本發(fā)明涉及對(duì)腦的核醫(yī)學(xué)圖像進(jìn)行圖像處理的技術(shù)，特別涉及求出作為紋狀體中多巴胺轉(zhuǎn)運(yùn)體的特異性結(jié)合的定量指標(biāo)的SBR(Specific Binding Ratio：特異性結(jié)合率)的技術(shù)。

背景技術(shù)：

多巴胺轉(zhuǎn)運(yùn)體在存在于腦紋狀體內(nèi)的黑質(zhì)紋狀體多巴胺神經(jīng)的末梢部高度表達(dá)。由于已知在帕金森病、路易氏體型失智癥中該表達(dá)量下降，所以在對(duì)這些疾病的診斷中，通過(guò)利用¹²³I-氟潘(¹²³I-ioflupane)、¹⁸F-DOPA這類放射性藥劑的PET或SPECT檢查，來(lái)進(jìn)行對(duì)多巴胺轉(zhuǎn)運(yùn)體腦內(nèi)分布的評(píng)價(jià)。

如果僅對(duì)SPECT圖像進(jìn)行視覺(jué)判定的話，會(huì)因讀圖人員的經(jīng)驗(yàn)等而造成判定偏差，所以在診斷中加入定量指標(biāo)是被推薦的，作為¹²³I-氟潘在紋狀體中的特異性結(jié)合的定量指標(biāo)，SBR(Specific Binding Ratio)已在被使用。其中，通過(guò)(由特異性結(jié)合導(dǎo)致的放射能)/(由非特異性結(jié)合導(dǎo)致的放射能)來(lái)求出SBR。

但是，已知的是，紋狀體的容積在沒(méi)有萎縮的正常例中通常也為11ml左右，考慮到SPECT圖像的空間分辨率，會(huì)受到部分容積效應(yīng)的影響。在對(duì)紋狀體設(shè)定了較小的ROI(Region Of Interest：關(guān)注區(qū)域)的情況下，因部分容積效應(yīng)導(dǎo)致紋狀體ROI的計(jì)數(shù)值減小，發(fā)生定量指標(biāo)的變差·變化。另外，作業(yè)人員間的再現(xiàn)性缺乏也成為問(wèn)題。作為彌補(bǔ)這些缺點(diǎn)的方法，提案了Bolt法，所述Bolt法使用以紋狀體為中心具有一定厚度(44mm)的斷層圖像，并以紋狀體為中心設(shè)定稍大的ROI(非專利文獻(xiàn)1)。

現(xiàn)有技術(shù)文獻(xiàn)

非專利文獻(xiàn)

非專利文獻(xiàn)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.

技術(shù)實(shí)現(xiàn)要素：

發(fā)明要解決的問(wèn)題

在腦內(nèi)，有存在腦脊髓液(CSF：cerebrospinal fluid)的腦室、腦溝，由于¹²³I-氟潘無(wú)法進(jìn)入其中，所以不能得到放射線的計(jì)數(shù)值。在Bolt法中，以紋狀體為中心設(shè)定稍大的ROI，但由于腦室、腦溝被包括在該ROI或作為參照區(qū)域使用的背景ROI之中，所以會(huì)對(duì)SBR的值造成影響。即使在不使用Bolt法的情況下，以參照區(qū)域?yàn)橹行?，腦室或腦溝被包括進(jìn)去，認(rèn)為這也會(huì)對(duì)BP(Binding Potential：結(jié)合潛能)或SBR的算出造成影響。

盡管還存在為消除上述影響而使用MRI等其他拍攝結(jié)果、生成除去了腦室腦溝的遮罩(mask)再與SPECT圖像重合的方法，但這不僅需要用于拍攝MRI等的設(shè)備，而且用于遮罩作成處理的數(shù)據(jù)操作、處理的繁瑣度也成為問(wèn)題。

因此，本發(fā)明的目的在于提供一種能夠僅使用核醫(yī)學(xué)圖像數(shù)據(jù)、并且消除腦室、腦溝的影響的裝置和方法。

用于解決問(wèn)題的手段

本實(shí)施方式的圖像處理裝置具備：圖像數(shù)據(jù)取得部，取得腦的核醫(yī)學(xué)圖像數(shù)據(jù)；腦區(qū)域ROI設(shè)定部，在所述核醫(yī)學(xué)圖像上設(shè)定腦區(qū)域ROI；紋狀體ROI設(shè)定部，在所述核醫(yī)學(xué)圖像上設(shè)定包含紋狀體的紋狀體ROI；以及閾值決定部，基于從所述腦區(qū)域ROI除去所述紋狀體ROI得到的核醫(yī)學(xué)圖像背景的計(jì)數(shù)值，決定用于判別出所述核醫(yī)學(xué)圖像中的腦室和腦溝的閾值，所述圖像處理裝置在所述核醫(yī)學(xué)圖像中判別出計(jì)數(shù)值為所述閾值以下的區(qū)域和比所述閾值大的區(qū)域。

