脑部疾病的诊断系统

摘要

本发明的目的在于更加正确且详细地进行脑部疾病的诊断。诊断就诊者的脑部疾病的脑部疾病诊断系统(1)的诊断服务器(10)包括：取得部(11)，其取得就诊者的脑部图像并作为取得图像；区域设定部(12)，其在取得图像中设定多个区域；个别指标值算出部(13)，其针对多个区域的各个区域，基于取得图像的像素值而算出个别指标值；整体指标值算出部(14)，其通过对多个区域各自的个别指标值进行加权而算出整体指标值；诊断部(15)，其基于整体指标值而诊断就诊者的脑部疾病；以及输出部(16)，其输出表示诊断结果的信息。

说明书

技术领域

本发明涉及一种对就诊者的脑部疾病进行诊断的脑部疾病诊断系统。

背景技术

随着医用技术的发展，患者信息或图像信息等的电子数据化不断推进。尤其伴随医疗机器的发展，图像数据量增加，与此相对应地，医生的影像判读负担增大。在此种背景下，已研究、开发有各种医疗器械(CT(Computed Tomography，计算机断层摄像)、MRI(MagneticResonance Imaging，磁共振成像)、US(ultrasonography，超音波诊断)、SPECT(Single Photon Emission Computed Tomography，单光子放射计算机断层摄像)、PET(Positron Emission Tomography，正电子子放射断层摄像)等)或以部位(肺部区域或乳房等)作为对象并以支持医生判读影像为目的的自动诊疗系统(CAD(Computer-aided diagnosis，计算机辅助诊断))。

作为自动诊疗系统的一个诊断脑部疾病的方法，已提出有专利文献1中所记载的方法。该方法中，对于由MRI、PET、SPECT等所获得的被检者的脑部图像数据，将灰质组织抽出，对抽出后的脑部图像进行平滑化。其后，对脑部图像进行解剖学上的标准化等，然后以统计学的方式对被检者的脑部图像与健康者的脑部图像进行比较，设定关注区域(ROI(Region of Interest))并加以解析。继而，提供解析结果作为诊断结果。此处，设定为关注区域的区域针对脑部图像的各体素(voxel)，根据由健康者图像群的体素值的平均值及标准差所算出的Z评分而自动设定。

专利文献

专利文献1：日本专利特开2005-237441号公报

发明内容

发明所要解决的问题

上述专利文献1所记载的方法中，对以上述方式自动设定的一个关注区域同样地进行处理解析，据此诊断脑部疾病。然而，仅分析一个关注区域，则恐怕无法正确地诊断。另外，无法详细地诊断出产生了何种脑部疾病。其原因在于，仅分析一个关注区域，则无法判断出该关注区域的数据是否受脑部疾病的影响，且无法判断该关注区域受何种脑部疾病的影响(例如是否为阿尔兹海默症的影响)。

本发明为解决以上的问题而完成，其目的在于提供一种可更加正确且详细地进行脑部疾病的诊断的脑部疾病诊断系统。

解决问题的技术手段

为达成上述目的，本发明的脑部疾病诊断系统，其为诊断就诊者的脑部疾病，且包括：取得单元，取得就诊者的脑部的图像并作为取得图像；区域设定单元，在由取得单元所取得的取得图像中设定多个区域；个别指标值算出单元，对于区域设定单元所设定的多个区域的各个区域，根据取得图像的像素值而算出个别指标值；整体指标值算出单元，通过对个别指标值算出单元所算出的多个区域的各个区域的个别指标值进行加权而算出整体指标值；诊断单元，根据整体指标值算出单元所算出的整体指标值，诊断就诊者的脑部疾病；以及输出单元，输出表示诊断单元的诊断结果的信息。

在本发明的脑部疾病诊断系统中，根据就诊者的脑部的图像而诊断该就诊者的脑部疾病。本系统中，对脑部的图像设定多个区域，并针对多个区域的各个区域而算出基于像素值的个别指标值。继而，对该各个别指标值进行加权而算出整体指标值，根据该整体指标值进行上述诊断。因此，根据本发明的脑部疾病诊断系统，可在脑部的每个区域进行考虑脑部疾病的影响的判断，从而可更加正确且详细地进行脑部疾病的诊断。

优选的是，诊断单元对阈值、以及整体指标值进行比较，由此诊断就诊者的脑部疾病，所述阈值根据有脑部疾病的样本数据的指标值及无脑部疾病的样本数据的指标值而获得，所述整体指标值由整体指标值算出单元算出。根据该结构，可使使用整体指标值来进行判断时的判断基准更为合适，从而可更加正确且详细地进行脑部疾病的诊断。

优选为，整体指标值算出单元根据有脑部疾病的样本数据的指标值及无脑部疾病的样本数据的指标值而进行加权。根据该结构，可更适当地进行算出整体指标值时的加权。例如，对于对进行诊断的脑部疾病影响较大的范围，可设定较大的权重。其结果为，可更加正确且详细地进行脑部疾病的诊断。

优选为，取得单元根据所取得的脑部的图像的像素值，对该图像进行修正并设为取得图像。根据该结构，可排除就诊者的脑部的个体差异等而进行适当的脑部疾病的诊断。

优选为，取得单元也取得表示就诊者的年龄的信息，诊断单元根据由取得单元取得的信息所表示的就诊者的年龄，诊断该就诊者的脑部疾病。脑部的状态通常会根据年龄而变化，根据该结构，可进行与年龄相对应的适当的脑部疾病的诊断。

优选为，取得单元对所取得的脑部的图像进行解剖学上的标准化并设为取得图像。根据该结构，易于对脑部的图像进行处理，从而可进行适当的脑部疾病的诊断。

优选为，脑部疾病诊断系统还具备摄像单元，该摄像单元拍摄就诊者的脑部的图像，取得单元取得由摄像单元所拍摄的图像。根据该结构，可切实地取得脑部的图像，因此可切实地实施本发明。

