图像分析装置、图像分析方法以及图像分析程序与流程

1.本发明涉及根据由医用摄像装置取得的图像来提示疾患等诊断指标的图像分析装置，特别涉及在痴呆症的判定中将重要的脑的异常作为指标来进行提示的技术。


背景技术：

2.在各种疾患的诊断中，x射线摄像装置、ct装置、超声波摄像装置、mri装置等医用摄像装置作为有效的手段而被广泛利用。关于诊断，医生通过确认从这些医用摄像装置取得的检查对象的图像来进行诊断，但还有时进一步测量在图像中映出的组织的形状的变化，并将测量出的值作为指标来进行诊断。因此，还开发了如下技术：在医用摄像装置或从其接受到图像数据的图像处理装置中，进行测量来输出诊断指标。在装置中进行测量的情况下，例如在显示装置显示包含成为对象的组织的图像，医生、技师等(以下称作用户)对所显示的图像经由输入单元输入要测量的位置等信息，装置接受该信息，算出测量值并提示结果。
3.此外，还提出如下技术：省去用户进行输入的精力和时间，从多个截面自动判断要作为测量的对象的区域(roi)，并算出测量值(专利文献1等)。在专利文献1记载的技术中，在自动决定roi的情况下，为了消除摄像对象的个体差异所导致的测量的偏差，对对象组织(这里是脑)进行解剖学的标准化，将分配在标准脑上的解剖学的区域的数据作为roi的候补进行提示。
4.现有技术文献
5.专利文献
6.专利文献1：jp特开2019-74343号公报
7.但对于诊断用图像来说，例如根据摄像装置的模式(modality)的差异，若是mri装置则根据摄像条件(摄像参数)的差异，图像的分辨率、对比度显著不同，因此，仅凭借解剖学上的标准化，难以对画质不同的各种图像确保测量截面、测量位置的决定的精度。
8.近年来，与痴呆症和伴有与其类似的症状的脑疾患的脑观察结果相关的研究在推进，从各种脑观察结果诊断痴呆症的过程正在明确化。作为其一，有正常压力脑积水症，正常压力脑积水症中所含的二次性正常压力脑积水症(snph)以及突发性正常压力脑积水症(inph)难以与痴呆症识别来进行诊断，且作成通过图像诊断对其进行诊断时的引导线。对inph的引导线能举出埃文斯指数(evans index)、胼胝体角等指标、具有desh观察结果的无症状性脑室扩大等。埃文斯指数(evans index)将两侧侧脑室前角间最大宽度与该部位处的颅骨内腔宽度的比是否超过0.3作为inph的诊断指标。此外，关于胼胝体角，穿过后连合且与前连合-后连合垂直的mri冠状截面处的胼胝体角陡峭(90度以下)这一点成为能判别为阿尔茨海默型痴呆症的诊断指标。desh观察结果是伴有蛛网膜下腔的不均衡的扩大的高位穹窿部的极小化，由于其高的灵敏度和特异度而成为能判别为阿尔茨海默型痴呆症的诊断指标。
9.在医生从图像测量并算出这样的诊断指标的情况下，对应于诊断指标，使用适合
的模式的图像、对比度的图像。例如在mr图像的情况下，埃文斯指数使用将脑脊液描绘为最高信号域或最低信号域的t2强调图像、flair图像，胼胝体角优选使用t1强调图像。因此，若要从所输入的诊断图像自动进行测量，就需要准备与指标相应的诊断图像，成为巨大的负担。
10.此外，这些指标由于是根据脑的微细的形状的测量值算出的，因此有可能由于测量截面(切片位置)的微小的差异而值大幅不同，因而选择合适的切片位置是极其重要的。但很难选择出合适的测量截面(切片位置)，即使在医师进行测量的情况下，也难以决定仅通过一个冠状截面(cor截面)就可测定胼胝体角的合适的截面。关于其他指标也同样，难以针对年龄、症状等不同的被检体来决定合适的截面。


技术实现要素：

