本發(fā)明涉及基于利用MRI等拍攝的腦圖像，來進行腦部疾病的診斷輔助的診斷輔助技術(shù)，尤其涉及進行適于可能存在多種疾病的情況下的診斷輔助的技術(shù)。

背景技術(shù)：

近年來，可利用單光子發(fā)射計算機化斷層顯像(Single Photon Emission Computed Tomography，SPECT)、正電子成像術(shù)(Positron Emission Tomography，PET)等的核醫(yī)學(xué)檢查、計算機X射線斷層成像術(shù)(Computerized Tomography，CT)或磁共振成像(Magnetic Resonace Imaging，MRI)，獲得與腦的狀態(tài)相關(guān)的信息。

尤其是，關(guān)于腦組織萎縮，可根據(jù)MRI圖像獲得特定部位的體積，比較其相對的大小，來判斷有無異常。例如，在專利文獻1中，公開了進行阿爾茨海默型癡呆癥的診斷輔助的系統(tǒng)，利用MRI圖像來定量評價內(nèi)側(cè)顳區(qū)的萎縮，由此可進行阿爾茨海默型癡呆癥的診斷輔助。

(現(xiàn)有技術(shù)文獻)

(專利文獻)

專利文獻1：日本特許4025823號

專利文獻2：日本特開2013-66632號公報

技術(shù)實現(xiàn)要素：

(發(fā)明所要解決的問題)

然而，在以往的診斷輔助系統(tǒng)等中，只在以特定的疾病作為目標時能夠獲得有效的診斷輔助信息，但還沒有達到可在同時假設(shè)不同疾病時提供比較這些疾病的有效的診斷輔助信息的程度。

本發(fā)明是鑒于上述問題而作出的，其目的在于提供適于不同疾病之間的比較的診斷輔助裝置等。

(解決問題的方案)

用于達成上述目的的第一發(fā)明為一種診斷輔助裝置，其特征在于，包括：確定單元，從腦圖像來確定與多種疾病相關(guān)的腦部位；以及比較顯示單元，計算與所確定的部位相關(guān)的信息，并進行比較顯示。根據(jù)第一發(fā)明，能夠提供適于不同疾病之間的比較的診斷輔助裝置。

優(yōu)選地，還包括計算單元，從所述腦圖像來計算表示腦萎縮程度的萎縮評分，所述比較顯示單元將所述萎縮評分的分布與所述部位一同顯示于腦圖像上。由此，可以在腦圖像上將與各種疾病相關(guān)的部位與萎縮評分的分布一同顯示，因此能夠從視覺上把握腦圖像整體的萎縮和關(guān)注部位的萎縮。

優(yōu)選地，所述比較顯示單元從所述萎縮評分來計算用于表示所述部位中的萎縮程度的萎縮度，并進行顯示。由此，能夠定量地比較與各種疾病相關(guān)的部位的萎縮。

優(yōu)選地，所述比較顯示單元顯示每個組織的萎縮度。由此，能夠針對每個組織定量地比較與各種疾病相關(guān)的部位的萎縮。

優(yōu)選地，所述比較顯示單元計算作為各部位的萎縮度之比的萎縮比并進行顯示。由此，能夠在唯一地把握不同疾病之間的關(guān)聯(lián)性的鑒別輔助上獲得有效指標。

優(yōu)選地，所述計算單元對所述腦圖像與健康人腦圖像進行比較，來計算所述萎縮評分。由此，通過與健康人圖像之間的比較，能夠計算萎縮評分。

優(yōu)選地，所述部位為在阿爾茨海默型癡呆癥與路易氏體型癡呆癥之間呈現(xiàn)出萎縮的差異的腦部位。由此，能夠?qū)崿F(xiàn)適于阿爾茨海默型癡呆癥與路易氏體型癡呆癥之間的比較的診斷輔助。

優(yōu)選地，所述部位為內(nèi)側(cè)顳區(qū)附近及后腦干附近。由此，能夠?qū)崿F(xiàn)適于阿爾茨海默型癡呆癥與路易氏體型癡呆癥之間的比較的診斷輔助。