优选为，摄像单元拍摄就诊者的脑部的切片图像作为该就诊者的脑部的图像，取得单元根据由摄像单元所拍摄的切片图像，产生对脑部的脑表面进行投影所得的脑表面投影图像并作为取得图像。根据该结构，可依据脑部疾病的种类，根据易于进行诊断的脑表面图像而进行诊断。

发明的效果

根据本发明，可在脑部的每个区域进行考虑脑部疾病的影响的判断，从而更加正确且详细地进行脑部疾病的诊断。

附图说明

图1为表示本发明的实施方式的脑部疾病诊断系统的构成的图；

图2为表示脑部疾病诊断系统中所利用的脑部图像的图；

图3为表示基于标准脑部图像的由年龄增大所引起的全脑代谢量的推移的图表；

图4为阿尔兹海默症及正常脑部的SUV的直方图(histogram)；

图5为表示阿尔兹海默症及正常脑部的多个就诊者各自的SUV的平均值的图表；

图6为表示将正常脑部的脑表面投影图像作为比较对象而从阿尔兹海默症患者的脑表面投影图像所获得的Z评分所对应的图像、及表示Z评分较高的部位的脑部的部位的图；

图7为表示脑部疾病诊断系统的诊断服务器的功能结构的图；

图8为表示脑部的解剖学部位的图；

图9为表示针对脑部的每个区域而算出的阿尔兹海默症及正常脑部的多个就诊者各自的SUV的平均值的图表；

图10为脑部的每个区域的阿尔兹海默症及正常脑部的SUV的直方图；

图11为脑部的每个区域的阿尔兹海默症及正常脑部的SUV的直方图；

图12为表示阿尔兹海默症的脑及正常脑部的多个就诊者各自的脑整体的SUV的平均值的图表、以及表示阈值与灵敏度及特异度的关系的图表；

图13为表示脑部的每个区域的阈值与灵敏度及特异度的关系的图表；

图14为表示阿尔兹海默症的脑及正常脑部的多个就诊者各自的整体指标值的图表、以及表示阈值与灵敏度及特异度的关系的图表；及

图15为表示本发明的实施方式的脑部疾病诊断系统中所执行的处理的流程图。

具体实施方式

以下，参照附图对本发明的脑部疾病诊断系统的优选实施方式进行详细说明。再者，在附图的说明中，对相同要素标以相同符号，并省略重复的说明。

图1中表示本实施方式的脑部疾病诊断系统1的构成。脑部疾病诊断系统1为对就诊者的脑部疾病进行诊断的系统。即，脑部疾病诊断系统1判断就诊者是否患有脑部疾病的系统。成为诊断对象的脑部疾病例如可为阿尔兹海默症(Alzheimer′s disease)等的特定类别的疾病，也可为尚未确定脑部是否产生异常的疾病。本实施方式中，以阿尔兹海默症为例进行说明。

如图1所示，脑部疾病诊断系统1包含发挥脑部疾病诊断系统1的主要功能的诊断服务器10而构成。另外，优选为，脑部疾病诊断系统1包含或者连接有储存系统，该储存系统储存并管理由CT装置、MRI装置、PET装置等的医疗器械所拍摄的医疗图像数据。在本实施方式中，如下所示，对包含储存系统的脑部疾病诊断系统1进行说明，但该脑部疾病诊断系统1也可不包含储存系统。

脑部疾病诊断系统1包含用以储存图像数据的多个储存器20、多个负载平衡器30、多个图像服务器40、多个业务服务器50、以及多个网关服务器60(作为储存系统的构成)。

负载平衡器30为进行如下处理的装置，该处理为接受输入至储存系统的任务请求，对应于任务请求而朝储存系统的各服务器40、50、60传送等的处理。负载平衡器30进行负载分散控制，使得各服务器40、50、60针对每个任务请求均不会过载。负载平衡器30与储存器20及各服务器40、50、60经由交换集线器70，通过有线的线路而连接，可相互进行信息的发送及接收。再者，两个负载平衡器30中的一方可用作另一方产生故障时的预备等。

图像服务器40为记录、管理图像数据所涉及的信息的装置。图像数据所涉及的信息具体而言为表示图像数据储存于多个储存器20中的哪一个储存器20的信息(储存储存器信息)。图像服务器40从负载平衡器30输入该信息的写入请求(Write请求)及读出请求(Read请求)，对应于各个请求而进行处理。另外，图像服务器40彼此通过有线的线路而连接，相互进行信息的发送及接收，从而使图像服务器40之间的信息同步。另外，更详细而言，如下所述，图像服务器40对由医疗器械所拍摄的图像进行处理。

业务服务器50为记录、管理图像数据所涉及的就诊者的信息的装置。业务服务器50从负载平衡器30输入就诊者的信息所涉及的处理的任务请求，对应于各个请求而进行处理。另外，与图像服务器40同样地，业务服务器50彼此也通过有线的线路而连接，相互可进行信息的发送及接收。

网关服务器(DICOM(Digital Imaging and Communications inMedicine，医疗数字影像通讯)网关)60为从负载平衡器30输入储存于储存器20中的图像数据，并将其传送至储存器20的装置。各网关服务器60将图像数据输出至连接于储存器20的负载平衡器80。再者，该负载平衡器80与连接各服务器40、50、60的负载平衡器30不同。另外，在输入有用于本实施方式的脑部疾病的诊断的信息的情况下，网关服务器60将该信息输入至诊断服务器10。

该负载平衡器80判断应当储存数据的储存器20，所述数据表示从网关服务器60或诊断服务器10输入的图像数据或诊断结果，并将该数据储存至储存器20。通常，为防止数据的损失，将上述数据储存于2处的储存器20中。再者，两个负载平衡器80中的一方用作另一方产生故障时的预备等。

另外，在脑部疾病诊断系统1中也可包含连接于储存系统的客户端100、观察器110及医疗器械121、122、123作为可供使用者使用的装置。上述各装置100、110、121～123经由交换集线器130，通过有线的线路而连接于负载平衡器30，且可与负载平衡器30之间进行信息的发送及接收。