11.本发明的课题在于，提供即使是模式、机种、摄像条件不同的图像也能精度良好地进行组织的测量的图像分析装置以及方法。
12.为了解决上述课题，本发明进行包含对比度的图像的标准化以及区域切分，并且基于切分出的区域的关注组织的特征，来决定与确定了对于测量给定的指标来说是合适的这一情况的测量截面最一致的测量截面，在该测量截面中进行成为指标的测量值的算出。
13.即，本发明的图像分析装置具备：图像接受部，输入诊断图像和该诊断图像的摄像条件；图像标准化部，将诊断图像标准化；区域切分部，对由图像标准化部进行了标准化的诊断图像提取关注组织的区域；切片位置决定部，基于区域切分出的关注组织的特征来决定标准化后的诊断图像中的切片位置；测量部，在切片位置决定部所决定的切片位置进行关注组织的测量；和指标算出部，使用测量部测量出的关注组织的测量值来算出指标。区域切分部根据诊断图像的摄像条件来进行区域切分，使得切分出的区域的像素值成为预先确定的标准的像素值(标签)。
14.此外，本发明的图像分析方法输入诊断图像来算出特定的疾患的指标，该图像分析方法包括：输入诊断图像和该诊断图像的摄像条件的步骤；将诊断图像标准化的图像标准化步骤；对进行了标准化的诊断图像提取关注组织的区域的区域切分步骤；基于区域切分出的关注组织的特征来决定标准化后的诊断图像中的切片位置的步骤；在所决定的切片位置进行给定的关注组织的测量的步骤；和使用测量出的关注组织的测量值来算出指标的步骤，在区域切分步骤中，根据摄像条件进行区域切分，以使得切分出的区域的像素值成为预先确定的标准的像素值(标签)。
15.进而，本发明的图像分析程序是使计算机执行上述步骤的程序。
16.另外，在本说明书中，“截面”这样的说法包含轴向截面、冠状截面、矢状截面等截面以及给定的切片位置处的截面这两者。
17.发明效果
18.根据本发明，通过使用摄像条件进行包含画质的图像的标准化，不论模式、摄像条件的差异如何，都能进行精度良好的测量。此外，通过根据这样进行了标准化的关注组织的特征来决定切片位置，能决定对指标的算出最合适的切片位置，能防止切片位置的微小的差异所导致的指标的误测量。
附图说明
19.图1是表示医用摄像装置以及图像分析装置的结构概要的图。
20.图2是表示图像分析装置的图像处理部的功能框图。
21.图3是表示图像分析装置的处理流程的图。
22.图4是说明从脑图像进行测量的指标的图，(a)是表示测量埃文斯指数的轴向截面的图像的图，(b)是表示测量胼胝体角的冠状截面的图像的图。
23.图5是表示图像标准化处理的过程的图。
24.图6是表示切片位置决定的过程的图。
25.图7是说明切片位置决定的一个过程的详细情况的图。
26.图8是说明切片位置决定的图。
27.图9是说明变形例的指标算出的图，(a)表示轴向截面，(b)表示冠状截面。
28.附图标记说明：
29.100：图像分析装置、10：图像取入部、20：图像处理部、30：统计分析部、40：存储装置、50：ui部、210：图像信息提取部、220：图像标准化部、230：区域切分部、240：切片位置决定部、250：关注组织提取部、260：线段算出部、270：诊断指标算出部、300：医用摄像装置、500：医用图像数据库
具体实施方式
30.以下参考附图来说明本发明的图像分析装置的实施方式。
31.《实施方式1》
32.图像分析装置100如图1所示那样具有：取入由医用摄像装置300摄像到的图像的图像取入部(图像接受部)10；使用所取入的图像进行各种处理的图像处理部20；和使用大量图像进行统计上的处理的统计分析部30，还具备：存储处理所需的数据、处理结果等的存储装置40；以及具备显示作为处理结果的图像、测量值以及gui等的显示部和输入单元等的ui部50。