由此，通過(guò)使用從腦區(qū)域ROI除去紋狀體ROI而得到的背景部分的計(jì)數(shù)值，能夠決定出僅根據(jù)核醫(yī)學(xué)圖像數(shù)據(jù)即可判別出腦室和腦溝的適當(dāng)?shù)拈撝担袆e出計(jì)數(shù)值為閾值以下的區(qū)域(即，腦室和腦溝的區(qū)域)，從而有效地消除腦室和腦溝的影響。

或者，本實(shí)施方式的圖像處理裝置也可以是下述這樣的，其具備直方圖生成部，所述直方圖生成部求出所述背景的每個(gè)單位區(qū)域的計(jì)數(shù)值并生成直方圖，所述直方圖中，橫軸為計(jì)數(shù)值的等級(jí)，縱軸為與所述等級(jí)對(duì)應(yīng)的單位區(qū)域的頻數(shù)，所述閾值決定部將所述直方圖高斯擬合并正態(tài)分布化，并基于正態(tài)分布的中央值或標(biāo)準(zhǔn)偏差中的至少一者來(lái)決定所述閾值。作為一例，可以利用所述正態(tài)分布的中央值-標(biāo)準(zhǔn)偏差×規(guī)定的系數(shù)來(lái)決定閾值，在這里，可以將所述規(guī)定的系數(shù)設(shè)為1。通過(guò)該構(gòu)成，能夠決定出適當(dāng)?shù)拈撝?。需要說(shuō)明的是，在單位區(qū)域?yàn)楦鱾€(gè)像素的情況下，SPECT圖像數(shù)據(jù)可按原樣使用。

或者，本實(shí)施方式的圖像處理裝置也可以是下述這樣的，其具備直方圖生成部，所述直方圖生成部求出所述背景的每個(gè)單位區(qū)域的計(jì)數(shù)值并生成直方圖，所述直方圖中，橫軸為計(jì)數(shù)值的等級(jí)，縱軸為與所述等級(jí)對(duì)應(yīng)的單位區(qū)域的頻數(shù)，所述閾值決定部將下述等級(jí)的計(jì)數(shù)值決定為閾值，所述等級(jí)是比最大頻數(shù)乘以規(guī)定的系數(shù)得到的值小的頻數(shù)所對(duì)應(yīng)的等級(jí)，且是比提供所述最大頻數(shù)的等級(jí)小的等級(jí)。通過(guò)該構(gòu)成，能夠簡(jiǎn)單地決定閾值。

本實(shí)施方式的圖像處理裝置還可以具備下述這樣的計(jì)算部，所述計(jì)算部使用計(jì)數(shù)值比所述閾值大的區(qū)域的數(shù)據(jù)來(lái)計(jì)算表示放射性藥品的特異性結(jié)合的指標(biāo)。在這里，作為表示放射性藥品的特異性結(jié)合的指標(biāo)，可使用BP(Binding Potential)或SBR(Specific Binding Ratio)。

本實(shí)施方式的圖像處理方法是腦的核醫(yī)學(xué)圖像數(shù)據(jù)的圖像處理方法，所述方法包括下述步驟：圖像處理裝置取得腦的核醫(yī)學(xué)圖像數(shù)據(jù)的步驟；所述圖像處理裝置在所述核醫(yī)學(xué)圖像上設(shè)定腦區(qū)域ROI的步驟；所述圖像處理裝置在所述核醫(yī)學(xué)圖像上設(shè)定包含紋狀體的紋狀體ROI的步驟；所述圖像處理裝置基于從所述腦區(qū)域ROI除去所述紋狀體ROI得到的核醫(yī)學(xué)圖像背景的計(jì)數(shù)值，決定用于判別出所述核醫(yī)學(xué)圖像中的腦室和腦溝的閾值的步驟；以及在所述核醫(yī)學(xué)圖像中判別出計(jì)數(shù)值為所述閾值以下的區(qū)域和計(jì)數(shù)值比所述閾值大的區(qū)域的步驟。對(duì)于本發(fā)明的圖像處理方法中決定具體閾值的方法，也適用針對(duì)上述圖像處理裝置說(shuō)明的構(gòu)成。另外，還可以使用通過(guò)本發(fā)明的圖像處理方法判別出的、計(jì)數(shù)值比閾值大的區(qū)域的數(shù)據(jù)，來(lái)計(jì)算表示放射性藥品的特異性結(jié)合的指標(biāo)。在優(yōu)選的方案中，作為表示放射性藥品的特異性結(jié)合的指標(biāo)，可采用BP(Binding Potential)或SBR(Specific Binding Ratio)。