客户端100为使用者利用脑部疾病诊断系统1时所使用的终端。观察器110为用以供医生等使用者判读图像数据的影像判读用终端。客户端100及观察器110中具备取得图像数据并显示所取得的图像数据的单元。另外，客户端100或观察器110也用于供使用者参照脑部疾病诊断系统1的诊断结果。客户端100或观察器110为了取得图像数据，(通过使用者的操作等)将图像数据的取得请求输入至负载平衡器30。取得请求中含有对成为取得对象的图像数据进行特别指定的信息。

医疗器械121～123相当于用以对就诊者的头部(脑)进行拍摄而取得图像数据的摄像单元的装置，具体而言为CT装置121、MRI装置122及PET装置123等。医疗器械121～123为了在储存系统中管理所取得的图像数据，对负载平衡器30发出该图像数据的注册请求。

另外，由医疗器械121所拍摄的图像数据表示规定剖面的被检者的头部(脑)的内部的切片图像。再者，切片图像优选为例如数毫米～数厘米程度的间隔的剖面上的多个切片图像。构成切片图像的像素具有对应于像素的位置的头部中的组织或区域所对应的强度(像素值)。例如，由PET装置123所取得的切片图像的像素值为表示脑糖代谢量的半定量值即SUV(Standard Uptake Value，标准摄取值)所对应的值(可通过对像素值进行特定的运算而获得SUV。或者，可将像素值本身用作表示SUV的值)。即，本实施方式中所使用的切片图像包含具有与脑部的位置所对应的功能相对应的像素值的图像。在本实施方式中，将上述PET装置123所拍摄的切片图像用于诊断脑部疾病而加以说明。另外，当由PET装置123而取得切片图像时，例如根据PET装置123的操作者的输入等而输入表示就诊者的年龄的信息，并使其与上述切片图像相对应。

作为上述诊断服务器10、储存器20、负载平衡器30、80、图像服务器40、业务服务器50、网关服务器60、客户端100及观察器110，具体而言可使用具备CPU(Central Processing Unit，中央处理单元)、内存及盘片装置等的计算机，通过使它们动作而使各个装置发挥功能。

此处，对脑部疾病诊断系统1所处理的脑部图像、及关于脑部图像而显示的信息进行详细说明。此处，所说明的内容包含根据本申请发明者的研究而获得的见解。

脑部疾病诊断系统1最初所取得的图像为由PET装置123所取得的基于就诊者的切片图像的图像。在脑部疾病诊断系统1中，从利用PET装置123进行拍摄至由诊断服务器10设为下述取得图像为止的处理如下所述。再者，当将切片图像输入至诊断服务器10时，如上所述，将表示就诊者的年龄的信息与上述切片图像相对应地一并输入，从而可利用表示就诊者的年龄的信息。

PET装置123对就诊者(的脑)进行拍摄，取得图2所示的切片图像(PET原始图像)201。PET装置123将所取得的切片图像201经由交换集线器130、负载平衡器30、交换集线器70及网关服务器60而输出至诊断服务器10。诊断服务器10对所输入的切片图像201进行解剖学上的标准化，形成图2所示的标准脑部图像(断层像)202。再者，在由PET装置123取得的切片图像为全身图像的情况下，诊断服务器10仅切出诊断所必需的头部图像。

此处，解剖学上的标准化可根据以往的方法而进行，具体而言，例如可使用3DSSP(Three dimensional stereotactic surface projection，三维立体表面投影)的工具而进行。继而，诊断服务器10对标准脑部图像202进行屏蔽(mask)处理，除去周边噪声而抽出脑内部的图像数据。再者，上述屏蔽处理可利用以往的方法。再者，并非必须实施上述屏蔽处理。

继而，诊断服务器10对经过解剖学上的标准化后或经过屏蔽处理后的标准脑部图像202进行修正处理。该修正处理用于减轻图像间的像素值的不均而进行标准化。具体而言，以全脑部的像素值的平均值成为预先设定的规定值并保持固定的方式，对标准脑部图像202进行修正(例如将使像素值的平均值成为规定值的系数乘以像素值)。再者，并非必须使全脑部的像素值的平均值保持固定，例如也可以使相当于标准脑部图像202的小脑、脑桥或视丘的部分的像素值的平均值成为规定值的方式进行修正。

继而，诊断服务器10根据经修正的标准脑部图像202生成如图2所示的表示脑表面的脑表面图像203。诊断服务器10产生将所生成的脑表面图像从各方向投影而成的脑表面投影图像204。脑表面投影图像204为针对每个投影方向而产生，如图2所示，其方向为右、左、上、下、前、后以及于中心切开后的右及左该8个方向。具体而言，通过利用上述3DSSP的工具的处理而生成脑表面图像203及脑表面投影图像204。

继而，说明在诊断服务器10中进一步对标准脑部图像202进行的处理。在诊断服务器10中，通过与上述方法相同的方法，根据标准脑部图像202生成脑表面投影图像204。接着，生成将就诊者的脑与正常脑相比较的图像205。所谓正常脑，指未患有脑部疾病的就诊者的脑。正常脑部的与上述相同的脑表面投影图像预先由本系统1等取得之后储存于储存器20中，且可利用。诊断服务器10从储存器20中取得正常脑部的脑表面投影图像。储存于储存器20中的正常脑部的脑表面投影图像对应于各年龄阶段，根据表示就诊者的年龄的信息，取得与就诊者相同年龄阶段的正常脑的脑表面投影图像。诊断服务器10算出所取得的正常脑部的脑表面投影图像的像素值的平均值及标准偏差。继而，诊断服务器10使用所算出的值，针对就诊者的脑部的脑表面投影图像的每个像素，使用下述式而算出Z评分。再者，用以算出Z评分的式预先由诊断服务器10记忆。