33.图像分析装置100可以与医用摄像装置300以及大量图像的数据库500连接。医用摄像装置300并不限于单一的装置，也可以是设于不同场所的多个装置，还可以是模式不同的多种装置。作为模式不同的装置，例如能举出mri装置、x射线摄像装置、超声波摄像装置、ct装置、pet装置等。
34.图像取入部10相当于输入诊断图像和该诊断图像的摄像条件的图像接受部，经由有线、无线、可移动介质或网络等取入成为处理对象的图像数据和其dicom信息(包含图像中附带的被检体信息、摄像条件在内的各种信息)，并交给图像处理部20或统计分析部30。
35.图像处理部20主要对成为测量对象的图像(测量图像)进行图像的标准化、组织的分割(segmentation)、切片位置的决定、给定的测量、指标的算出等处理。因此，图像处理部20如图2所示那样具有：从由图像取入部10取入的数据提取图像信息的图像信息提取部210；进行诊断图像的标准化的图像标准化部220；对进行了标准化的诊断图像提取关注组织的区域的区域切分部230；基于区域切分出的关注组织的特征来决定所述标准化后的诊断图像中的切片位置的切片位置决定部240；在切片位置决定部所决定的切片位置进行关注组织的测量的测量部(在此是关注组织提取部250以及线段算出部260)；使用测量部测量
出的关注组织的测量值来算出指标的诊断指标算出部(以下称作指标算出部)270。
36.统计分析部30对包含由图像处理部20进行了处理的图像在内的大量图像进行指标的统计上的处理、标准的图像的作成。在本实施方式中，图像处理部20选择或作成对测量图像选择切片位置时所参考的标准图像。
37.上述的图像分析装置100的主要要素能构建在具备存储器以及cpu或gpu的计算机(工作站)内，主要要素的功能通过计算机读入程序来实现。但图像分析装置100的一部分功能还能通过pld(programmable logic device，可编程逻辑器件)等硬件来实现。
38.接下来说明上述结构的图像分析装置100的动作的概要。在图3示出动作的流程。
39.首先，图像取入部10同图像数据一起取入dicom信息，图像信息提取部210从dicom信息提取模式(mr/ct)、2d/3d、摄像截面、对比度、fov、分辨率等信息(s1)。接着，图像标准化部220进行使根据图像而不同的fov、分辨率等图像的参数、位置与预先决定的值、位置(标准值或标准位置)相符合的处理(s2)。
40.接着，区域切分部230通过分割对标准化后的图像提取关注组织的区域(s3)。关于分割，是根据从dicom信息提取出的模式(是mr图像还是ct图像等)以及对比度信息，基于组织的像素值的差异来切分区域。这时，区域切分部230在该区域切分(区域提取)中，在进行了分割的图像中，与原图像的模式、图像种类(对比度的差异)等无关地对每个组织分配预先确定的像素值。由此，得到不依赖于原图像的对比度的对比度的分割图像。
41.接下来，切片位置决定部240使用分割图像来决定要测量的切片截面(s4)。切片位置决定部240从分割图像作成给定的关注组织的二进制图像，进行与获知了在经验上适于指标的算出的切片位置的事前标准图像的对位，并决定切片位置。事前标准图像(以下仅称作标准图像)是统计分析部30预先将从大量被检体取得的图像平均化并确定了用在指标的算出中的切片位置的图像，且由图像标准化部220标准化成用在标准化中的fov、分辨率的标准值以及被检体的标准位置。
