JP6541334B2 - 画像処理装置、画像処理方法、およびプログラム - Google Patents

Description

本発明は、種々の画像撮像装置（モダリティ）で撮像した画像を処理する画像処理技術に関する。

医療の分野では、医用画像を用いた画像診断が行われている。医師は、画像から得られる画像所見に基づいて病変部（病変を疑う部分）を発見し、また、異常の種類や悪性度や進行度などを判断する。非特許文献１には、診断に有用な情報を得るための試みとして、被検体内の硬さの分布を画像化する技術が開示されている。一方、特許文献１には、異なる日時に撮像した被検体の画像を位置合わせして、画像間の差分を表示することで、病変部の経時変化を観察する技術が開示されている。

Ｏｐｈｉｒ Ｊ， ｅｔ ａｌ，Ｅｌａｓｔｏｇｒａｐｈｙ：ａ ｑｕａｎｔｉｔａｔｉｖｅ ｍｅｔｈｏｄ ｆｏｒ ｉｍａｇｉｎｇ ｔｈｅ ｅｌａｓｔｉｃｉｔｙ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｔｉｓｓｕｅｓ． Ｕｌｔｒａｓｏｎｉｃ Ｉｍａｇｉｎｇ，１３，１１１−１３４，１９９１．

特開平８−３３６５１７号公報

しかし、画像診断のためには、上記の非特許文献１や特許文献１の技術で取得できる硬さや経時変化の情報だけでなく、病変部の特徴を表すより多くの情報が必要である。本発明は、上記の課題に鑑み、被検体を変形させた際の病変部の振る舞いに関して、変形が異なる病変部の特徴を表す新たな情報を提供する。

本発明の一つの側面に係る画像処理装置は、第１変形状態から第２変形状態へ変形した被検体の変形情報を算出する第１算出手段と、
前記被検体の正常組織の変形を表す変形モデルに基づいて、前記第１変形状態から前記第２変形状態へ変形する前記被検体の変形情報を算出する第２算出手段と、
前記第１算出手段で算出された前記被検体の変形情報と前記第２算出手段で算出された変形情報の乖離度を算出する乖離度算出手段と、
前記算出した乖離度を表示させる表示制御手段と、を備えることを特徴とする。

本発明によれば、被検体を変形させた際の病変部の振る舞いに関して、変形が異なる病変部の特徴を表す新たな情報を提供することが可能になる。

第１実施形態に係る画像処理システムおよび画像処理装置の機能構成を示す図。 第１実施形態における全体の処理手順を示すフローチャート。 第１実施形態における入力画像、実変形場、正常変形場を例示する図。 第１実施形態に係る乖離度の表示方法の例を示す図。 第２実施形態に係る画像処理システムおよび画像処理装置の機能構成を示す図。 第２実施形態における全体の処理手順を示すフローチャート。 第３実施形態に係る画像処理システムおよび画像処理装置の機能構成を示す図。 第３実施形態における全体の処理手順を示すフローチャート。

以下、図面を参照して、本発明の実施形態を例示的に詳しく説明する。ただし、この実施形態に記載されている構成要素はあくまで例示であり、本発明の技術的範囲は、特許請求の範囲によって確定されるのであって、以下の個別の実施形態によって限定されるわけではない。

（第１実施形態：正常変形からの乖離）
本実施形態に係る画像処理装置は、異なる変形状態で同一の被検体を撮像した複数の３次元断層画像を入力として、画像間における被検体の変形について、正常組織の変形モデルからの乖離度を可視化して表示する。以下、本実施形態に係る画像処理装置について説明する。

＜画像処理システム１０００の構成＞
図１は、本実施形態に係る画像処理システム１０００の構成を例示する図である。画像処理システム１０００は、画像処理装置１００と、データサーバ１７０と、表示部１８０を有している。尚、画像処理システム１０００の構成要素はこれらの装置等に限定されるものではなく、更に別の構成要素を含んでもよいし、その一部が含まれないように画像処理システムを構成してもよい。

データサーバ１７０は、異なる変形状態（異なる体位や異なる呼吸の状態等）で同一の被検体（対象症例）を予め撮像して取得した、複数の３次元断層画像を保持している。３次元断層画像を撮像する画像撮像装置（モダリティ）は、例えば、ＭＲＩ装置、放射線ＣＴ装置、３次元超音波撮影装置、光音響トモグラフィ装置、陽電子放射断層撮像装置（ＰＥＴ）／単一光子放射断層撮影装置（ＳＰＥＣＴ）、ＯＣＴ装置などである。本実施形態において、画像は、同一のモダリティ・同一の撮影モードで、同時期に撮像されたものであることが望ましい。ただし、画像の組み合わせはそれに限定されるものではなく、画像間に十分な変形が生じていれば、例えば、異なるモダリティや異なる撮影モードで撮像した画像であってもよい。また、同一患者を異なる日時に撮像した画像であってもよい。以下では、乳房ＭＲＩ画像を対象として、被検体を仰臥位で撮像した第１画像と腹臥位で撮像した第２画像をデータサーバ１７０が保持している場合を例として説明する。

図３（ａ）に第１画像の例を示し、図３（ｂ）に第２画像の例を示す。なお、以下では、第１画像を撮像する際の被検体の変形状態を第１変形状態と呼び、第２画像を撮像する際の被検体の変形状態を第２変形状態と呼ぶ。データ取得部１０４は、データサーバ１７０が保持する被検体の画像を取得し、画像処理装置１００に入力する。

データサーバ１７０は、さらに、第１変形状態から第２変形状態へと被検体が変形する際の正常組織の変形モデルを保持している。変形モデルは、例えば、複数の正常な被検体（正常症例）を、仰臥位（第１変形状態）で撮像した第１画像（仰臥位ＭＲＩ画像）と、腹臥位（第２変形状態）で撮像した第２画像（腹臥位ＭＲＩ画像）とに基づいて事前に構築される。変形モデルは、標準被検体画像と、標準被検体画像の空間上で定義された標準変形場（標準変形情報）という２つの要素から構成される。