Z评分＝(就诊者的脑部的像素值-正常脑平均值)/正常脑标准偏差

Z评分表示像素值与正常脑部的像素值相背离的程度。在使用PET图像的情况下，Z评分的值越高，则表示糖代谢量越低。诊断服务器10产生图2所示的将就诊者的脑与正常脑相比较的图像205，该图像205将所算出的Z评分作为像素值。

诊断服务器10将以上述方式产生的脑部图像(图像数据)储存于储存器20。再者，当向储存器20中储存时，将表示就诊者的年龄及有无脑部疾病的信息等与脑部图像相对应地一并储存于储存器20，以便在诊断其它就诊者的脑部时用作比较数据。

再者，由PET装置123取得的就诊者的切片图像也由储存系统的图像服务器40管理，并储存于储存器20中。

此处，对各脑部图像及关于脑部图像而表示的信息进行详细说明。图3为表示基于标准脑部图像202的由年龄增长引起的全脑代谢量的推移的图表。该图表中，横轴表示SUV，纵轴表示标准脑部图像202中的相对应的SUV的频率(像素数)。SUV较大的频率越多，则表示脑糖代谢量越大。该图表为将脑整体作为对象而对频率进行计数的图表，其取得多个就诊者的数据的平均值(分别为30多岁291名(男性237名、女性54名)、40多岁397名(男性303名、女性94名)、50多岁249名(男性121名、女性128名)、60多岁30名(男性30)的数据)。如图3所示，SUV成为随着年龄阶段增加而变小的SUV的分布，其表示随着年龄阶段增加，脑糖代谢量变小。如上所述，脑部图像中的SUV对应于就诊者的年龄而变化。

图4为基于标准脑部图像202的表示正常脑与阿尔兹海默症患者的脑部的全脑代谢量的差异的图表。在该图表中，横轴表示SUV，纵轴表示标准脑部图像202中的相对应的SUV的频率(像素数)。该图表为将脑整体作为对象而对频率进行计数的图表。另外，在该图表中，细线所示的数据为各个就诊者的数据，粗线所示的数据为对阿尔兹海默症及正常脑部的各就诊者的数据取平均值(分别为正常脑23名(男性12名、女性11名、平均年龄52.3岁)、阿尔兹海默症24名(男性10、女性14名、平均年龄58.3岁)的数据)。图5为表示阿尔兹海默症及正常脑部的各就诊者的SUV的平均值(纵轴)的图表。图5所示的图表中，显著性水平未满0.001时，阿尔兹海默症的脑部图像与正常脑部的脑部图像(SUV的平均值)之间存在显著差异。如上所述，根据就诊者是否患有阿尔兹海默症，脑部图像中的SUV存在差异。

图6(a)中，相对于多个阿尔兹海默症患者(24名)的脑表面投影图像的像素值的平均值，将多个正常脑(23名的)的脑表面投影图像的像素值的平均值作为比较对象，算出上述Z评分，形成与Z评分相对应的图像(与图2的图像205相同的图像)。如该图像所示，在Z评分较高、即阿尔兹海默症与正常脑部之间的像素值的差异较大的部分存在偏差。Z评分较高的部分为脑部的顶叶、颞叶、顶叶联合区及后扣带回的部分(图6(b)为表示脑部图像的对应部位的图)。如上述图所示，在阿尔兹海默症的脑与正常脑部之间，脑糖代谢量的差异与脑部的部位相对应。以上为关于脑部疾病诊断系统1所处理的脑部图像、及表示脑部图像的信息的说明。

继而，以诊断服务器10的功能为中心，对本发明的功能进行更详细的说明。如图7所示，诊断服务器10包括取得部11、区域设定部12、个别指标值算出部13、整体指标值算出部14、诊断部15、以及输出部16而构成。

取得部11为取得就诊者的脑部的图像并设为取得图像的取得单元。由取得部11所取得的图像为基于由PET装置123所取得的就诊者的切片图像的图像。如上所述，取得部11从PET装置123经由网关服务器60而输入切片图像201，根据该切片图像201，通过上述处理而依次生成标准脑部图像202、脑表面图像203及脑表面投影图像204。取得部11将上述标准脑部图像202、及脑表面投影图像204设为用于诊断脑部疾病的取得图像。取得部11将所生成的取得图像输出至区域设定部12。再者，取得部11并非必需如上所述那样将经图像处理的图像设为取得图像。如果所输入的脑部图像无需标准化或修正等的图像处理，则也可不进行各个图像处理(例如也可将该输入的脑部图像设为取得图像)。

区域设定部12为在从取得部11输入的取得图像(标准脑部图像)中设定多个区域(ROI：Region of Interest)的区域设定单元。取得图像中的区域的设定例如以分割成脑部的解剖学部位的方式而进行。图8表示脑部的解剖学部位。如表示右侧面的图8(a)所示，在脑部的部位有额叶301、顶叶302、颞叶303、枕叶304及小脑305。另外，如以脑为中心切开后表示右边的图8(b)所示，在脑部的部位有前联合区306、后扣带回307及顶叶联合区308。另外，也可将脑整体设定为区域的一个(在该情况下，在区域之间产生重合的部分)。区域的设定，例如预先设定图像中的坐标属于哪个解剖学部位(预先保存表示上述的信息)，并根据该设定而进行。该设定由脑部疾病诊断系统1的管理者或医生等来进行。

解剖学部位的特定基准也可使用也用于3DSSP的标准脑转换的Talairach的图集(atlas)、或表示大脑皮质的解剖学·细胞结构学的区分(以1～52来类别)的Brodmann([Korbinian Brodmann]Brodmann′sLocalisation in the Cerebral Cortex：The Principles of ComparativeLocalisation in the cerebral Cortex Based on Cytoarchitectonics)的脑地图。另外，也可基于Brodmann的脑地图，组合若干个区域，以额叶、颞叶、脑顶叶、枕叶及小脑等较大的区域进行分隔。