42.若决定了切片位置，则关注组织提取部250就从该切片位置的分割图像提取成为测量对象的关注组织(s5)。要提取的关注组织有时与用在上述切片决定时的关注组织(区域)相同，也有时不同。由于通过希望算出的指标来决定成为测量对象的关注组织，且对由区域切分部230切分出的各区域来分配预先确定的像素值，因此，只要决定了指标，就能自动提取该关注组织。即，关注组织的区域基于关注组织的位置、形状、大小来决定。
43.线段算出部260对提取出的关注组织算出给定的线段(s6)。线段根据关注组织以及由指标算出部270算出的指标是什么而不同，具体的手法之后叙述，与医生根据图像来测量关注组织的给定的位置的宽度、角度的作业对应地，基于关注组织的形状上的特征，来算出成为其最大宽度的位置的线段、成为切线的位置的线段等。
44.最后，指标算出部270使用所算出的线段来算出指标，对显示装置等输出装置输出结果(s7)。
45.根据本实施方式，在进行了图像的标准化的基础上，进行将各区域的像素值统一化的区域切分，由此，能使指标算出时的模式依赖性、摄像条件依赖性、摄像位置依赖性最少。此外，根据本实施方式，由于基于关注组织的形状的特征来决定切片，基于关注组织的位置、形状、大小来决定关注组织，因此能使切片位置、关注组织的被检体依赖性最少。根据以上，能以高的精度自动算出指标。
46.《实施方式2》
47.接下来说明图像是脑图像、算出的指标是埃文斯指数以及胼胝体角的情况的实施方式。
48.装置的结构以及处理的概要(图3)与实施方式1同样，因此以下主要说明图像处理部20的各部的功能以及动作的详细情况。
49.图4的(a)、(b)是表示脑图像的轴向面和冠状面的图，埃文斯指数如图4的(a)所示那样，脑侧室前角宽度w401与颅骨内腔宽度w402的比(w401/w402)超过0.3这一点成为inph诊断的一个指标。此外，关于胼胝体角，穿过后连合的mri冠状截面(与将前连合和后连合连起来的直线垂直的截面)中的胼胝体角陡峭这一点、具体是该胼胝体角为90度以下这一点成为inph诊断的一个指标。因此，对于埃文斯指数来说，在轴向截面中决定切片位置，将脑室以及脑实质作为关注组织来进行处理，对于胼胝体角来说，在冠状截面中决定切片位置，进行脑室的提取。
50.在本实施方式中，图像取入部10同图像数据一起取入dicom信息，图像信息提取部210从dicom信息提取模式(mr/ct)、2d/3d、摄像截面、对比度、fov、分辨率等信息(s1)与实施方式1是同样的。以下，说明以脑图像为对象的情况下的图3的s2以后的处理的详细情况。
51.《图像标准化处理：s2》
52.图像标准化部220如图5所示那样进行fov的调整(s21)、分辨率的调整(s22)、被检体位置的调整(s23)。关于成为标准的参数值，预先设定最适于测量要测量的指标的值。若测量对象是例如埃文斯指数，则将fov：300mm、分辨率：1mm等设定为标准值，调整测量图像的fov以及分辨率，使其成为标准值。关于fov的调整，进行与标准值相符合地切取下多余的区域或者将周边填零的处理(s21)。此外，关于分辨率，例如在分辨率比标准值大的(例如2mm)情况下，将像素与像素之间通过线性插值等进行填埋，使得与标准值相符合(s22)。以上的处理对应于图像数据是2d的多个切片图像还是3d图像，成为二维的处理或三维的处理中的任一者。
53.图像标准化部210进一步进行图像中的被检体位置的调整(s23)。例如通过对脑的中心位置进行平行移动、角度补正，以使得脑的中心成为图像中心，从而进行位置的调整。关于脑的中心位置，可以采用如下等方法中的任一方法：从被检体的图像(诊断图像)作成头部外形蒙片(将头部外形的内侧和外侧二值化的图像)，将脑的中心位置求取为蒙片的重心位置的方法；对轴向面的头部外形蒙片进行椭圆近似，将椭圆中心作为脑中心位置的方法。关于冠状面，也可以利用头顶部、眼球等特征点(landmark)和头部的对称性来决定脑中心。