本實(shí)施方式的程序是使計(jì)算機(jī)執(zhí)行上述圖像處理方法的程序。另外，記錄有本實(shí)施方式的程序的記錄介質(zhì)是記錄有使計(jì)算機(jī)執(zhí)行上述圖像處理方法的程序的記錄介質(zhì)。

附圖說(shuō)明

圖1是表示第一實(shí)施方式的圖像處理裝置的構(gòu)成的圖。

圖2是表示包含紋狀體的紋狀體ROI的例子的圖。

圖3A是表示背景的計(jì)數(shù)值的直方圖的例子的圖。

圖3B是表示對(duì)直方圖進(jìn)行了高斯擬合的例子的圖。

圖4是表示第一實(shí)施方式中的閾值決定手段的圖。

圖5是表示圖像處理程序的例子的圖。

圖6是表示第一實(shí)施方式的圖像處理裝置的工作的圖。

圖7A是表示背景的計(jì)數(shù)值的直方圖的例子的圖。

圖7B是表示第二實(shí)施方式中的閾值決定手段的圖。

圖8是表示根據(jù)背景繪制的直方圖及其正態(tài)分布的圖。

圖9A是表示未除去腦室和腦溝的影響而求出的SBR與SBR的真實(shí)值的比較結(jié)果的圖。

圖9B是表示用本發(fā)明的方法求出的SBR與SBR的真實(shí)值的比較結(jié)果的圖。

具體實(shí)施方式

以下，參照附圖，說(shuō)明本發(fā)明實(shí)施方式的圖像處理裝置。此外，下面記載的例子僅為優(yōu)選方案的例示，并不用于限定發(fā)明的內(nèi)容。

(第一實(shí)施方式)

圖1是表示本發(fā)明第一實(shí)施方式的圖像處理裝置1的構(gòu)成的圖。圖像處理裝置1具有：圖像數(shù)據(jù)取得部10(取得腦的SPECT圖像數(shù)據(jù))、控制部11(處理SPECT圖像數(shù)據(jù)并判別出腦室和腦溝區(qū)域，計(jì)算出作為紋狀體中特異性結(jié)合的定量指標(biāo)的SBR)、以及輸出部12(輸出計(jì)算結(jié)果)。

在本例中使用的SPECT圖像數(shù)據(jù)是通過(guò)利用¹²³I-氟潘的SPECT檢查得到的圖像數(shù)據(jù)。其是使用專用的γ照相機(jī)對(duì)從¹²³I-氟潘放出的放射線加以檢測(cè)、并將其分布圖像化而得到的圖像數(shù)據(jù)。各個(gè)像素具有體現(xiàn)為放射線數(shù)量的計(jì)數(shù)值。

在優(yōu)選的方案中，控制部11具有腦區(qū)域ROI設(shè)定部13、紋狀體ROI設(shè)定部14、直方圖生成部15、閾值決定部16、區(qū)域判別部17以及SBR計(jì)算部18。

腦區(qū)域ROI設(shè)定部13在SPECT圖像上確定并設(shè)定腦區(qū)域存在的區(qū)域。作為設(shè)定腦區(qū)域ROI的方法，例如有由用戶利用鼠標(biāo)或記錄筆等以將腦實(shí)質(zhì)圍起來(lái)的形式手動(dòng)進(jìn)行設(shè)定的方法、基于利用閾值法決定的圖像輪廓來(lái)進(jìn)行設(shè)定的方法等。在基于圖像輪廓來(lái)進(jìn)行設(shè)定的情況下，既可以將該圖像輪廓本身設(shè)定為腦區(qū)域ROI，也可以設(shè)定為由從該輪廓起數(shù)個(gè)像素(實(shí)際上為20mm左右)內(nèi)側(cè)的像素所畫(huà)出的區(qū)域。另外，還有設(shè)定為由包含腦實(shí)質(zhì)在內(nèi)的圓或橢圓等規(guī)定形狀的圖形所畫(huà)出的腦區(qū)域ROI的方法。在該情況下，優(yōu)選地，腦區(qū)域ROI不從腦實(shí)質(zhì)超出。