另外，无需对整个脑部图像进行区域设定，对因诊断对象的疾病而导致像素值特异地变化的部分进行区域设定即可。例如，在阿尔兹海默症的情况下，由于顶叶、颞叶、顶叶联合区及后扣带回更易产生变化，因此对这些部分分别设定区域即可。即，可将区域设定在认为成为诊断对象的脑部疾病有特殊变化的部位。相反地，也可将区域设定在认为成为诊断对象的脑部疾病无特殊变化的部位。另外，可将区域设定在医生经常观察的部位，相反地，也可将区域设定在医生不经常观察的部位。

另外，对于区域的设定而言，也可如上所述，预先将作为样本而取得的正常脑部的脑部图像、与患有诊断对象的疾病的脑部的脑部图像针对每个像素而Z评分化，按照Z评分为0～0.5、0.5～1.0...等，针对每个值而自动地设定区域。

区域设定部12将表示取得图像与所设定的多个区域的信息输出至个别指标值算出部13。

个别指标值算出部13为关于由区域设定部12所设定的多个区域的各个，基于取得图像的像素值而算出个别指标值的个别指标值算出单元。具体而言，个别指标值算出部13以如下的方式算出个别指标值。首先，针对取得图像中所设定的每个区域，如图4所示，将每个像素值的像素的频率作为表示SUV的值而直方图化。个别指标值算出部13根据直方图而算出SUV的平均值、标准偏差、最大值、最小值、积分值及分布图形作为个别指标值。

本实施方式中，以将SUV的平均值及标准偏差作为个别指标值的例进行说明。另外，也可预先从正常脑部的平均值的样本数据而算出像素值的平均值N_ave及标准偏差NL_SD，使用这些值及以下的式，求出就诊者的取得图像的像素值的平均值x的个别像素转换值x′作为个别指标值。

[数1]

$x^{\prime }=\frac{1}{{\mathrm{NL}}_{\mathrm{SD}}}\times x-\frac{{\mathrm{NL}}_{\mathrm{ave}}}{{\mathrm{NL}}_{\mathrm{SD}}}$

个别指标值算出部13将表示所算出的个别指标值的信息输出至整体指标值算出部14。

整体指标值算出部14为整体指标值算出单元，其对由个别指标值算出部13所算出的各区域的个别指标值进行加权，由此算出整体指标值。具体而言，如以下的式所示，将相对于各个别指标值Rn(n为表示区域的下标)而设定的权重系数kn乘以相对应的个别指标值，通过取其和而算出上述整体指标值。

整体指标值＝R1×k1+R2×k2+R3×k3+...+Rn×kn

另外，优选为，根据有脑部疾病的(脑部的图像的)样本数据的指标值及无脑部疾病的(脑部的图像的)样本数据的指标值而设定上述权重系数kn。关于个别指标值及整体指标值、及本发明中的诊断的见解，将于下文中更详细地叙述。优选为，关于脑部疾病的脑与正常脑部之间的个别指标值的背离较大(存在该倾向)的区域，以大幅度地影响整体指标值的方式设定权重系数。整体指标值算出部14将表示所算出的整体指标值的信息输出至诊断部15。

诊断部15为根据由整体指标值算出部14所算出的整体指标值而诊断就诊者的脑部疾病的诊断单元。具体而言，诊断部15根据阈值与整体指标值的比较，诊断就诊者是否患有就诊对象的脑部疾病。上述阈值由诊断部15预先记忆。在该情况下，上述阈值优选为根据有脑部疾病的样本数据的指标值及无脑部疾病的样本数据的指标值而获得的值。另外，诊断部15也可进行如下诊断，即，根据整体指标值而决定就诊者患有就诊对象的脑部疾病的程度。诊断部15将表示诊断的结果的信息输出至输出部16。

输出部16为输出表示诊断部15的诊断结果的信息的输出单元。具体而言，输出部16将诊断结果显示于诊断服务器10所具备的显示装置(未图标)中，由此，可供医生等参照该诊断结果。另外，进行该参照时，也可一并显示用于诊断的图像或诊断者的数据(年龄等)。另外，由输出部16所输出的信息也可储存于储存器20之后再进行输出。在该情况下，由各功能部所算出、生成的数据可每次都储存于储存器中。

继而，对自整体指标值算出部14算出整体指标值起至诊断部15诊断脑部疾病为止进行更详细的说明。

图9为表示针对图8所示的脑部的每个区域而算出的、阿尔兹海默症的脑及正常脑的多个就诊者各自的SUV的平均值(纵轴)的图表(与图5相同的图表)。在图9所示的图表中，分别按照如下所示的显著性水平，在阿尔兹海默症的脑部图像与正常脑部的脑部图像(SUV的平均值)之间存在显著差异。在(2)顶叶中，显著性水平为不满0.001；在(3)颞叶中，显著性水平为不满0.001；在(4)枕叶中，显著性水平为不满0.005；在(5)小脑中，显著性水平为不满0.001；在(6)前联合区中，显著性水平为不满0.005；在(7)后扣带回中，显著性水平为不满0.001；在(8)顶叶联合区中，显著性水平为不满0.001。再者，在(1)额叶中无显著差异。

另外，图10及图11为图8所示的脑部的每个区域的、阿尔兹海默症的脑(图中以AD表示)及正常脑(图中以Non-AD表示)的SUV的直方图(多个就诊者的平均值)。根据上述图9～11也可知，在阿尔兹海默症的脑与正常脑部之间所检测出的SUV的差异因其部位的不同而不同。具体而言，如使用Z评分的图6中的说明所述，在阿尔兹海默症的脑与正常脑部之间，在顶叶、颞叶、后扣带回及顶叶联合区可见较大差异。

此处，考虑同样地对脑整体的图像进行处理以诊断脑部疾病。图12(a)为表示根据上述取得图像将脑整体作为对象而算出的、阿尔兹海默症的脑及正常脑部的多个就诊者各自的SUV的平均值(纵轴)的图表。图12(a)的图表为正常脑23例、阿尔兹海默症24例的数据。如上所述，该图表中的值为根据多个正常脑部的像素值的平均值的样本数据的平均值N_ave及标准偏差NL_SD而求出的整体像素转换值。即，根据以下的式，分别求出正常脑部的取得图像(样本数据)的像素值的平均值NL_n的整体像素转换值NL_n′、及阿尔兹海默症的脑部的取得图像(样本数据)的像素值的平均值AD_m的整体像素转换值AD_m′。