54.此外，在3d图像数据的情况下，也可以对多个截面(例如轴向面和冠状面)决定中心位置，将穿过其中心位置且与截面垂直的线的交点决定为3d图像数据的中心。通过以上的处理，测量图像被标准化成统一了fov、分辨率且脑中心成为图像中心的图像。
55.《区域切分处理：s3》
56.区域切分部230在通过分割来进行区域切分时，首先从dicom信息取得模式(是mr图像还是ct图像等)以及对比度信息，基于组织的像素值的差异来切分区域。关于对比度信息，在mr图像的情况下，根据以摄像条件决定的图像的种类而不同，若是t2强调图像，则将脑脊液描绘成最高信号区域，将骨描绘成最低信号区域。因此，能将最高信号区域作为脑脊
液，将最低信号区域作为骨，将这以外的区域作为脑实质来进行区域切分。同样地，若是t1强调图像，则将脑脊液描绘成中心信号区域，将骨描绘成最低信号区域，若是flair图像，则由于脑脊液以及骨被描绘得黑，因此能将它们作为最低信号区域来进行分割。若是ct图像，则对比度由各组织的ct值决定，因此能根据ct值进行分割。
57.关于分割的手法，能以k-means法、区域扩展法、或者将类别与图像内的全部像素建立关联的作为深度学习之一的语义分割等公知的手法来进行，由此，能得到将脑的组织：脑脊液、骨、脑实质(白质、灰质)等分别以单一的像素值(亮度值)进行表征的图像(分割图像)。这时，区域切分部230在进行了分割的图像中，不论原图像的模式、图像种类(对比度的差异)等如何，都对切分出的各组织的像素值赋予预先确定的像素值(标签)。即，像素值的分辨率虽然根据图像而不同，但按照将其分成所决定的数目(例如关注组织的数目)的阶段的方式，不管是怎样的原图像，都设为将白质决定为像素值1、将灰质决定为像素值2、将脑脊液决定为像素值3
…
这样的像素值。由此，得到对比度被统一的分割图像，能不依赖于图像种类地进行以下的处理。
58.《切片位置决定：s4》
59.切片位置决定部240使用分割图像来决定要测量的切片截面。在2d图像数据的情况下，由于由多个切片图像来构成，因此从这些切片图像选择最适于测量的切片图像。此外，在3d图像数据的情况下，对与测量对象相应的截面，以给定的切片间隔切取出多个切片，决定最适于测量的切片位置。图像数据是2d还是3d，能从由图像信息提取部210提取出的dicom信息获知，并与其相应地进行上述处理。并且，例如若是埃文斯指数，就决定轴向截面的切片位置，在胼胝体角的情况下，决定冠状截面的切片位置。
60.因此，切片位置决定部240如图6所示那样进行标准图像的读入(s41)、二进制图像的生成(s42)、与标准二进制图像的比较(s43)、误差成为最小的切片位置的决定(s44)。
61.如实施方式1中说明的那样，标准图像是从过去摄像到的大量图像作成的、已知用于算出给定的指标的切片位置的图像，且是与诊断图像的区域切分处理同样地进行了分割以使得每个区域的像素值分别成为基准的像素值的图像。即，该分割图像是各区域的位置以及像素值为大量图像的平均值的图像。标准图像或其分割图像预先在统计分析部30中作成，并存放于存储装置40或数据库500。标准图像也可以按儿童/成人/高龄者等来分按每个年龄段作成，并根据dicom的被检体信息而将对应的年龄段的标准图像读入(s41)。