如圖2所示，紋狀體ROI設(shè)定部14在腦的SPECT圖像中將包含紋狀體的規(guī)定區(qū)域設(shè)定為紋狀體ROI。在本說(shuō)明書(shū)中，將在SPECT圖像數(shù)據(jù)中從腦區(qū)域ROI除去紋狀體區(qū)域得到的區(qū)域稱為“背景(B.G.)”。需要說(shuō)明的是，SBR計(jì)算部18當(dāng)然只是例示，其只要具有算出表示放射性藥品的特異性結(jié)合的指標(biāo)的功能即可。采用SBR計(jì)算部這一用語(yǔ)的意圖僅為：通過(guò)示出代表性的計(jì)算值，而使得發(fā)明內(nèi)容易于被理解。

直方圖生成部15生成背景的計(jì)數(shù)值的直方圖。圖3A是表示直方圖生成部15生成的直方圖的例子的圖。直方圖的橫軸是計(jì)數(shù)值的等級(jí)，縱軸是具有該等級(jí)的計(jì)數(shù)值的像素的數(shù)量。盡管在此以像素為單位來(lái)求出頻數(shù)，但也可以不是以一個(gè)像素為單位，而是求出以一定區(qū)域(例如2×2像素這樣的區(qū)域)為一個(gè)單位的情況下每個(gè)等級(jí)的頻數(shù)。

閾值決定部16具有基于直方圖來(lái)決定閾值的功能。在優(yōu)選的方案中，閾值決定部16首先將直方圖高斯擬合并求出正態(tài)分布。圖3B是表示對(duì)圖3A所示的直方圖進(jìn)行了高斯擬合的例子的圖。接著，如圖4所示，閾值決定部16從正態(tài)分布的中央值減去標(biāo)準(zhǔn)偏差來(lái)決定閾值。該閾值是用于將僅為該閾值以下的計(jì)數(shù)值的區(qū)域視為腦室或腦溝的閾值。區(qū)域判別部17將計(jì)數(shù)值為閾值以下的區(qū)域判別為腦室或腦溝的區(qū)域，將計(jì)數(shù)值比閾值大的區(qū)域判別為除此以外的區(qū)域。

SBR計(jì)算部18除去由區(qū)域判別部17判別的上述閾值以下的區(qū)域(即，腦室和腦溝的區(qū)域)的數(shù)據(jù)并計(jì)算SBR。除了要除去使用上述閾值判斷為腦室和腦溝的部分的數(shù)據(jù)以外，SBR的計(jì)算與以往的方法相同。即，用以下的式(1)求出。

SBR＝(ROI平均計(jì)數(shù)-B.G.平均計(jì)數(shù))/B.G.平均計(jì)數(shù)…(1)

圖像處理裝置1由具備CPU、RAM、ROM、顯示器、鍵盤(pán)、鼠標(biāo)以及通信接口等的計(jì)算機(jī)構(gòu)成。通過(guò)將用于計(jì)算SBR的程序預(yù)先存儲(chǔ)在ROM中，且CPU從ROM讀出程序并執(zhí)行，由此計(jì)算機(jī)基于SPECT圖像數(shù)據(jù)進(jìn)行SBR的計(jì)算。

圖5是表示存儲(chǔ)在ROM中的圖像處理程序20的例子的圖。圖像處理程序20具有：腦區(qū)域ROI設(shè)定模塊21、紋狀體ROI設(shè)定模塊22、直方圖生成模塊23、閾值決定模塊24、區(qū)域判別模塊25以及SBR計(jì)算模塊26。通過(guò)使計(jì)算機(jī)執(zhí)行程序20，各模塊21～26實(shí)現(xiàn)上述控制部11的各功能。需要說(shuō)明的是，此處是對(duì)存儲(chǔ)在ROM中的圖像處理程序20進(jìn)行了說(shuō)明，但也可以通過(guò)將圖像處理程序記錄在計(jì)算機(jī)可讀取記錄介質(zhì)中、由計(jì)算機(jī)讀取記錄介質(zhì)并執(zhí)行，從而實(shí)現(xiàn)在本實(shí)施方式中說(shuō)明的圖像處理。另外，還可采用通過(guò)通信線路將圖像處理程序下載進(jìn)計(jì)算機(jī)的構(gòu)成。