[数2]

${\mathrm{NL}}_n^{\prime }=\frac{1}{{\mathrm{NL}}_{\mathrm{SD}}}\times {\mathrm{NL}}_n-\frac{{\mathrm{NL}}_{\mathrm{ave}}}{{\mathrm{NL}}_{\mathrm{SD}}},{\mathrm{AD}}_m^{\prime }=\frac{1}{{\mathrm{NL}}_{\mathrm{SD}}}\times {\mathrm{AD}}_m-\frac{{\mathrm{NL}}_{\mathrm{ave}}}{{\mathrm{NL}}_{\mathrm{SD}}}$

在图12(a)所示的图表的例中，例如可设定阈值，以诊断是否为阿尔兹海默症。若值大于阈值，则诊断为正常脑，若值为阈值以下，则诊断为阿尔兹海默症。此处，即便在患有脑部疾病的情况下，也存在值大于阈值而判断为正常脑(无脑部疾病)的情况。将可于患有脑部疾病的情形时正确地诊断为患有疾病的比例称作灵敏度。另外，即便为正常脑(无脑部疾病)时，也存在值为阈值以下而判断为患有脑部疾病的情况。将可在正常脑部的情况下可正确地诊断为无脑部疾病的比例称作特异度。若降低阈值，则特异度提高(另一方面，灵敏度降低)，若提高阈值，则灵敏度提高(另一方面，特异度降低)。

图12(b)是表示使用有图12(a)的数据时的上述阈值与灵敏度及特异度的关系的图表(称作ROC(Receiver Operating Characteristic，接收器工作特性)曲线)。图12(b)的图表为横轴表示1-特异度，纵轴表示灵敏度，对与阈值相对应的灵敏度与1-特异度的值进行绘制的图表。一般而言，较佳的诊断结果为灵敏度更接近1，且1-特异度接近0，因此，上述图表表示所绘制的线越是位于左上方则诊断能力越优秀。例如，当将阈值设为个别像素转换值＝-1时，如图12(b)所示，灵敏度为0.83、特异度为0.78(以图中的圆点表示)。

也可将与脑部的各区域相关的上述灵敏度及特异度导出。图13表示图8所示的脑部的每个区域的阈值与灵敏度及特异度的关系的图表、以及将阈值设为个别像素转换值＝-1时的灵敏度及特异度。此时的各区域的灵敏度如下所示。

[表1]

  ROI(区域)  灵敏度  全脑  0.83  (1)额叶  0.38  (2)顶叶  1.00  (3)颞叶  0.96  (4)枕叶  0.54  (5)小脑  0.04  (6)前联合区  0.08  (7)后扣带回  0.88  (8)顶叶联合区  0.96

可将上述灵敏度用作导出上述整体指标值时的权重系数kn。使用灵敏度作为权重系数，相对于上述正常脑及阿尔兹海默症的脑部的样本数据而导出整体指标值，并表示于图14(a)的图表中。另外，图14(b)是表示使用该整体指标值进行诊断时的阈值与灵敏度及特异度的关系的图表。与上述相同地，若将阈值设为整体像素转换值＝-1，则如图14(b)所示，灵敏度为1.00，特异度为0.87(以图中的圆点表示)。如上所示可知：与使用全脑部的SUV进行判别相比较，若设定多个区域，使用对各区域的SUV进行加权所得的整体指标值而进行诊断，则诊断的灵敏度会提高。

当使用上述权重系数进行诊断时，诊断部15可将导出权重系数时所使用的个别像素转换值＝-1用作阈值，也可使用整体指标值的ROC曲线中位于最左上方时的阈值。

另外，如上所述，在将阈值设为个别像素转换值＝-1的情况下，将此时的灵敏度用作权重系数，但例如也可预先设定任意的值(例如个别像素转换值＝-2)，利用该值时的灵敏度、或ROC曲线中位于最左上方时的灵敏度。同样地，可将特异度用作权重系数。进而，也可根据医生等的见解而预先任意地设定权重系数本身。

另外，也可如下所示，将上述加以组合之后导出权重系数，并使用该权重系数。

权重系数kn＝kn_sen+kn_spc+kn_Dr

此处，kn_sen表示如上所述使用特定的阈值等而算出的灵敏度。kn_spc表示如上所述使用特定的阈值等而算出的特异度。kn_Dr为由医生等所设定的权重系数。另外，也可使用上述3个值中的任意两个值。

另外，诊断部15的诊断中所使用的阈值可设为预先设定的阈值(例如，若为上述情形，则整体像素转换值＝-1)，也可使用如下的阈值，该阈值与使用样本数据时的整体指标值的如图14所示的ROC曲线中位于最左上方的点相对应。

权重系数及阈值的设定为在对就诊者进行诊断之前，使用如上所述的多个有脑部疾病的样本数据与多个无脑部疾病的样本数据而进行。优选为样本数据的数量尽可能多，具体而言，优选为准备数十例左右的正常脑及有脑部疾病的脑部的样本数据。另外，优选为准备与就诊者相同年龄阶段或性别相同的样本数据。另外，优选为样本数据基于由同一设施或同一机种所取得的图像。另外，也可准备多种脑部疾病的类别，如数十例脑部疾病A的样本数据、数十例脑部疾病B的样本数据。以上为本实施方式的脑部疾病诊断系统1的结构的说明。

继而，使用图15的流程图，对由脑部疾病诊断系统1所执行的处理进行说明。本处理为由脑部疾病诊断系统1诊断就诊者的脑部疾病时的处理。

在脑部疾病诊断系统1中，首先，由PET装置123拍摄并取得就诊者的切片图像(FDG-PET图像)。另外，取得切片图像的同时，相对应地将表示就诊者的年龄的信息一并输入(S01)。将所拍摄的就诊者的切片图像从PET装置123经由网关服务器60而输入至诊断服务器10(S02)。