62.接下来，切片位置决定部240从所读入的标准图像作成基准图像，从通过区域切分(s3)得到的分割图像作成关注组织的二进制图像(将关注组织的像素值设为1且将这以外的像素值设为0的图像)(s42)。关注组织是每个切片位置的形状变化明确且易于决定切片位置的组织，例如是脑脊液区域、眼球组织等。在分割图像中，通过以二值来表征该关注组织和这以外的组织，能得到二进制图像。另外，基准图像也可以预先在统计分析部30中根据标准图像对每个给定的关注组织作成，并将其在s41中读入。
63.二进制图像是提取出关注组织的形状的特征的图像，切片位置决定部240使用该特征来决定切片位置。因此，首先，对从标准图像作成的基准图像和要测量的诊断图像的二进制图像进行比较，算出误差(s43)。在此，以关注组织是脑脊液区域的情况为例，来说明具体的手法的一例。
64.图7的上侧是将过去摄像到的大量脑脊液区域的图像平均化而作成的基准图像，
图7的下侧是要测量的图像的脑脊液区域的二进制图像。对从基准图像起2个以上(这里是3个)的切片位置的图像a1、a2、a3和成为相同切片间隔的2个以上的测量图像的二进制图像i1、i2、i3进行比较，算出其差分(in-an)(n是1到3的任一者)。根据对应的图像(基准图像和诊断图像的二进制图像)的差分算出式(1)所示的均方根误差(rmse)或(2)所示的归一化rmse。另外，在rmse的算出中，进行归一化并非必须，但通过进行归一化，能消除由于关注组织的大小而误差发生变化的影响，即，能消除因要比较的集合不同而产生的对算出结果的影响。
65.(数学式1)
[0066][0067]
(数学式2)
[0068][0069]
在图7中，分别示出比较3张图像的情况，基准图像当中的1张是用在指标的测量中的切片位置s0的图像，其他2张是相对于切片位置s0离开给定间隔的切片位置的图像。将诊断图像的二进制图像设为与基准图像离开相同间隔的切片位置的3张图像。图像的间隔可以相对于正中的图像是相同间隔，也可以是不同间隔，可以相邻，也可以离开某种程度。但将基准图像的间隔和诊断图像的二进制图像的间隔设为相同。
[0070]
在切片间隔保持与前3张相同的关系的同时，将诊断图像的切片位置依次进行移位，变更与3张基准图像有差分的3张图像的集合，对每个集合算出均方根误差。若对多个集合算出均方根误差，就如图8所示那样求取其值成为最小的3张图像的集合。在该集合中，由于中央的切片位置位于与基准图像的切片位置s0对应的位置，因此将该切片位置设为诊断图像的切片位置(s44)。
[0071]
另外，在图7所示的示例中，作为基准图像的集合，说明了包含中央存在切片位置s0的切片位置的集合的情况，但在该处理中，由于获知确定了切片位置s0的基准图像与诊断图像的二进制图像的位置的关系性即可，因此不一定非要按照使得切片位置s0来到中央的方式来设定集合。此外，虽然位置的关系性使用3个切片位置的图像能精度良好地求取，但用2个也能进行求取，并不限定于3个。
[0072]
此外，由于求取差分最小的位置即可，因此并不需要对诊断图像的全部图像进行上述的重复计算，关于整个集合中所含的切片位置，离散地选择夹着图像的中央位于两侧的切片位置即可。进而，关于差分，这里说明了算出均方根误差的示例，但也可以使用这以外的差分的指标，例如使用均方误差等。
[0073]
进而，在上述中，利用与平均的形状(标准图像)之间的关注组织的误差来决定切片位置，但还能使用表示形状以外的特征的指标，例如使用表征面积、轮廓的长度等特征的指标等。
[0074]
不管是在测量截面为轴向截面的情况下，还是在测量截面为冠状截面的情况下，都能通过同样的手法来设定给定的切片位置。此外，在3d图像数据中，也可以通过轴向截面与冠状截面双方的二进制图像的比较来决定切片位置。
[0075]
《关注组织提取：s5》
[0076]