標準被検体画像は、複数の第１画像の平均形状を取得し、平均形状に夫々の第１画像の画素値（例えば、輝度値）を平均形状に射影した（重ね合わせ）後に、画素値（輝度値）の平均を求めることにより生成される。平均形状は、全ての正常症例の第１画像を互いに変形位置合わせして夫々の第１画像の平均形状を求めることにより取得される。そして、夫々の第１画像の画素値（輝度値）を平均形状に射影して、画素値（輝度値）の平均を取得することで、標準被検体画像が生成される。すなわち、標準被検体画像は、夫々の第１画像の形状および画素値（輝度値）を平均化し、平均化した画素値（輝度値）を平均形状に射影する（重ね合わせる）ことにより取得される平均画像である。標準被検体画像は、第１変形状態における平均的な被検体の画像（平均的な乳房の仰臥位ＭＲＩ画像）といえる。

一方、標準変形場（標準変形情報）は、夫々の正常症例の第１画像と第２画像とを、変形位置合わせすることで推定した第１画像から第２画像への変形場（変形情報）を上記の平均形状に射影し、射影した後に主成分分析による統計処理を行うことにより取得される。ここで、主成分分析は、変形場を所定の間隔でサンプリングした各点の変位量に対して実施してもよいし、あるいは、変形場をＦＦＤ（Ｆｒｅｅ−ｆｏｒｍ ｄｅｆｏｒｍａｔｉｏｎ）等でパラメトリックに表現した後に、各制御点の制御量に対して実施してもよい。

何れの処理によっても、平均変形場と主成分変形場によって構成される標準変形場が生成される。以下では、平均変形場をＴ_ａｖｅ（ｐ）と表し、主成分変形場をＴ_{ｅｉｇｅｎ＿ｉ}（ｐ）（ｉは主成分の番号）と表す。これらの変形場は、標準被検体画像の座標系上の各位置ｐについて、第１変形状態から第２変形状態への変位を表す３次元ベクトルを持つ関数とみなすことができる。このように構築される変形モデルは、第１変形状態から第２変形状態への統計的に妥当な変形（正常な変形）を表すモデル（統計変形モデル）である。すなわち、変形モデルは、第１変形状態から第２変形状態への変形で、正常な被検体（正常症例）がどのように変形するかを示すモデルである。なお、標準被検体画像と標準変形場は、典型的な正常症例の第１画像と、その正常症例における第１画像から第２画像への変形場であってもよい。データサーバ１７０が保持する変形モデルは、変形モデル取得部１０２を介して画像処理装置１００に入力される。

表示部１８０は、画像処理装置１００が生成する表示画像や乖離度等の各種の情報を表示する。また、表示部１８０には、ユーザからの指示を取得するためのＧＵＩも配置されている。

＜画像処理装置１００の機能ブロック構成＞
画像処理装置１００は、変形モデル取得部１０２と、データ取得部１０４と、正常変形算出部１０６と、実変形算出部１０８と、乖離度算出部１１０と、表示制御部１１２とを備えている。そして、不図示のＣＰＵは画像処理装置１００の全体的な処理を制御し、ＣＰＵはプログラムを読み出して実行することにより各機能ブロックの動作を制御する。

変形モデル取得部１０２は、データサーバ１７０から画像処理装置１００へと入力される変形モデルを取得する。データ取得部１０４は、データサーバ１７０から画像処理装置１００へと入力される第１画像および第２画像を取得する。正常変形算出部１０６は、対象症例の変形が正常組織の変形モデルに従うと仮定した場合の変形を、第１画像から第２画像への変形場（以下、正常変形場と呼ぶ）の形で算出し、取得する。実変形算出部１０８は、対象症例の第１画像と第２画像との間で実際に生じている変形を、第１画像から第２画像への変形場（以下、実変形場と呼ぶ）の形で算出し、取得する。乖離度算出部１１０は、正常変形算出部１０６から正常変形場を取得し、実変形算出部１０８から実変形場を取得する。乖離度算出部１１０は、取得した正常変形場および実変形場の情報に基づいて、乖離度を算出する。表示制御部１１２は、第１画像および第２画像の断面画像と、乖離度に関する情報を、表示部１８０に表示させる表示制御を行う。

＜画像処理装置１００が実行する処理＞
次に、図２のフローチャートを参照して、本実施形態に係る画像処理装置１００が実行する処理の手順について説明する。

（データの取得：Ｓ２００）
ステップＳ２００において、データ取得部１０４は、データサーバ１７０から対象症例の第１画像および第２画像を取得する。そして、データ取得部１０４は、取得した画像を、正常変形算出部１０６、実変形算出部１０８、および表示制御部１１２へと出力する。

（変形モデルの取得：Ｓ２０１）
ステップＳ２０１において、変形モデル取得部１０２は、データサーバ１７０から変形モデルを取得する。そして、変形モデル取得部１０２は、取得した変形モデルを正常変形算出部１０６へと出力する。

（実変形場の算出：Ｓ２０２）
ステップＳ２０２において、実変形算出部１０８は、対象症例の第１画像と第２画像の変形位置合わせを行い、第１画像から第２画像への実変形場（実際に生じている変形の変形場）を算出する。実変形算出部１０８は、実変形場の算出において、例えば、第１画像の特徴点と第２画像の特徴点との対応付けや、画像類似度に基づくＦＦＤ（Ｆｒｅｅ−ｆｏｒｍ ｄｅｆｏｒｍａｔｉｏｎ）法や、ＬＤＤＭＭ（Ｌａｒｇｅ Ｄｅｆｏｒｍａｔｉｏｎ Ｄｉｆｆｅｏｍｏｒｐｈｉｃ Ｍｅｔｒｉｃ Ｍａｐｐｉｎｇ）法等の公知の方法を用いることが可能である。そして、実変形算出部１０８は、算出した実変形場を、正常変形算出部１０６、及び乖離度算出部１１０へと出力する。以下では、本ステップで得られる実変形場をＴ_ｒｅａｌ（ｐ）と表す。ここで、ｐは、第１画像上における任意の座標を表し、Ｔ_ｒｅａｌ（ｐ）は、座標ｐにおける実際の変位（実変形場）を表している。図３（ｃ）は、実変形算出部１０８により取得された実変形場３０３の例を示す図である。図３（ｃ）では、対象症例の第１画像と第２画像との間で実際に生じている変形状態の分布が示されている。

（正常変形場の算出：Ｓ２０３）
ステップＳ２０３において、正常変形算出部１０６は、ステップＳ２０１で取得した変形モデルに基づき、対象症例の第１画像から第２画像への正常変形場を算出する。ここで、第１画像および第２画像は、正常変形算出部１０６がステップＳ２００でデータ取得部１０４から取得した画像である。そして、正常変形算出部１０６は、算出した正常変形場を乖離度算出部１１０へと出力する。