在诊断服务器10中，由取得部11而接收切片图像。此处，在所述切片图像为全身图像的情况下，诊断服务器10仅自动地切出诊断所需的头部区域(S03)。在所述切片图像仅为头部区域的情况下，无需自动地抽出头部区域(S03)。继而，由取得部11而对切片图像进行3DSSP处理的解剖学上的标准化，从而产生标准脑部图像(S04)。进而，也可由取得部11而对标准脑部图像进行屏蔽处理，从而抽出脑内部的图像数据。

另一方面，由取得部11进一步进行图像处理。首先，对标准脑部图像进行修正处理(S05)。如上所述，修正处理为用于使全脑部的像素值的平均值成为预先设定的特定值的处理。继而，由取得部11对经修正处理的标准脑部图像进行3DSSP处理，从而产生脑表面投影图像(S06)。将上述标准脑部图像及脑表面投影图像作为取得图像，并从取得部11输入至区域设定部12。

然后，由区域设定部12而对标准脑部图像及脑表面投影图像进行多个区域的设定(S07)。如上所述，区域的设定根据预先的设定等而进行。将各图像数据及所设定的区域的信息从区域设定部12输入至个别指标值算出部13。

继而，由个别指标值算出部13，从上述取得图像的图像数据而抽出如图10及图11等所示的经设定的每个区域的直方图数据(S08)。直方图数据为每个SUV的像素的频率的数据。接着，由个别指标值算出部13，根据直方图数据而算出每个区域的个别指标值(S09)。将所算出的个别指标值从个别指标值算出部13输入至整体指标值算出部14。

然后，由整体指标值算出部14而对各区域的个别指标值进行加权，由此算出整体指标值(S10)。用于算出整体指标值的权重系数为如上所述，根据有脑部疾病的样本数据的指标值及无脑部疾病的样本数据而预先算出，并记忆于整体指标值算出部14。然而，并非必须预先算出权重系数，也可在该时序算出该权重系数。整体指标值根据标准脑部图像、以及根据脑表面投影图像而算出两个值。将所算出的整体指标值从整体指标值算出部14输入至诊断部15。

继而，由诊断部15，基于整体指标值而诊断就诊者的脑部疾病(S11)。具体而言，如上所述，对预先记忆于诊断部15中的阈值与整体指标值进行比较，由此诊断就诊者是否患有就诊对象的脑部疾病。此处，进行基于标准脑部图像的诊断、以及基于脑表面投影图像的诊断的两个诊断。将表示诊断结果的信息从诊断部15输入至输出部16。此处，当针对每个脑部疾病的类别而存在多种所保管的脑部疾病示教数据时，重复进行S07～S11。

接着，将表示诊断部15的诊断结果的信息从输出部16输出至储存器20，并储存于储存器20(S12)。储存于储存器20的上述信息由脑部疾病诊断系统1的客户端100及观察器110等取得并显示。另外，由上述处理而生成的各图像及信息也一并储存于储存器20，同样地用作表示诊断结果的信息。

另一方面，由取得部11，对S04中生成的标准脑部图像进一步进行如下所示的图像处理。首先，从标准脑部图像，由3DSSP处理而生成脑表面投影图像204(S21)。继而，取得储存器20中所储存的与就诊者相同年龄阶段的正常脑部的脑表面投影图像(S22)。接着，使用该正常脑部的脑表面投影图像，针对就诊者的脑表面投影图像的每个像素而算出Z评分。再者，算出Z评分时所使用的像素值的平均值及标准偏差可在该时序算出，也可预先算出之后储存于储存器20等中，然后加以利用。继而，生成将所算出的Z评分(所对应的值)作为像素值的脑部图像(差分图像)(S23)。

将由取得部11所产生的上述各个图像经由输出部16而输出至储存器20，并储存于储存器20(S24)。具体而言，将PET装置123所拍摄的切片图像(头部PET的原始图像)、进行解剖学上的标准化后的标准脑部图像、脑表面投影图像、及使用有Z评分的差分图像储存于储存器20。储存于储存器20的上述信息系由脑部疾病诊断系统1的客户端100等取得并显示。

在S12及S24中储存于储存器20的信息及图像如上所示，可显示于客户端100及观察器110等中。医生等参照(判读)这些信息及图像，从而有助于诊断及治疗等(S31)。以上为由脑部疾病诊断系统1所执行的处理。

如上所述，本实施方式的脑部疾病诊断系统1中，根据就诊者的脑部的图像而诊断该就诊者的脑部疾病。本系统1中，对于脑部的图像设定多个区域，并相对于多个区域的各个而算出基于像素值的个别指标值。继而，对各个别指标值进行加权而算出整体指标值，根据该整体指标值而进行上述诊断。因此，根据本实施方式的脑部疾病诊断系统1，可在脑部的每个区域而进行考虑脑部疾病的影响的判断，可以接近于医生判读影像的形式(医生的眼睛)而进行诊断，从而可更正确且详细地进行脑部疾病的诊断。另外，诊断失误也降低。通过利用这样的自动诊断的结果，可减轻医生判读影像的负担，另外，也可作为医生进行判读影像时的附加价值信息而参考。

另外，例如在专利文献1所记载的方法中，仅在所准备的两个群中存在显著差异的部位设定ROI，其它部位并不作为判别的对象。因此，难以检测出与示教数据的ROI图案不匹配的脑部疾病例。另一方面，在本实施方式中，可将脑部疾病病例中特异地降低的部位、及其它部位也作为判断的对象。进而，通过在医生不经常观察的部位也设定ROI，由于也考虑这样的部位的数据，因此可更正确且详细地进行脑部疾病的诊断。即，与现有技术相比较，可进行综合性且高精度的诊断。