用于達成上述目的的第二發(fā)明為診斷輔助方法的特征在于，包括：確定步驟，從腦圖像來確定與多種疾病相關(guān)的腦部位；以及比較顯示步驟，計算與所確定的部位相關(guān)的信息，并進行比較顯示。根據(jù)第二發(fā)明，能夠提供適于不同疾病之間的比較的診斷輔助方法。

用于達成上述目的的第三發(fā)明為一種程序，其特征在于，使計算機用作如下的單元，所述單元包括：確定單元，從腦圖像來確定與多種疾病相關(guān)的腦部位；以及比較顯示單元，計算與所確定的部位相關(guān)的信息，并進行比較顯示。根據(jù)第三發(fā)明，能夠提供適于不同疾病之間的比較的程序。

(發(fā)明的效果)

根據(jù)本發(fā)明，能夠提供適于不同疾病之間的比較的診斷輔助裝置等。

附圖說明

圖1為示出本發(fā)明的實施方式的診斷輔助裝置的功能的框圖。

圖2為示出本發(fā)明的實施方式的診斷輔助裝置的處理步驟的流程圖。

圖3為示出萎縮評分的計算處理的步驟的流程圖。

圖4為示出診斷輔助信息等的顯示的一個示例的圖。

圖5為切片圖像的放大圖。

圖6為示出通過組合每個組織的萎縮比來判別疾病的示例的圖。

圖7為AD與DLB之間的萎縮比的圖。

具體實施方式

以下，基于附圖對本發(fā)明的實施方式進行詳細的說明。

圖1為示出診斷輔助裝置1的功能的框圖。診斷輔助裝置1具有用戶接口部10、處理部20及數(shù)據(jù)庫部30。

用戶接口部10主要具有：圖像輸入功能11，用于接受MRI圖像的輸入；以及顯示功能13，用于顯示由處理部20處理的結(jié)果。

處理部20主要具有：圖像處理功能21，用于處理從用戶接口部10輸入的MRI圖像；統(tǒng)計處理功能23，用于計算Z評分等各種統(tǒng)計指標；部位確定功能25，用于針對需要比較的各種疾病來確定特異部位(關(guān)心區(qū)域)；萎縮度計算功能27，用于計算萎縮度；以及萎縮比計算功能29，用于計算萎縮比。

另外，在數(shù)據(jù)庫部30中保存有供處理部20處理的灰質(zhì)腦圖像模板31、白質(zhì)腦圖像模板33、健康人圖像數(shù)據(jù)庫35及關(guān)心區(qū)域ROI 37等。

所述灰質(zhì)腦圖像模板31、白質(zhì)腦圖像模板33是將針對灰質(zhì)和白質(zhì)而分別制作的模板預(yù)先保存于所述數(shù)據(jù)庫部30中的模板。各個模板可以按照年齡或性別等的被檢者的屬性而以不同層次來制作。

此外，在本發(fā)明的實施方式中，作為制作所述模板時的解剖學(xué)的標準化方法，采用取冪李代數(shù)的微分同胚解剖配準(Diffeomorphic Anatomical Registration Through Ex ponentiated Lie algebra,DARTEL)。利用DARTEL的模板制作的處理與專利文獻1相同，因此省略描述。

[診斷輔助裝置1的處理]

圖2為示出本發(fā)明的實施方式的診斷輔助裝置1的處理的流程圖。此外，該處理可以在計算機所構(gòu)成的處理部20中利用程序來執(zhí)行。

在步驟S1中，診斷輔助裝置1(圖像輸入功能11)接收被檢者的MRI腦圖像的輸入。

在步驟S2中，診斷輔助裝置1基于在步驟S1中所輸入的被檢者的MRI腦圖像，計算表示腦萎縮的程度的“萎縮評分”。

<萎縮評分計算處理>

在此，參照圖3的流程圖，對所述步驟S2中的萎縮評分的計算處理進行說明。

(圖像重建)

診斷輔助裝置1對所輸入的被檢者的MRI腦圖像進行“圖像重建”(步驟S21)。

關(guān)于圖像重建，首先，將所輸入的被檢者的MRI腦圖像變換為以包括整個腦的方式而拍攝的規(guī)定厚度的薄片狀的、例如100～200張的T1加權(quán)MRI圖像。此時，進行切片圖像的重采樣(re-sampling)，預(yù)先使各切片圖像中的體素(voxel)的各個邊的長度相同。