正常変形算出部１０６は、実変形算出部１０８がステップＳ２０２で求めた実変形場Ｔ_ｒｅａｌ（ｐ）を最もよく表す変形モデルのパラメータを取得する。正常変形算出部１０６は、取得したパラメータによって表される変形場を正常変形場とする。具体的には、正常変形算出部１０６は、正常変形場を取得するために、まず、変形モデルの標準被検体画像と対象症例の第１画像との変形位置合わせを行い、第１画像から標準被検体画像への変形場Ｔ_ｎｏｒｍ（ｐ）を取得する。なお、画像間の変形位置合わせを行うために、正常変形算出部１０６はステップＳ２０２の処理と同様に公知の方法を用いることが可能である。

次に、正常変形算出部１０６は、第１画像から標準被検体画像への変形場Ｔ_ｎｏｒｍ（ｐ）と変形モデルの標準変形場（すなわち、平均変形場Ｔ_ａｖｅ（ｐ）と主成分変形場Ｔ_{ｅｉｇｅｎ＿ｉ}（ｐ））とを用いることにより、実変形場Ｔ_ｒｅａｌ（ｐ）を最もよく近似するような、Ｔ_{ｅｉｇｅｎ＿ｉ}（ｐ）の線形結合係数α_ｉを算出する。そのために、まず、対象症例の第１画像の「正常な変形」を、変形モデルの線形結合係数α_１，・・，α_Ｎを未知のパラメータとして、次の（１）式のように記述する。

Ｔ_{ｍｏｄｅｌ}（ｐ｜α_１，・・，α_Ｎ）
＝ Ｔ_ａｖｅ（Ｔ_ｎｏｒｍ（ｐ）＋ｐ）＋ Σ_{１≦ｉ≦Ｎ}（α_ｉＴ_{ｅｉｇｅｎ＿ｉ}（Ｔ_ｎｏｒｍ（ｐ）＋ｐ））・・・（１）
ここでＮは、変形モデルとして使用する主成分変形場（主成分変形場Ｔ_{ｅｉｇｅｎ＿ｉ}（ｐ））の数である。Ｎの値は、予め定めた固定値を使用するようにしてもよいし、不図示のＧＵＩを介して画像処理装置１００のユーザが適宜変更できる構成であってもよい。そして、正常変形算出部１０６は、第１画像の被検体領域Ω_１内の各点（所定の間隔でサンプリングした点）ｐにおける変形場Ｔ_{ｍｏｄｅｌ}（ｐ）と実変形場Ｔ_ｒｅａｌ（ｐ）との残差（ｅｒｒ）を次の（２）式によって定義し、この値を最小とするパラメータα_ｉを取得する。

ｅｒｒ ＝ Σ_ｐ∈Ω１｜Ｔ_ｒｅａｌ（ｐ）− Ｔ_{ｍｏｄｅｌ}（ｐ｜α_１，・・，α_Ｎ）｜・・・（２）
すなわち、正常変形算出部１０６は、取得したパラメータα_ｉに基づいて、実変形場Ｔ_ｒｅａｌ（ｐ）を最もよく近似する、対象症例の第１画像の「正常な変形」を推定する。そして、このときの変形場Ｔ_{ｍｏｄｅｌ}（ｐ）を、正常変形場Ｔ_{ｉｄｅａｌ}（ｐ）として取得する。なお、正常変形算出部１０６は、α_ｉの算出のために、公知の線形解法を用いることが可能であり、α_ｉの値を線形方程式の解として解析的に導出することが可能である。尚、正常変形算出部１０６によるパラメータα_ｉの導出は、（２）式で定義される誤差の総和（ｅｒｒ）を最小化する方法に限定されるものではない。正常変形算出部１０６は、例えば、ＲＡＮＳＡＣ（ＲＡＮｄｏｍ ＳＡｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ）やＭ推定等の公知のアウトライア除去アルゴリズムを用いることにより誤差の大きな点ｐを除外して、残された点の誤差の総和を最小化することによりパラメータα_ｉを求めることも可能である。図３（ｄ）は、正常変形算出部１０６により取得された正常変形場３０４の例を示す図である。

（乖離度の算出：Ｓ２０４）
ステップＳ２０４において、乖離度算出部１１０は、第１画像上の被検体領域Ω_１内の夫々のボクセルについて、夫々のボクセルに対応する位置における変位の乖離度を算出する。そして、乖離度算出部１１０は、各ボクセルにおける乖離度をボクセル値として有するボリューム画像（以下、乖離度画像と呼ぶ）を生成する。そして、乖離度算出部１１０は、生成した乖離度画像を表示制御部１１２へと出力する。

尚、乖離度算出部１１０は、夫々のボクセル（３次元位置をｐｊとする）における乖離度Ｋ（ｐｊ）を、例えば、次の（３）式を用いて算出することができる。

Ｋ（ｐｊ）＝｜Ｔ_ｒｅａｌ（ｐｊ）−Ｔ_{ｉｄｅａｌ}（ｐｊ）｜・・・（３）
（３）式は、注目した点ｐｊにおける実際の変位（実変形場）と、統計的に正常な変形モデルに基づく同点（点ｐｊ）の変位（正常変形場）との差分のノルムを計算することを意味する。したがって、点ｐｊにおける実際の変位（実変形場）と統計的に正常な変形モデルに基づく変位（正常変形場）との差異が小さい場合には、乖離度Ｋ（ｐｊ）の値は小さくなり、差異が大きい場合には乖離度Ｋ（ｐｊ）の値は大きくなる。

なお、乖離度Ｋ（ｐｊ）は、実変形場Ｔ_ｒｅａｌ（ｐｊ）と正常変形場Ｔ_{ｉｄｅａｌ}（ｐｊ）との乖離の度合いを算出するものであれば、他の方法で算出してもよい。例えば、乖離度算出部１１０は、実変形場を表すベクトルと正常変形場を表すベクトルとの角度差に基づいて乖離度を算出することも可能である。この場合、例えば、角度差が大きい場合に、乖離度算出部１１０は、乖離度を高く判定し、角度差が小さい場合に、乖離度算出部１１０は、乖離度を低く判定する。他にも、乖離度算出部１１０は、位置ｐｊにおける実変形場と正常変形場のヤコビ行列の行列式（ヤコビアン）を夫々求め、その差分に基づいて乖離度を算出することも可能である。この場合、実変形場と正常変形場との間で局所領域の体積変化の差異が大きい場合に、乖離度算出部１１０は、乖離度を高く判定する。また、乖離度算出部１１０は、位置ｐｊの近傍の各点において上記の（３）式の値やヤコビアンの値を求め、その積分値を乖離度として用いることも可能である。つまり、乖離度算出部１１０は、被検体の変形状態を表す変形モデルに対する変形情報の乖離度を算出することができる。なお、上記の方法は一例に過ぎず、乖離度算出部１１０は乖離度を実変形場（実際の変位）と正常変形場（統計的に正常な変形モデルに基づく変位）との比較に基づく方法で算出可能である。