另外，若如本实施方式那样利用有脑部疾病的样本数据及无脑部疾病的样本数据而获得诊断时的阈值及权重系数，则可使判断基准及加权更适当，从而可更加正确且详细地进行脑部疾病的诊断。例如，对于对进行诊断的脑部疾病影响较大的范围，可设定较大的权重。另外，由于使用样本数据并使用灵敏度及特异度等的连续数值，故可进行连续(点数、指标值)的评价，例如评价以何种程度与示教数据的ROI图案相类似。然而，阈值或权重系数也可由医生等设定，并非必需使用样本数据。

另外，若以上述方式对脑部图像进行修正，则可排除就诊者的脑部的个体差异等，从而可适当地诊断脑部疾病。另外，若对脑部图像进行解剖学上的标准化，则易于对脑部的图像进行处理，从而可适当地诊断脑部疾病。

另外，优选为根据就诊者的年龄而设定阈值及加权。根据该结构，如上所述，由于脑部的状态通常会根据年龄而变化，故可进行对应于年龄的适当的脑部疾病的诊断。

另外，优选为如本实施方式那样进行使用脑表面投影图像的诊断。根据该结构，可依据脑部疾病的种类，根据易于进行诊断的脑表面图像来进行诊断。另外，在本实施方式中，根据标准脑部图像及脑表面投影图像的两个图像而进行诊断，但也可使用任一方的图像而进行诊断。

另外，若如本实施方式那样，在脑部疾病诊断系统1中包含医疗器械121～123，则可切实地取得脑部的图像，因此可切实地实施本发明。然而，在脑部疾病诊断系统1中，只要取得脑部图像，便可进行诊断，故进行摄像的装置并非必要。

本实施方式中，对主要使用PET装置123作为医疗器械的例进行了说明，但除此以外，也可使用CT装置121、MRI装置122及SPECT装置(未图标)等。此处，PET装置123可检测出代谢、血流作为脑部图像，CT装置121可检测出脑萎缩、脑肿瘤、脑梗塞及脑出血作为脑部图像，MRI装置122可检测出脑萎缩、脑肿瘤、脑梗塞及脑出血作为脑部图像，SPECT装置可检测出脑血流显像作为脑部图像。因此，优选为使用与要诊断的脑部疾病相对应的医疗器械。

另外，在本实施方式中，对诊断阿尔兹海默症的示例进行了说明，但也可诊断其它脑部疾病。例如，也可诊断脑血管疾病、痴呆症、脑死及其它神经变性疾病及精神疾病脑炎。另外，关于脑萎缩、脑肿瘤、脑梗塞及脑出血，可诊断哪个部分存在异常。

进而，可诊断如下所示的脑部疾病(下述中，括号内为与该脑部疾病关系较大的脑部的部位，可供上述加权等参考)。具体而言，有额颞叶型痴呆症(额叶、颞叶)、皮质基底核退化症(额叶、顶叶)、进行性核上性麻痹(额叶、高位额叶内侧)、肌萎缩侧索硬化症(额叶、主感觉运动区)、癫痫(颞叶、其它)、阿尔兹海默症型痴呆症(颞叶、顶叶、后扣带回、海马区)、轻度认知功能障碍(MCI)(颞叶、顶叶、后扣带回、海马区)、路易氏体失智症(顶叶、后扣带回、枕叶)、线粒体脑肌病(MELAS)(枕叶)、多发性硬化症(枕叶)、帕金森氏症(枕叶)、亨丁顿舞蹈症(大脑基底核)、威尔森氏症(大脑基底核)、宾斯万格氏失智症(白质)、水脑症(白质)、脑血管性疾病(小脑弥漫(蔓延)性血流减少)、变性代谢疾病(脊髓小脑变性症)(小脑弥漫性血流减少)、多发性系统萎缩症(橄榄核桥脑小脑萎缩症)(小脑弥漫性血流减少)、齿状红核苍白球肌萎缩症(DRPLA)(小脑弥漫性血流减少)、脑腱性黄瘤病(小脑弥漫性血流减少)、药物中毒(小脑弥漫性血流减少)、小脑脑炎(小脑弥漫性血流减少)、放射线照射(小脑弥漫性血流减少)、感染性疾病(神经性梅毒·库贾氏病·魏尼克脑病)(扩散至大脑部的广范围的异常)、亚急性硬化性泛脑炎(SSPE)(扩散至大脑部的广范围的异常)、急性弥漫性脑脊髓炎(ADEM)(扩散至大脑部的广范围的异常)、药物中毒(扩散至大脑部的广范围的异常、由于血清素系统导致纹状体减少)、低氧血症(扩散至大脑部的广范围的异常)、一氧化碳中毒(扩散至大脑部的广范围的异常)、宾斯万格氏失智症(扩散至大脑部的广范围的异常)、古斯曼症候群(Gerstmann Syndrome)(顶叶)、肌萎缩侧索硬化症(主感觉运动区)、下1/4同侧偏盲症(顶叶)、半侧空间忽视(大脑次半球的顶叶)、运动失调症(小脑)、步态失调症·体感失调症(小脑上部蚓部)、脑血管性痴呆症(血管梗塞的部位)、其它认知障碍(内分泌·感染·肿瘤·外伤·水脑症)(所对应的部位)、其它功能障碍(听觉·视觉·失语·语意失语症等)(所对应的部位)、帕金森症(由于多巴胺类药剂(雷氯必利、甲基托烷(β-CFT))导致纹状体减少)、兴奋剂常用者(由于血清素类药剂(McN5652、DASB)导致纹状体减少)、阿尔兹海默症型痴呆症(由于PIB导致堆积增加)、轻度认知功能障碍(MCI)(由于PIB导致堆积增加)等。

符号说明

1  脑部疾病诊断系统

10  诊断服务器

11  取得部

12  区域设定部

13  个别指标值算出部

14  整体指标值算出部

15  诊断部

16  输出部

20  储存器

30  负载平衡器

40  图像服务器

50  业务服务器

60  网关服务器

70  交换集线器

80  负载平衡器

100 客户端

110 观察器

121～123 医疗器械(121 CT装置、122 MRI装置、123 PET装置)

130 交换集线器