此外，對于已實施了上述處理的被檢者的MRI腦圖像，進行與標準腦圖像的空間性的位置匹配。具體地，對于被檢者的MRI腦圖像，進行線性變換(仿射變換)、修剪(trimming)等，使與標準腦圖像在位置、角度、大小等方面相匹配。由此，可以在圖像中對拍攝MRI時的被檢者的頭部位置的移位等進行修正，提高與標準腦圖像進行比較時的精度。

(組織分割)

進行了步驟S21的圖像重建之后，診斷輔助裝置1進行“組織分割”，來制作提取了灰質(zhì)和白質(zhì)的灰質(zhì)腦圖像和白質(zhì)腦圖像(步驟S22)。

在所述T1加權(quán)MRI腦圖像中，包括與神經(jīng)纖維相對應(yīng)的呈高信號值的白質(zhì)、與神經(jīng)細胞相對應(yīng)的呈中間信號值的灰質(zhì)、以及呈低信號值的腦脊液等3種組織，因此關(guān)注該信號值的差異，進行分別提取灰質(zhì)和白質(zhì)的處理。該處理與在專利文獻1或提取精度比專利文獻1更高的專利文獻2中所描述的處理相同，因此省略描述。

(解剖學(xué)標準化)

此外，診斷輔助裝置1對于在步驟S22中制作的灰質(zhì)腦圖像及白質(zhì)腦圖像，進行“解剖學(xué)標準化”(步驟S23)。

解剖學(xué)標準化是指對標準腦圖像的體素進行位置匹配。在本的實施方式中，執(zhí)行基于DARTEL的解剖學(xué)標準化。對于DARTEL的處理，與專利文獻1相同，因此省略描述。

對實施了基于DARTEL的解剖學(xué)標準化的灰質(zhì)腦圖像和白質(zhì)腦圖像，以提高S/N比為目的，進行圖像平滑化處理。像這樣，可以通過進行圖像平滑化，減少在解剖學(xué)標準化處理中不完全一致的個體差異。對此，在具體的處理的方面，也與專利文獻1相同。

另外，其后，為了與作為比較對象的健康的人的圖像組中的體素值的分布相匹配，進行對腦整體的體素值的濃度值進行修正的濃度值修正。

(比較)

在步驟S24中，診斷輔助裝置1進行與健康人的MRI圖像的比較，來計算顯示被檢者的腦萎縮的程度的“萎縮評分”。在本實施方式中，采用統(tǒng)計指標的“Z評分”作為萎縮評分。

具體地，將通過所述步驟S23實施了解剖學(xué)標準化、圖像平滑化等的被檢者的灰質(zhì)腦圖像及白質(zhì)腦圖像與預(yù)先收集并保存在所述數(shù)據(jù)庫部30的健康人圖像數(shù)據(jù)庫35的健康人的灰質(zhì)及白質(zhì)的MRI腦圖像組進行統(tǒng)計比較，針對MRI腦圖像的全部體素或特定區(qū)域的體素，以如下方法計算灰質(zhì)及白質(zhì)的Z評分。以下，用Z[灰質(zhì)]來表示灰質(zhì)的Z評分、用Z[白質(zhì)]來表示白質(zhì)的Z評分。

【數(shù)學(xué)式1】

＜灰質(zhì)的Z評分＞

x₁：灰質(zhì)的被檢者圖像的體素值

μ₁：灰質(zhì)的健康人圖像組的體素值的平均

σ₁：灰質(zhì)的健康人圖像組的體素值的標準偏差

【數(shù)學(xué)式2】

＜白質(zhì)的Z評分＞

x₂：白質(zhì)的被檢者圖像的體素值

μ₂：白質(zhì)的健康人圖像組的體素值的平均

σ₂：白質(zhì)的健康人圖像組的體素值的標準偏差

如所述公式所示，Z評分為，利用標準偏差，將被檢者圖像的體素值與健康人圖像組的對應(yīng)的體素值的平均值之差按比例縮放了的值，表示灰質(zhì)及白質(zhì)的體積的相對減少的程度。