なお、先の説明では第１画像の空間を基準とした変形場に基づいて乖離度を算出し乖離度画像を生成する処理を説明したが、乖離度算出部１１０は乖離度画像を、第１画像の空間ではなく第２画像の空間で生成することが可能である。この場合、乖離度算出部１１０は、第２画像上の被検体領域Ω_２内の夫々のボクセル（３次元位置をｑｊとする）について、実変形場Ｔ_ｒｅａｌの逆変換により、当該ボクセルに変位させられる第１画像上の座標ｐｊを同定する。すなわち、乖離度算出部１１０は、ｑｊ＝Ｔ_ｒｅａｌ（ｐｊ）となるｐｊを求める。そして、乖離度算出部１１０は、上記の（３）式と同様の処理により乖離度Ｋ（ｐｊ）を求め、この値を乖離度画像の座標ｑｊのボクセル値とする処理を実行する。なお、画像処理装置１００の表示制御部１１２は、第１画像と第２画像の何れの空間を基準とした乖離度画像を生成するかを、ユーザに選択させるための構成（例えば、ＧＵＩ）を表示部１８０に表示させることが可能である。この場合、ユーザは、乖離度画像の生成の基準を、第１画像とするか、または、第２画像とするかを、ＧＵＩを介して選択することができる。乖離度算出部１１０は、ユーザの選択に基づいて乖離度画像の生成処理を実行する。

また、乖離度算出部１１０は、乖離度画像の生成と共に（あるいは、乖離度画像を生成せずに）、被検体領域Ω_１内の夫々のボクセルにおける乖離度を集計し、画像全体としての乖離の度合いを算出することも可能である。例えば、乖離度算出部１１０は、乖離度の平均値、最大値、あるいは、乖離度が所定の値（閾値）を超えるボクセルの数などを、画像全体としての乖離の度合いを表す情報として取得することが可能である。これによると、対象症例の全体傾向として、対象症例の正常例（正常な変形）からの乖離の度合いを定量化できる。また、乖離度算出部１１０は、被検体領域Ω_１を解剖学的に意味のある領域（例えば、乳房の場合は、Ａ領域，Ｂ領域，Ｃ領域，Ｃ’領域，Ｄ領域，Ｅ領域など）に分割する。そして、乖離度算出部１１０は、夫々の領域内における乖離の度合いを、領域毎に集計し、定量化することも可能である。また、乖離度算出部１１０は、乖離の度合いが最大となる領域や、乖離の度合いが所定の条件を上回る領域を選択するなどの処理を行い、注目すべき領域を、乖離の度合いに基づいて判定することも可能である。

（乖離度の可視化：Ｓ２０５）
ステップＳ２０５において、表示制御部１１２は、乖離度に関する情報を表示部１８０に表示させる。表示制御部１１２は、例えば、濃淡で表現した第１画像の断面画像上に、乖離度の分布を示すマップとして、カラーマップ（以下、乖離度マップと呼ぶ）を重畳表示するように表示制御を行うことが可能である。乖離度マップの表示において、表示制御部１１２は、例えば、乖離度の値と表示色の対応を予めテーブルで定義しておき、そのテーブルに従って決定した表示色を第１画像の対応ボクセルに重畳表示するように表示制御を行うことが可能である。このようにして、表示制御部１１２はカラーマップの表示を制御することができる。

なお、乖離度の分布の表示形態は乖離度を表すカラーマップを重畳表示する場合に限らず、表示制御部１１２は、例えば、乖離度の等値線を第１画像の断面画像上に重畳表示するように表示制御を行うことが可能である。また、第１画像の断面画像上でユーザがマウスカーソルを移動させる際に、表示制御部１１２は、カーソルの動きに連動して、カーソルの示す座標における乖離度を乖離度画像から取得する。そして、表示制御部１１２は、取得した乖離度の値を文字情報として表示部１８０の画面内の所定の位置やカーソル付近に表示するように表示制御を行うことが可能である。また、表示制御部１１２は、乖離度が一定以上の領域に関して、当該領域を示す情報を第１画像の断面画像上に重畳表示し、それ以外の領域には何も重畳しないという表示形態で表示を行うように表示部１８０の表示を制御することも可能である。なお、乖離度の分布の表示形態は第１画像への重畳表示に限定されるものではなく、表示制御部１１２は、第１画像と対比しやすいように、第１画像と同一断面の乖離度画像を第１画像と並べて表示するように表示部１８０の表示を制御することも可能である。表示制御部１１２は、これら乖離度の分布の表示形態を、ユーザの指示に応じて表示制御することが可能である。図４は、乖離度の分布の表示例として、第１画像上で定義される乖離度マップ４０１を、第１画像の断面画像３０１に重畳表示した場合を例示している。例えば、超音波エコーなどによる断層画像の病変部は暗く撮像される傾向があり、撮像された画像に乖離度を重畳表示することにより、医師は画像中における病変部を迅速に特定することが可能になる。種々の画像撮像装置（モダリティ）で撮像した画像と乖離度の情報とにより、医師による病変部の発見や、異常の種類や悪性度や進行度などの判断が容易になる。

なお、ステップＳ２０４で、画像全体の乖離の度合いを表す情報、解剖学的に意味のある領域毎の乖離の度合いを表す情報、乖離の度合いに基づく注目すべき領域の情報などを導出している場合に、表示制御部１１２は、これらの情報を表示部１８０に表示する。

また、表示制御部１１２は、乖離度画像に基づいて注目領域を抽出し、その領域の情報を断面画像と共に表示するように表示制御を行うことも可能である。例えば、表示制御部１１２は、乖離度が所定の値以上となる領域を乖離度画像上で抽出し、体積等の所定の条件を満たす領域を注目領域と定め、その情報（数や体積や重心位置等）を表示するように表示制御を行うことも可能である。