若如上述那样由切片位置决定部240决定了切片位置，就对关注组织提取部250所
决定的切片位置的图像提取用于测量的关注组织。例如，若是埃文斯指数的测量，就测量脑室的宽度和颅骨内腔宽度，因此提取脑室以及脑实质(脑内腔)。此外，关注组织的提取根据通过分割而切分出的各区域的信号值来进行。关于胼胝体角，仅提取脑室。
[0077]
关注组织提取，可以仅在所决定的一个切片位置的图像进行，但在本实施方式中，为了提高指标算出的精度，优选对其近旁的切片位置的图像，例如对其前后的切片位置的图像也进行关注组织提取。
[0078]
《线段算出：s6》
[0079]
接着，对线段算出部260提取出的关注组织(给定的切片位置和其近旁切片位置)进行给定的测量。
[0080]
在埃文斯指数的情况下，如图4的(a)所示那样，要测量的两侧侧脑室前角间最大宽度已知位于脑的中心位置起后半部分，因此关于提取出的脑室，针对轴向截面的后半部分(上半部分)算出脑室的宽度最大的线段，将其设为两侧侧脑室前角间最大宽度。此外，由于已知颅骨内腔宽度位于前半部分，因此对轴向截面的下半部分进行脑实质的宽度的测量，算出成为其最大宽度的线段，将其设为颅骨内腔宽度。
[0081]
在对近旁切片也提取了关注组织的情况下，对它们也首先算出两侧侧脑室前角间最大宽度，在给定的切片和其近旁切片中将最大宽度最大的切片决定为测量对象，算出该切片位置处的颅骨内腔宽度。通常，mr图像的切片间有6～7mm的间隔。因此，两侧侧脑室前角间最大宽度还有可能会从切片位置决定步骤s4中决定的切片位置多少偏离一些。通过对近旁的切片也算出两侧侧脑室前角间最大宽度，能在还包含近旁切片的多个切片中决定本来要测量的切片位置，能在该切片位置测量两侧侧脑室前角间最大宽度以及颅骨内腔宽度。
[0082]
在胼胝体角的情况下，对在冠状截面中提取出的脑室，决定沿着脑沟的中心线(图4的(b)的点线l)和左右脑室的最接近点(图4的(b)的点p)，求取从该点前往头顶的脑室形状的左右的切线，算出2个线段。关于切线，例如最初设定点p，在使点线l的角度变化时，能将线段和脑室的轮廓相切的线段决定为切线。另外，在此仅使用冠状截面来算出2个线段，但在由图像处理部20读入的图像数据是3d图像的情况下、在还包含矢状截面的图像数据的情况下，例如还能为了中心线的确定等决定点p而利用矢状面的图像。此外，在上述说明中求取了切线，但还能采用以下等其他手法：将连结距点p给定距离的脑室形状的左右各1点与p点的线决定为线段。
[0083]
《指标算出：s7》
[0084]
最后，指标算出部270使用线段算出部260的计算结果来算出指标。即，用两侧侧脑室前角间最大宽度除以颅骨内腔宽度，来设为埃文斯指数。此外，算出根据点p算出的2个线段所成的角度，设为胼胝体角。
[0085]
指标算出部270算出的指标可以作为数值而经由附随于图像分析装置100的ui部50输出，也可以在图像分析装置100内发送到与其不同的图像处理装置，作为与其他inph的观察结果等进行综合的医学的观察结果来输出。进而，在统计分析部30中，还能同过去根据大量诊断图像算出的结果一起显示每个年龄的埃文斯指数、胼胝体角的图(map)，以能识别的方式显示成为对象的被检体在图上的位置。
[0086]
通过以上的处理，完成针对作为测量对象的诊断图像的指标的算出，但也可以将
针对该诊断图像的数据(分割图像或二进制图像、以及所确定的切片位置的信息)发送到统计分析部30。统计分析部30能使用所发送的数据来更新已经作成完毕的标准图像(进行了平均化的分割图像、给定区域的二进制图像)。
[0087]