此外，不僅限于Z評分，也可以將能夠判斷被檢者圖像與健康人圖像之間的體素值的大小的其他指標用作表示萎縮程度的萎縮評分(例如，t評分等)。

另外，步驟S24中使用的保存在健康人圖像數(shù)據(jù)庫35的健康人的灰質(zhì)及白質(zhì)的MRI腦圖像為，對預(yù)先收集的健康人圖像組的每個依次適用步驟S21～步驟S23的“圖像重建”→“組織分割”→“解剖學(xué)標準化”及圖像平滑化等的相同處理，來制作而成的。此外，該處理可在計算機所構(gòu)成的處理部20中由程序來執(zhí)行。

利用以上說明的處理，能夠根據(jù)被檢者的MRI腦圖像來計算萎縮評分(在本實施方式中為Z評分)。

返回至圖2的流程圖。在步驟S3中，診斷輔助裝置1針對所要比較的各種疾病而確定特異腦部位(關(guān)心區(qū)域)。這主要可利用處理部20的部位確定功能25來實現(xiàn)。

例如，診斷輔助裝置1基于統(tǒng)計處理來確定與各種疾病相關(guān)的關(guān)心區(qū)域。具體地，在確定與某種疾病對應(yīng)的關(guān)心區(qū)域的情況下，對于具有該疾病的患者的MRI圖像組(疾病圖像組)與其他人的圖像組(非患病者圖像組)，執(zhí)行對以體素為單位的兩個組之間的統(tǒng)計顯著性進行統(tǒng)計檢定的雙標本t檢定，將被確定具有統(tǒng)計顯著性的體素視為該疾病的特征性體素，將這種坐標集合確定為與該疾病對應(yīng)的關(guān)心區(qū)域(Region Of Interest，ROI)。

另外，如日本專利5098393號的記載，可以考慮雙方的顯著性水平和經(jīng)驗法則來確定ROI。

另外，可以只根據(jù)疾病圖像(組)來確定ROI。例如，對于疾病圖像(組)，可以關(guān)于整個腦的萎縮的大小，將萎縮大的部位確定為ROI。

另外，可以根據(jù)診斷者等的主觀而手動地確定ROI。

以下，在本實施方式中假設(shè)不同的疾病A和疾病B，并在步驟S3中指定了疾病A的關(guān)心區(qū)域ROI_A及疾病B的關(guān)心區(qū)域ROI_B病，來進行說明。

(比較顯示)

在步驟S4中，診斷輔助裝置1將在步驟S3中確定的各部位的診斷輔助信息等進行比較顯示。

在此，對步驟S4中顯示的“萎縮度”及“萎縮比”進行說明。這些指標主要可由處理部20的萎縮度計算功能25及萎縮比計算功能27計算。

<萎縮度>

診斷輔助裝置1對表示“關(guān)心區(qū)域內(nèi)”中的萎縮程度的“萎縮度”進行計算。另外，針對每個灰質(zhì)及白質(zhì)的組織計算萎縮度，因此可以針對每個組織定量地評價與各種疾病相關(guān)的部位的萎縮程度。

具體地，如下所述，可以根據(jù)Z評分來計算關(guān)心區(qū)域ROI_A內(nèi)的“灰質(zhì)”的萎縮度(數(shù)學(xué)式3)和“白質(zhì)”的萎縮度(數(shù)學(xué)式4)。

【數(shù)學(xué)式3】

＜關(guān)心區(qū)域ROI_A的灰質(zhì)的萎縮度＞

ROI_A萎縮度[灰質(zhì)]＝

ROI_A內(nèi)的正Z[灰質(zhì)]的平均值···(3)

【數(shù)學(xué)式4】

＜關(guān)心區(qū)域ROI_A的白質(zhì)的萎縮度＞

ROI_A萎縮度[白質(zhì)]＝

ROI_A內(nèi)的正Z[白質(zhì)]的平均值···(4)

另外，可以如下所述來計算關(guān)心區(qū)域ROI_B內(nèi)的“灰質(zhì)”的萎縮度(數(shù)學(xué)式5)和“白質(zhì)”的萎縮度(數(shù)學(xué)式6)。