以上によって、画像処理装置１００の処理が実行される。本実施形態の画像処理装置１００によれば、ユーザは、正常な変形からの乖離の有無や、乖離した変形が発生している領域の確認を行うことができる。例えば、組織の構築の乱れを呈する浸潤癌の診断では、触診や超音波画像の所見では浸潤癌の検出が困難な場合であっても、組織の構築の乱れが生じている領域は組織の伸びが悪くなるという特徴を有するため、これを正常な変形からの乖離という形で可視化することができる。

他にも、非浸潤癌の診断では、非浸潤癌は周辺の組織を引き込んで引きつれを生じさせるという特徴を有するため、これを正常な変形からの乖離という形で可視化して提示することができる。本実施形態の画像処理装置によれば、正常な変形からの乖離の有無や、乖離した変形が発生している領域を可視化して提示することができるため、上記のような浸潤癌の診断および非浸潤癌の診断においても、医師が行う良悪性判別を支援することができる。

＜第１実施形態の変形例１：統計変形以外の変形モデルの例＞
第１実施形態では、第１変形状態から第２変形状態への変形において、統計処理を行うことにより統計的に妥当な変形を表すモデルを変形モデルとして用いる場合を例に説明したが、他の変形モデルを用いる構成であってもよい。例えば、物理的に妥当な変形を表す変形モデルとして、物理変形シミュレーションのための有限要素モデル（物理モデル）を用いてもよい。正常変形算出部１０６は、例えば、第１画像を基準とする場合、第１画像に物理変形シミュレーションを施して求めた変形場を正常変形場として生成する。正常変形場の生成において、正常変形算出部１０６は、例えば、物理モデルに基づく制約条件に従う範囲で可能な限り、実変形場を表現する変形を物理変形シミュレーションにより求めることで、正常変形場を生成する。これにより、乖離度算出部１１０は、物理的に妥当な変形（物理変形シミュレーションに基づく正常変形場）に対する実変形場の乖離度を取得することができる。

また、正常変形算出部１０６は、解剖学的に妥当な変形を表す変形モデルとして、被検体の変形に関する解剖学的知識をモデル化した知識モデルを用いることが可能である。正常変形算出部１０６は、この場合、知識モデルに従う範囲で可能な限り実変形場を表現する変形を求めることで、正常変形場を生成する。これにより、乖離度算出部１１０は解剖学的知識と合致する変形に対する実変形場の乖離度を取得することができる。なお、これらの変形例によれば、統計的な変形モデルを構築するための複数の正常症例の画像は不要となる。

＜第１実施形態の変形例２：実変形場を対話的操作によって算出する例＞
第１実施形態では、ステップＳ２０２における実変形算出部１０８の処理において、画像情報（第１画像、第２画像）を利用して実変形場を算出する場合を例として説明していた。しかし、実変形場の生成は、この処理に限定されるものではない。例えば、第１画像と第２画像の間で対応する点の位置情報（対応点情報）を手動または自動で入力し、実変形算出部１０８はそれらの対応点情報を用いて実変形場を算出することが可能である。この場合、ステップＳ２００の処理において、データ取得部１０４は、第２画像上に対して入力された点群の３次元位置と、それら点群と夫々対応する第１画像上の点群の３次元位置とをそれぞれ取得する。そして、ステップ２０２の処理において、実変形算出部１０８は、実変形場を算出する際に、第１画像上の点群の３次元位置が、対応する第２画像上の点群の３次元位置へと変位することを拘束条件として追加する。本変形例によれば、第１画像と第２画像が異なるモダリティで取得される場合のように、画像情報を利用した処理だけでは実変形場が適切に求められない場合であっても、対応点情報を用いることによって、実変形場を適切に算出することができるという効果がある。

＜第１実施形態の変形例３：正常変形場の算出方法＞
第１実施形態では、ステップＳ２０３の処理において、正常変形算出部１０６は正常変形場の導出を、実変形場を最もよく近似するようにパラメータα_ｉを求めることで行っていた。しかし、正常変形場の導出は上記とは異なる処理で行ってもよい。正常変形算出部１０６は、例えば、（１）式の変形モデルで表現可能な変形場のうち、その変形場によって第１画像を変形させた結果が第２画像に極力近くなる（一致する）変形場を求め（そのようなα_ｉを導出し）、これを正常変形場としてもよい。このとき、画像間の一致度は、例えば、同一位置における画素値（輝度値）の差（輝度差）の二乗の合計（ＳＳＤ：Ｓｕｍ ｏｆ Ｓｑｕａｒｅｄ Ｄｉｆｆｅｒｅｎｃｅ）によって評価することができる。また、輝度差の絶対値が所定値以下となるボクセル数、両画像間で対応付けられたランドマークの位置情報の残差、画像間の特徴情報の類似度、相互相関など、公知の評価尺度を用いて評価することができる。

（第２実施形態：事前知識とのずれの導出）
第１実施形態では、複数の３次元断層画像間の実際の変形場（実変形場）と、変形モデルに基づく正常変形場との比較によって乖離度を求める処理を説明した。一方、本実施形態に係る画像処理装置は、変形モデルに基づく正常変形場の算出を介さずに、正常組織の変形に関する事前知識に基づいて乖離度を算出することを主な特徴とする。以下、本実施形態に係る画像処理装置について、第１実施形態との相違部分についてのみ説明する。

本実施形態における被検体は乳房とする。乳房内の任意の点の位置と乳頭位置との間の距離（以下、乳頭−点間距離と呼ぶ）は、正常組織の場合、変形状態に関わらず略一定であることが知られている。そのため、第１変形状態から第２変形状態へと被検体が変形した際に、乳頭−点間距離が変化する領域が存在する場合、その領域は正常な変形から乖離していると考えられる。そこで、本実施形態に係る画像処理装置は、第１変形状態で撮像した第１画像と第２変形状態で撮像した第２画像との間における乳頭−点間距離の変化の度合いを取得し、取得した乳頭−点間距離の変化の度合いを正常な変形からの乖離度として可視化して表示する。

＜画像処理システム５０００及び画像処理装置５００の構成＞
本実施形態に係る画像処理システム５０００及び画像処理装置５００の構成を図５に示す。なお、図１と同じ部分については、同一の参照番号を付けており、その説明を省略する。画像処理装置５００は、データ取得部１０４、実変形算出部１０８、表示制御部１１２、基準位置取得部５０１、及び、乖離度算出部５１０を備えている。

基準位置取得部５０１は、事前知識に基づく乖離度の算出に用いるための情報として、第１画像、及び第２画像における基準点の位置情報（本実施形態では乳頭の３次元座標）を取得する。乖離度算出部５１０は、実変形算出部１０８が算出した実変形場と、基準位置取得部５０１が取得した基準点の位置情報に基づいて、正常な変形に関する事前知識に基づく実変形場の乖離度を算出する。