圖6是表示圖像處理裝置1的工作的流程圖。圖像處理裝置1首先取得SPECT圖像數(shù)據(jù)(S10)。圖像處理裝置1既可以直接從SPECT裝置取得SPECT圖像數(shù)據(jù)，也可以從存儲(chǔ)有SPECT圖像數(shù)據(jù)的數(shù)據(jù)庫(kù)取得SPECT圖像數(shù)據(jù)。

接著，圖像處理裝置1在SPECT圖像中設(shè)定腦區(qū)域ROI(S11)，以及針對(duì)包含紋狀體的區(qū)域設(shè)定紋狀體ROI(S12)，并且，生成從腦區(qū)域ROI除去紋狀體ROI得到的區(qū)域(背景)的計(jì)數(shù)值的直方圖(S13)。接著，圖像處理裝置1將直方圖高斯擬合并正態(tài)化，將從其中央值減去標(biāo)準(zhǔn)偏差得到的值決定為閾值(S14)。

接著，圖像處理裝置1在SPECT圖像中判別出計(jì)數(shù)值為閾值以下的區(qū)域，生成用于除去該區(qū)域的遮罩(mask)(S15)。即，使得計(jì)數(shù)值為閾值以下的區(qū)域作為此后的計(jì)算對(duì)象排除部分。圖像處理裝置1使用遮罩部分的數(shù)據(jù)，求出紋狀體ROI的平均計(jì)數(shù)和背景的平均計(jì)數(shù)，利用上述式(1)計(jì)算SBR(S16)。圖像處理裝置1輸出計(jì)算得到的SBR(S17)。

以上，對(duì)本發(fā)明第一實(shí)施方式的圖像處理裝置1和圖像處理方法進(jìn)行了說(shuō)明。第一實(shí)施方式的圖像處理裝置1通過(guò)使用背景的計(jì)數(shù)值來(lái)求出閾值，由此能夠僅使用SPECT圖像數(shù)據(jù)，求出用于判別出腦室和腦溝的適當(dāng)?shù)拈撝?。然后，能夠使用該閾值消除腦室和腦溝的影響來(lái)求出SBR。

需要說(shuō)明的是，在本實(shí)施方式中利用中央值-標(biāo)準(zhǔn)偏差求出閾值，但也可以從中央值減去將標(biāo)準(zhǔn)偏差乘以規(guī)定的系數(shù)得到的值來(lái)求出閾值。優(yōu)選地，以下述方式來(lái)決定該規(guī)定的系數(shù)，所述方式是使得SBR最接近于利用規(guī)定的方法求出的真實(shí)值的方式。

(第二實(shí)施方式)

接著，對(duì)本發(fā)明第二實(shí)施方式的圖像處理裝置進(jìn)行說(shuō)明。第二實(shí)施方式的圖像處理裝置的基本構(gòu)成與第一實(shí)施方式的圖像處理裝置1相同，但第二實(shí)施方式的圖像處理裝置的用于判別出腦室和腦溝的閾值的求出方法與第一實(shí)施方式不同。

圖7A和圖7B是用于說(shuō)明第二實(shí)施方式中的閾值的求出方法的圖。如圖7A所示，在第二實(shí)施方式中，在直方圖中，求出最大頻數(shù)。接著，將該最大頻數(shù)乘以規(guī)定的系數(shù)。在本實(shí)施方式中，乘以0.05。在圖7A所示的例子中，最大頻數(shù)為2500，將其乘以0.05，求得結(jié)果為125。閾值決定部16將頻數(shù)為125以下的等級(jí)的計(jì)數(shù)值決定為閾值。需要說(shuō)明的是，雖然在計(jì)數(shù)值較大的等級(jí)中也存在有頻率為125以下的等級(jí)，但閾值將從較小的等級(jí)中選擇。也就是說(shuō)，選擇比提供最大頻數(shù)的等級(jí)小的等級(jí)。更具體而言，從最大頻數(shù)的等級(jí)起按順序觀察其下面的等級(jí)，將最初成為125以下的等級(jí)的計(jì)數(shù)值作為閾值。

第二實(shí)施方式的圖像處理裝置也具有下述效果，即，僅根據(jù)SPECT圖像數(shù)據(jù)就能夠判別出腦室和腦溝的區(qū)域，并能夠求出消除了腦室和腦溝的影響的SBR。另外，由于第二實(shí)施方式的圖像處理裝置可以不進(jìn)行高斯擬合，所以處理較簡(jiǎn)單。