根据本实施方式，能不依赖于所输入的诊断图像的种类、被检体的个体差异地确定对作为inph的诊断指标的埃文斯指数、胼胝体角进行测量的切片位置和关注组织，由此能自动且精度良好地算出诊断指标，并进行提示。
[0088]
此外，在切片决定后，能通过一并进行近旁切片的测量来提高最大宽度确定的精度。
[0089]
进而，根据设施或根据检查流程，不必一定取得矢状截面的图像数据，但在本实施方式中，由于能根据一个截面算出指标，因此还能应对未备齐全部数据集合的状况。
[0090]
另外，本实施方式说明了算出inph的2个诊断指标的情况，但本发明当然包含仅算出一者的情况。
[0091]
《实施方式2的变形例》
[0092]
在实施方式2中，说明了求取作为进行数值化的指标的埃文斯指数和胼胝体角的情况，但还能通过运用同样的手法来取得与desh观察结果关联的信息。以下说明desh观察结果关联信息的取得。
[0093]
在阿尔茨海默型疾患和inph中，脑的萎缩的方式不同，特征在于，前者伴有整体的脑实质的萎缩，与此相对，后者伴有蛛网膜下腔的不均衡的扩大，将这样的观察结果称作desh观察结果。针对desh观察结果，虽然在引导线中并未设置数值的指标，但若在图像中观察，则在阿尔茨海默型疾患中，头顶部的脑实质稀疏化(变得空隙多)，与此相对，在inph中看不到这样的观察结果。在本实施方式中，为了找到这样的desh观察结果的特征，作为关注组织来提取脑室以及脑实质(脑内腔)，算出脑实质的面积。提取关注组织的截面优选是冠状截面，但也可以是轴向截面，或者一并使用两种截面的信息。
[0094]
在本变形例中，基本的处理的流程(图像信息提取(s1)、图像标准化(s2)、区域切分(s3)、切片位置决定(s4)、关注组织提取(s5))与图3所示的实施方式2的处理的流程同样。以下以与实施方式2不同的点为中心来说明本变形例。
[0095]
在使用从分割图像作成的二进制图像决定了切片位置后(s1～s4)，关注组织提取部250使用切片图像来提取脑室以及脑实质(s5)。关于其近旁的切片图像，可以也进行同样的处理。
[0096]
接着，线段算出部260对提取出的截面的脑实质算出用于进一步对区域进行切分的线段。在轴向截面中，如图9(a)所示那样，例如决定将被脑室的外侧形状和将其缩小了的位于距脑中心给定的距离的形状包围的脑实质的区域切分成4个小区域的4个线段。4个线段可以设为使从脑中心起的角度成为等间隔的线段，也可以根据其他形状的基准来决定。针对冠状截面，如图9(b)所示那样，将被脑实质的外侧形状和与其离开给定间隔的相似形状包围的脑实质的区域用4个线段(区分区域的线段和确定区域端部的线段)切分成3个小区域。
[0097]
进而，在本变形例中，线段算出部260(测量部)算出切分出的小区域的面积(容积)。面积能作为像素值的合计来算出。在对给定切片和其近旁进行算出的情况下，可以将其平均值设为小区域的面积。
[0098]
指标算出部270根据各小区域的面积(容积)来提供与desh观察结果关联的信息。作为与desh观察结果相关的信息，可以算出小区域的面积比、容积比、或者与正常者、诊断为阿尔茨海默病的患者的值的平均值之间的比较等，来作为指标。
[0099]
本变形例设为对desh观察结果进行专门化的处理，但通过与实施方式2的处理一并实施，并同埃文斯指数、胼胝体角的指标一起来进行提示，能有助于inph的诊断。
[0100]
此外，在实施方式2和其变形例中，说明了从脑图像算出inph的指标的示例，但针对inph以外的脑疾患、脑以外的部位，只要是决定截面并进行关注部位的自动测量的技术，就也能运用本发明，由此，能在避免模式依赖性、图像种类依赖性、被检体依赖性等的情况下进行测量。