＜画像処理装置５００が実行する処理＞
次に、図６のフローチャートを参照しながら、本実施形態に係る画像処理装置５００が行う全体の処理手順を説明する。なお、ステップＳ６００、ステップＳ６０２、およびステップＳ６０４の処理は、第１実施形態で説明した図２のステップＳ２００、ステップＳ２０２、およびステップＳ２０５の処理と同様であるため、説明を省略する。

（基準点の位置情報の取得：Ｓ６０１）
ステップＳ６０１において、基準位置取得部５０１は、第１画像および第２画像の夫々から、乖離度の算出に用いる被検体における基準点の位置情報（本実施形態では、被検体の同一部位を示す基準点の位置情報の例として、乳頭位置の３次元座標）を取得する。そして、取得した夫々の基準点の位置情報（乳頭位置の３次元座標）を、乖離度算出部５１０へと出力する。以下では、第１画像および第２画像における基準点の位置情報（乳頭位置の３次元座標）を、夫々ｎ_１、ｎ_２と記す。
（乖離度の算出: Ｓ６０３）
ステップＳ６０３において、乖離度算出部５１０は、第１実施形態と同様に、第１画像上の被検体領域Ω_１内の夫々のボクセルにおける乖離度をボクセル値として有する乖離度画像を生成して、算出した乖離度画像を表示制御部１１２へと出力する。ただし、本実施形態では、各ボクセルにおける乖離度の算出方法が第１実施形態とは異なっている。すなわち、夫々のボクセルを注目点としたときに、乖離度算出部５１０は、第１画像及び第２画像の夫々に対して、被検体上において対応する注目点を設定する。乖離度算出部５１０は、第１画像における基準点と注目点との間の位置関係と、第２画像における基準点と注目点との間の位置関係の変化を乖離度として算出する。

位置関係の変化として、乖離度算出部５１０は、第１画像における基準点と注目点との間の距離（「注目点−乳頭（基準点）間の距離」）と、第２画像における基準点と注目点との間の距離（「該注目点の対応点−乳頭（基準点）間の距離」）との差異（差分）を乖離度として算出する。この距離値の差異（差分）が、本実施形態における乖離度である。乖離度算出部５１０は、ボクセル位置ｐｊにおける乖離度Ｋ（ｐｊ）を、以下の式を用いて算出する。

Ｋ（ｐｊ）＝｜ｐｊ−ｎ_１｜−｜ｑｊ−ｎ_２｜・・・（４）
ここで、（４）式における｜ｐｊ−ｎ_１｜は、第１画像における「注目点−乳頭間の距離」を表している。また、ｑｊは、第２画像上における該注目点（ｐｊ）の対応点の位置を表している。すなわち、｜ｑｊ−ｎ_２｜は、第２画像における「該注目点の対応点−乳頭間の距離」を表している。したがって、（４）式の計算は、第１変形状態と第２変形状態において、同一点の乳頭−点間距離の違いを算出するものである。なお、第２画像上における該注目点（ｐｊ）の対応点の位置（ｑｊ）の値は、ステップＳ６０２で得た実変形場を用いて、次の（５）式によって算出される。（５）式において、座標ｐｊにおける実変形場をＴ_ｒｅａｌ（ｐｊ）として示す。

ｑｊ ＝ ｐｊ＋Ｔ_ｒｅａｌ（ｐｊ）・・・（５）
乖離度Ｋ（ｐｊ）の値が０に近い場合、位置ｐｊにおける乳頭−点間距離は、第１変形状態および第２変形状態の間で変化が小さい。正常な変形状態においては同一点の乳頭−点間距離は大きくは変化しないという知識に基づくと、この場合、位置ｐｊ付近の領域は正常に変形していると考えられる。一方、乖離度Ｋ（ｐｊ）の絶対値が大きい場合には、位置ｐｊ付近の領域において、正常モデルとは異なる変形が起こっていると考えられる。なお、乳頭−点間距離の差異を計量できる方法であれば、乖離度算出部５１０は、（４）式に示した差分以外の方法で乖離度を求めることが可能である。

位置関係の変化として、乖離度算出部５１０は、第１画像における基準点と注目点との間の距離と、第２画像における基準点と注目点との間の距離との比率を乖離度として算出する。例えば、乖離度算出部５１０は、乳頭−点間距離の比率、すなわち、次の（６）式によって乖離度を算出することが可能である。

Ｋ（ｐｊ）＝｜ｐｊ−ｎ_１｜／｜ｑｊ−ｎ_２｜・・・（６）
乖離度算出部５１０による乖離度の算出は、正常な変形状態においては同一点の乳頭−点間距離は大きくは変化しないという知識を基準としたものである。尚、乖離度算出部５１０による乖離度の算出は、乳頭−点間の距離が変化しないという基準に基づく方法に限らず、乳頭−点間の位置関係の不変性に基づく他の方法で行ってもよい。

乖離度算出部５１０は、例えば、乳頭を基準としたときの乳頭−点間の方位が、変形によって大きくは変化しないという基準を用いることが可能である。方位の具体的な定義は以下の通りである。いま、被検体画像の基準座標系は、左右方向がＸ軸、前後方向がＹ軸、被検体の頭尾方向がＺ軸として定義されているとする。そして、乳頭位置をｎ＝｛ｎ_ｘ，ｎ_ｙ，ｎ_ｚ｝、被検体内の任意の位置をｐ＝｛ｐ_ｘ，ｐ_ｙ，ｐ_ｚ｝、基準座標系のＺ軸ベクトル（基準ベクトル）をｚ＝｛ｚ_ｘ，ｚ_ｙ，ｚ_ｚ｝とする。このとき、乖離度算出部５１０は、位置ｐにおける方位角Ｄ（ｐ）を、次の（７）式を用いて算出する。