實(shí)施例

接著，示出：通過(guò)僅使用SPECT圖像數(shù)據(jù)計(jì)算SBR的本發(fā)明的方法，得到接近真實(shí)的SBR的值。

(SBR的真實(shí)值)

根據(jù)MR圖像作成腦實(shí)質(zhì)遮罩，并將計(jì)算出的SBR的值作為與本發(fā)明的方法進(jìn)行比較的對(duì)象的真實(shí)值。真實(shí)值用以下步驟求出。

1.將SPECT圖像的位置與MR圖像匹配。

2.使用SPM(Statistical Parametric Mapping：統(tǒng)計(jì)參數(shù)圖)，從MR圖像抽取灰白質(zhì)和白質(zhì)。

3.將灰白質(zhì)和白質(zhì)相加，并用閾值50％進(jìn)行二值化。

4.將二值化數(shù)據(jù)作為遮罩。

5.僅對(duì)SPECT圖像數(shù)據(jù)的遮罩部分進(jìn)行計(jì)算。求出SBR。

(無(wú)遮罩的SBR)

為了驗(yàn)證腦室和腦溝給SBR造成何種程度的影響，不利用上述遮罩圖像，而是利用在SPECT圖像上設(shè)定的紋狀體ROI(和背景)數(shù)據(jù)直接求出SBR。將求出的SBR與真實(shí)值比較。需要說(shuō)明的是，各ROI的設(shè)定使用AZE VirtualPlace Falcon(株式會(huì)社AZE制，藥事認(rèn)證編號(hào)：22000BZX00379000)上搭載的“腦統(tǒng)計(jì)分析包”中的“DaTView”來(lái)進(jìn)行。

(用本發(fā)明求出的SBR)

利用在上述第一實(shí)施方式中說(shuō)明的方法求出SBR。

圖8示出了針對(duì)所用的病例之一、使用在第一實(shí)施方式中說(shuō)明的方法求出的背景的計(jì)數(shù)值的直方圖。對(duì)該直方圖進(jìn)行正態(tài)化，得到了中央值為51.65、標(biāo)準(zhǔn)偏差為13.52的正態(tài)分布。從正態(tài)分布的中央值減去標(biāo)準(zhǔn)偏差而將閾值決定為38.03。將計(jì)數(shù)值為該閾值以下的區(qū)域設(shè)為計(jì)算對(duì)象排除部分，求出SBR的值。在本例中，針對(duì)所用的每個(gè)病例進(jìn)行上述處理，分別決定閾值。

(比較結(jié)果)

圖9A是對(duì)未使用遮罩圖像而是使用在SPECT圖像上設(shè)定的紋狀體ROI(和背景)數(shù)據(jù)求出的SBR與SBR的真實(shí)值加以比較的圖表。圖表的縱軸表示未使用遮罩圖像而是使用在SPECT圖像上設(shè)定的紋狀體ROI(和背景)數(shù)據(jù)求出的SBR，橫軸表示SBR的真實(shí)值。如圖9A所示，未使用遮罩求出的SBR盡管可被認(rèn)為與真實(shí)值具有較高的相關(guān)性，但其呈現(xiàn)出約20％的過(guò)高評(píng)價(jià)。

圖9B是對(duì)使用本發(fā)明的方法求出的SBR與SBR的真實(shí)值加以比較的圖表。如圖9B所示，得到的直線的斜率大致為1，并且顯示出通過(guò)使用本發(fā)明的方法，能夠得到非常接近真實(shí)值的結(jié)果。

產(chǎn)業(yè)上的可利用性

本發(fā)明能夠僅根據(jù)核醫(yī)學(xué)圖像數(shù)據(jù)而判別出腦室和腦溝的區(qū)域，對(duì)SPECT圖像的圖像處理是有用的。

附圖標(biāo)記的說(shuō)明

1 圖像處理裝置

10 圖像數(shù)據(jù)取得部

11 控制部

12 輸出部

13 腦區(qū)域ROI設(shè)定部

14 紋狀體ROI設(shè)定部

15 直方圖生成部

16 閾值決定部

17 區(qū)域判別部

18 SBR計(jì)算部

20 SBR計(jì)算程序

21 腦區(qū)域ROI設(shè)定模塊

22 紋狀體ROI設(shè)定模塊

23 直方圖生成模塊

24 閾值決定模塊

25 區(qū)域判別模塊

26 SBR計(jì)算模塊