROI(S11)，以及针对包含纹状体的区域设定纹状体ROI(S12)，并且，生成从脑区域ROI除去纹状体ROI得到的区域(背景)的计数值的直方图(S13)。接着，图像处理装置1将直方图高斯拟合并正态化，将从其中央值减去标准偏差得到的值决定为阈值(S14)。

接着，图像处理装置1在SPECT图像中判别出计数值为阈值以下的区域，生成用于除去该区域的遮罩(mask)(S15)。即，使得计数值为阈值以下的区域作为此后的计算对象排除部分。图像处理装置1使用遮罩部分的数据，求出纹状体ROI的平均计数和背景的平均计数，利用上述式(1)计算SBR(S16)。图像处理装置1输出计算得到的SBR(S17)。

以上，对本发明第一实施方式的图像处理装置1和图像处理方法进行了说明。第一实施方式的图像处理装置1通过使用背景的计数值来求出阈值，由此能够仅使用SPECT图像数据，求出用于判别出脑室和脑沟的适当的阈值。然后，能够使用该阈值消除脑室和脑沟的影响来求出SBR。

需要说明的是，在本实施方式中利用中央值-标准偏差求出阈值，但也可以从中央值减去将标准偏差乘以规定的系数得到的值来求出阈值。优选地，以下述方式来决定该规定的系数，所述方式是使得SBR最接近于利用规定的方法求出的真实值的方式。

(第二实施方式)

接着，对本发明第二实施方式的图像处理装置进行说明。第二实施方式的图像处理装置的基本构成与第一实施方式的图像处理装置1相同，但第二实施方式的图像处理装置的用于判别出脑室和脑沟的阈值的求出方法与第一实施方式不同。

图7A和图7B是用于说明第二实施方式中的阈值的求出方法的图。如图7A所示，在第二实施方式中，在直方图中，求出最大频数。接着，将该最大频数乘以规定的系数。在本实施方式中，乘以0.05。在图7A所示的例子中，最大频数为2500，将其乘以0.05，求得结果为125。阈值决定部16将频数为125以下的等级的计数值决定为阈值。需要说明的是，虽然在计数值较大的等级中也存在有频率为125以下的等级，但阈值将从较小的等级中选择。也就是说，选择比提供最大频数的等级小的等级。更具体而言，从最大频数的等级起按顺序观察其下面的等级，将最初成为125以下的等级的计数值作为阈值。

第二实施方式的图像处理装置也具有下述效果，即，仅根据SPECT图像数据就能够判别出脑室和脑沟的区域，并能够求出消除了脑室和脑沟的影响的SBR。另外，由于第二实施方式的图像处理装置可以不进行高斯拟合，所以处理较简单。

实施例

接着，示出：通过仅使用SPECT图像数据计算SBR的本发明的方法，得到接近真实的SBR的值。

(SBR的真实值)

根据MR图像作成脑实质遮罩，并将计算出的SBR的值作为与本发明的方法进行比较的对象的真实值。真实值用以下步骤求出。

1.将SPECT图像的位置与MR图像匹配。

2.使用SPM(Statistical Parametric Mapping：统计参数图)，从MR图像抽取灰白质和白质。

3.将灰白质和白质相加，并用阈值50％进行二值化。

4.将二值化数据作为遮罩。

5.仅对SPECT图像数据的遮罩部分进行计算。求出SBR。

(无遮罩的SBR)

为了验证脑室和脑沟给SBR造成何种程度的影响，不利用上述遮罩图像，而是利用在SPECT图像上设定的纹状体ROI(和背景)数据直接求出SBR。将求出的SBR与真实值比较。需要说明的是，各ROI的设定使用AZE VirtualPlace Falcon(株式会社AZE制，药事认证编号：22000BZX00379000)上搭载的“脑统计分析包”中的“DaTView”来进行。

(用本发明求出的SBR)

利用在上述第一实施方式中说明的方法求出SBR。

图8示出了针对所用的病例之一、使用在第一实施方式中说明的方法求出的背景的计数值的直方图。对该直方图进行正态化，得到了中央值为51.65、标准偏差为13.52的正态分布。从正态分布的中央值减去标准偏差而将阈值决定为38.03。将计数值为该阈值以下的区域设为计算对象排除部分，求出SBR的值。在本例中，针对所用的每个病例进行上述处理，分别决定阈值。

(比较结果)

图9A是对未使用遮罩图像而是使用在SPECT图像上设定的纹状体ROI(和背景)数据求出的SBR与SBR的真实值加以比较的图表。图表的纵轴表示未使用遮罩图像而是使用在SPECT图像上设定的纹状体ROI(和背景)数据求出的SBR，横轴表示SBR的真实值。如图9A所示，未使用遮罩求出的SBR尽管可被认为与真实值具有较高的相关性，但其呈现出约20％的过高评价。

图9B是对使用本发明的方法求出的SBR与SBR的真实值加以比较的图表。如图9B所示，得到的直线的斜率大致为1，并且显示出通过使用本发明的方法，能够得到非常接近真实值的结果。

产业上的可利用性

本发明能够仅根据核医学图像数据而判别出脑室和脑沟的区域，对SPECT图像的图像处理是有用的。

附图标记的说明

1 图像处理装置

10 图像数据取得部

11 控制部

12 输出部

13 脑区域ROI设定部

14 纹状体ROI设定部

15 直方图生成部

16 阈值决定部

17 区域判别部

18 SBR计算部

20 SBR计算程序

21 脑区域ROI设定模块

22 纹状体ROI设定模块

23 直方图生成模块

24 阈值决定模块

25 区域判别模块

26 SBR计算模块