Ｄ（ｐ）＝ｃｏｓ^−１｛（（ｐ_ｘ，ｐ_ｚ）−（ｎ_ｘ，ｎ_ｚ））・（ｚ_ｙ，ｚ_ｚ）｝
・・・（７）
この計算は、位置ｐ（注目点）と乳頭位置ｎ（基準点）を結ぶベクトルとＺ軸ベクトル（基準ベクトル）を、基準座標系のＸＺ平面に夫々投影して、角度差を算出することを意味する。乖離度算出部５１０は、第１画像における位置ｐｊ（注目点）と、（５）式で算出される第２画像上の対応位置ｑｊ（注目点）のそれぞれについて方位角（Ｄ（ｐｊ）、Ｄ（ｑｊ））を求め、その差分を乖離度として算出する。すなわち、乖離度算出部５１０は、第１画像における基準点と注目点とを結ぶベクトルと、第１画像の基準ベクトルとの間の角度情報と、第２画像における基準点と注目点とを結ぶベクトルと、第２画像の基準ベクトルとの間の角度情報と、の差分を乖離度として算出する。

なお、乖離度算出部５１０は、乖離度の算出のために、単一の基準を用いる場合に限らず、複数の基準を用いることが可能である。複数の基準を組み合せて乖離度を算出する場合、乖離度算出部５１０は夫々の基準によって算出される乖離度を、重みパラメータによって重みづけされた上で加算して、最終的な乖離度を算出する。

本実施形態によれば、正常な変形状態では乳頭−点間距離が変化しない等、臨床で得られる解剖学的知見を乖離度の算出に直接用いることができるため、医師等のユーザの直観により適合した乖離度の算出を行うことができる。また、第１実施形態で必要であった正常変形場の導出を必要としないため、計算コストを低減できる。また、第１実施形態で必要であった統計変形モデルを必要としないため、「腹臥位と仰臥位の画像を用いる」といった体位に関する入力画像の制約なしに、正常な変形との乖離を可視化できるという効果がある。

（第３実施形態：画像の差異に基づく乖離の導出）
第１実施形態では、複数の３次元断層画像間の実際の変形場（実変形場）と、変形モデルに基づく正常変形場との差異に基づいて乖離度を算出していた。一方、本実施形態に係る画像処理装置は、実変形場の算出を介さずに、変形モデルに基づく正常変形場によって生成された変形画像と実画像との差異に基づいて乖離度を算出することを主な特徴とする。以下、本実施形態に係る画像処理装置について、第１実施形態との相違部分についてのみ説明する。

＜画像処理システム７０００及び画像処理装置７００の構成＞
本実施形態に係る画像処理システム７０００及び画像処理装置７００の構成を図７に示す。なお、図１と同じ部分については、同一の参照番号を付けており、その説明を省略する。画像処理装置７００は、変形モデル取得部１０２、データ取得部１０４、正常変形算出部１０６、表示制御部１１２、変形画像生成部７０７、及び、乖離度算出部７１０を備えている。

変形画像生成部７０７は、正常変形算出部１０６が取得した正常変形場を、データ取得部１０４が取得した第１画像に適用することで、第１画像を正常変形場に基づき第２変形状態に変形させた画像（以下、変形画像または第３画像）を生成する。そして、生成した変形画像（第３画像）を乖離度算出部７１０へと出力する。変形画像生成部７０７が生成する変形画像（第３画像）は、第１変形状態における被検体に正常変形モデルで表現可能な正常な変形を施して第２変形状態に変形させたものに相当する。

乖離度算出部７１０は、データ取得部１０４が取得した第２画像と、変形画像生成部７０７が生成した変形画像（第３画像）との画像の差分に基づいて乖離度を算出する。第２画像は、第２変形状態における実際の被検体の変形状態を表すものであるので、この差分により、実変形（第２画像）と正常変形（第３画像）との差異が定量化される。

＜画像処理装置７００が実行する処理＞
次に、図８のフローチャートを参照しながら、本実施形態に係る画像処理装置７００が行う全体の処理手順を説明する。なお、ステップＳ８００、ステップＳ８０１、およびステップＳ８０５の処理は、第１実施形態におけるステップＳ２００、ステップＳ２０１、およびステップＳ２０５の処理と同様であるため、説明を省略する。

（正常変形場の算出：Ｓ８０２）
ステップＳ８０２において、正常変形算出部１０６は、ステップＳ８０１で取得した変形モデルに基づき、対象症例の第１画像から第２画像への正常変形場を算出する。そして、算出した正常変形場を変形画像生成部７０７へと出力する。なお、本実施形態に係る画像処理装置７００は、第１実施形態における実変形算出部１０８に相当する処理部を有していないので、本ステップの処理は、第１実施形態の変形例３に記載した実変形場に基づかない処理によって実行される。正常変形算出部１０６は、（１）式の変形モデルで表現可能な変形場のうち、その変形場によって第１画像を変形させた結果が第２画像に極力近くなる（一致する）変形場を求め（そのようなα_ｉを導出し）、これを正常変形場とする。

（変形画像の生成：Ｓ８０３）
ステップＳ８０３において、変形画像生成部７０７は、ステップＳ８０２で取得した正常変形場に基づいて第１画像を変形させた変形画像（第３画像）を生成する。そして、生成した変形画像（第３画像）を乖離度算出部７１０へと出力する。変形場に基づく変形画像の生成は、公知の方法で実施可能である。

（乖離度の算出：Ｓ８０４）
ステップＳ８０４において、乖離度算出部７１０は、ステップＳ８０３で取得した変形画像（第３画像）と、データ取得部１０４から取得した第２画像とに基づいて、夫々のボクセルで生じている実際の変形の、正常モデルからの乖離度を算出する。そして、乖離度算出部７１０は、各ボクセルにおける乖離度をボクセル値として有する乖離度画像を生成する。本実施形態では、乖離度を、第２画像と変形画像（第３画像）との間において、対応するボクセルのボクセル値の差異と定義する。具体的な算出方法として、乖離度算出部７１０は、例えば、対応ボクセルのボクセル値の差分値やその絶対値等を用いて乖離度を算出することができる。なお、乖離度算出部７１０による乖離度の算出は、第２画像と変形画像（第３画像）との直接的な差異に基づいて算出する場合に限らず、乖離度算出部７１０はスムージング等の事前処理を施した画像間の差異に基づいて乖離度を算出することも可能である。スムージング等の事前処理を施すことにより、乖離度の算出処理においてノイズ等による影響を軽減し、精度よく乖離度を求めることが可能になる。

本実施形態によれば、第１画像と第２画像との間の実変形場を算出しなくても、正常変形状態からの乖離度を求めることができる。そのため、実変形場の計算コストを低減できる。また、第１変形状態と第２変形状態の間の変形が大きい等の原因により実変形の算出が難しい場合であっても、乖離度を算出できるという効果がある。

（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

Claims (19)

1. 第１変形状態から第２変形状態へ変形した被検体の変形情報を算出する第１算出手段と、
   前記被検体の正常組織の変形を表す変形モデルに基づいて、前記第１変形状態から前記第２変形状態へ変形する前記被検体の変形情報を算出する第２算出手段と、
   前記第１算出手段で算出された前記被検体の変形情報と前記第２算出手段で算出された変形情報の乖離度を算出する乖離度算出手段と、
   前記算出した乖離度を表示させる表示制御手段と、
   を備えることを特徴とする画像処理装置。
2. 前記変形モデルを取得する取得手段を更に備え、
   前記変形モデルは、複数の被検体の正常組織を、前記第１変形状態で撮像した画像と、前記第２変形状態で撮像した画像と、を用いて生成されたモデルであることを特徴とする請求項１に記載の画像処理装置。
3. 前記表示制御手段は、前記被検体の断面画像に、前記乖離度の分布をマップとして重畳表示することを特徴とする請求項１または２に記載の画像処理装置。
4. 前記表示制御手段は、前記被検体の断面画像に、前記乖離度の等値線を重畳表示することを特徴とする請求項１または２に記載の画像処理装置。
5. 前記表示制御手段は、前記被検体の断面画像に、前記乖離度を示す文字情報を重畳表示することを特徴とする請求項１または２に記載の画像処理装置。
6. 前記第１算出手段で算出された前記被検体の変形情報は、
   前記第１変形状態の被検体を撮像した第１の画像と、前記第２変形状態の前記被検体を撮像した第２の画像に基づき、
   特徴点の対応付け、ＦＦＤ法、あるいはＬＤＤＭＭ法のいずれかで算出された前記被検体における変形場である請求項１乃至請求項５のいずれか１項に記載の画像処理装置。
7. 第１変形状態の被検体を撮像した第１の画像と、第２変形状態の前記被検体を撮像した第２の画像とを取得する取得手段と、
   前記第１変形状態から前記第２変形状態への前記被検体の正常組織の変形を表すモデルに基づいて、前記第１の画像を前記第２変形状態の前記被検体に対応する画像に変形させた変形画像を生成する画像生成手段と、
   前記変形画像と前記第２の画像の乖離度を算出する乖離度算出手段と、前記算出した乖離度を表示させる表示制御手段と、
   を備えることを特徴とする画像処理装置。
8. 前記モデルに基づいて、前記第１の画像を前記第２変形状態の前記被検体に対応する画像に変形させる変形情報を算出する算出手段を更に備え、
   前記画像生成手段は、前記算出された変形情報を用いて前記変形画像を生成することを特徴とする請求項７に記載の画像処理装置。
9. 第１変形状態の被検体を撮像した第１の画像と、第２変形状態の前記被検体を撮像した第２の画像とを取得する取得手段と、
   前記第１の画像および前記第２の画像の夫々から、被検体上の同一部位を示す前記被検体上における基準点の位置情報を取得する位置取得手段と、
   前記第１の画像および前記第２の画像の夫々に対して、前記被検体上において対応する注目点を設定する設定手段と、
   前記第１の画像における基準点と注目点との間の位置関係と、前記第２の画像における基準点と注目点との間の前記位置関係の変化を乖離度として算出する乖離度算出手段と、
   前記算出した乖離度を表示させる表示制御手段と、
   を備えることを特徴とする画像処理装置。
10. 前記乖離度算出手段は、前記第１の画像における基準点と注目点との間の距離と、前記第２の画像における基準点と注目点との間の距離との差分を乖離度として算出することを特徴とする請求項９に記載の画像処理装置。
11. 前記乖離度算出手段は、前記第１の画像における基準点と注目点との間の距離と、前記第２の画像における基準点と注目点との間の距離との比率を前記乖離度として算出することを特徴とする請求項９に記載の画像処理装置。
12. 前記乖離度算出手段は、前記第１の画像における基準点と注目点とを結ぶベクトルと、該画像の基準ベクトルとの間の角度情報と、前記第２の画像における基準点と注目点とを結ぶベクトルと、該画像の基準ベクトルとの間の角度情報と、の差分を前記乖離度として算出することを特徴とする請求項９に記載の画像処理装置。
13. 前記乖離度は病変部の変形状態を表すことを特徴とする請求項１乃至請求項１２のいずれか１項に記載の画像処理装置。
14. 前記基準点は乳頭であることを特徴とする請求項１０乃至請求項１２のいずれか１項に記載の画像処理装置。
15. 前記注目点は病変部の一部であることを特徴とする請求項１０乃至請求項１２のいずれか１項に記載の画像処理装置。
16. 第１変形状態から第２変形状態へ変形した被検体の変形情報を算出する第１算出工程と、
    前記被検体の正常組織の変形を表す変形モデルに基づいて、前記第１変形状態から前記第２変形状態へ変形する前記被検体の変形情報を算出する第２算出工程と、
    前記第１算出工程で算出された前記被検体の変形情報と前記第２算出工程で算出された変形情報の乖離度を算出する乖離度算出工程と、
    前記算出した乖離度を表示させる表示制御工程と、
    を有することを特徴とする画像処理方法。
17. 第１変形状態の被検体を撮像した第１の画像と、第２変形状態の前記被検体を撮像した第２の画像とを取得する取得工程と、
    前記第１変形状態から前記第２変形状態への前記被検体の正常組織の変形を表すモデルに基づいて、前記第１の画像を前記第２変形状態の前記被検体に対応する画像に変形させた変形画像を生成する画像生成工程と、
    前記変形画像と前記第２の画像の乖離度を算出する乖離度算出工程と、前記算出した乖離度を表示させる表示制御工程と、
    を有することを特徴とする画像処理方法。
18. 第１変形状態の被検体を撮像した第１の画像と、第２変形状態の前記被検体を撮像した第２の画像とを取得する取得工程と、
    前記第１の画像および前記第２の画像の夫々から、被検体上の同一部位を示す前記被検体上における基準点の位置情報を取得する位置取得工程と、
    前記第１の画像および前記第２の画像の夫々に対して、前記被検体上において対応する注目点を設定する設定工程と、
    前記第１の画像における基準点と注目点との間の位置関係と、前記第２の画像における基準点と注目点との間の前記位置関係の変化を乖離度として算出する乖離度算出工程と、
    前記算出した乖離度を表示させる表示制御工程と、
    を有することを特徴とする画像処理方法。
19. コンピュータを、請求項１乃至請求項１５のいずれか１項に記載の画像処理装置の各手段として機能させるためのプログラム。

Images