【數(shù)學(xué)式5】

＜關(guān)心區(qū)域ROI_B的灰質(zhì)的萎縮度＞

ROI_B萎縮度[灰質(zhì)]＝

ROI_B內(nèi)的正Z[灰質(zhì)]的平均值···(5)

【數(shù)學(xué)式6】

＜關(guān)心區(qū)域ROI_B的白質(zhì)的萎縮度＞

ROI_B萎縮度[白質(zhì)]＝

ROI_B內(nèi)的正Z[白質(zhì)]的平均值···(6)

此外，在本實施方式中，作為萎縮度采用關(guān)心區(qū)域內(nèi)的“正Z評分的平均值”，但是不限于此，也可以采用任意地確定了閾值的“超出閾值的Z評分的平均值”，或單純地采用“Z評分的平均值”。另外，也可以采用Z評分超過閾值的體素占ROI內(nèi)的全部體素數(shù)的比例。

<萎縮比>

診斷輔助裝置1基于所述萎縮度，進一步計算“萎縮比”。在此，“萎縮比”是指，假設(shè)不同疾病時，以某個疾病為基準，而表示其他疾病的特征有多大的指標。上述的萎縮度是雖然能夠單獨把握對每個疾病的關(guān)心區(qū)域中的萎縮程度，但無法唯一地把握各種疾病的關(guān)聯(lián)性的指標，因此不足以作為輔助鑒別各種疾病的指標。因此，在本實施方式中，還定義了所計算的各種疾病的萎縮度的比的“萎縮比”，并將此作為各種疾病的輔助鑒別的指標。

例如，當假設(shè)疾病A、疾病B時，可如下計算以疾病A為基準的疾病B的萎縮比。

【數(shù)學(xué)式7】

＜基于疾病A的疾病B的灰質(zhì)的萎縮比＞

(ROI_A萎縮度＝ROI_A萎縮度[灰質(zhì)]或ROI_A萎縮度[白質(zhì)])

【數(shù)學(xué)式8】

＜基于疾病A的疾病B的白質(zhì)的萎縮比＞

(ROI_A萎縮度＝ROI_A萎縮度[灰質(zhì)]或ROI_A萎縮度[白質(zhì)])

與萎縮度同樣地，萎縮比是針對灰質(zhì)和白質(zhì)進行計算而得的。此外，優(yōu)選地，關(guān)于作為基準的疾病A的萎縮度(數(shù)學(xué)式的分母)，在疾病A的患者中的ROI_A內(nèi)選擇表現(xiàn)出大的萎縮傾向的組織(“灰質(zhì)”和“白質(zhì)”中的任一種)。

根據(jù)上述數(shù)學(xué)式可以判斷出，若萎縮比的值小，則疾病A的傾向大，若萎縮比的值大，則疾病B的傾向大，可以成為對各種疾病的鑒別進行輔助的指標。例如，可以設(shè)定適合的閾值，將數(shù)學(xué)式7、8的萎縮比小于閾值的情況判別為疾病A，將萎縮比大于閾值時為疾病B的情況判別為疾病B，來判別各種疾病。

此外，在本實施方式中，分別計算了灰質(zhì)和白質(zhì)的萎縮度及萎縮比，但是可以將灰質(zhì)和白質(zhì)合成，計算一個萎縮度及萎縮比。由此，可以用一個指標來評價兩者的組織萎縮。例如在某種疾病中灰質(zhì)及白質(zhì)的兩者的組織萎縮的情況下，或者在無法判斷灰質(zhì)和白質(zhì)中的哪一種的組織萎縮的情況下，可以成為有效的指標。

但是，這種情況下，在健康人數(shù)據(jù)庫35中預(yù)先準備有將灰質(zhì)腦圖像和白質(zhì)腦圖像預(yù)先合成了的健康人圖像組，將這些圖像組與被檢者的合成了灰質(zhì)腦圖像及白質(zhì)腦圖像的被檢者圖像之間進行比較，來計算Z評分，并且基于該Z評分計算萎縮度及萎縮比。

例如，可如下計算Z評分。

【數(shù)學(xué)式9】

＜“灰質(zhì)+白質(zhì)”的Z評分＞

x₃：合成了灰質(zhì)和白質(zhì)的被檢者圖像的體素值

μ₃：合成了灰質(zhì)和白質(zhì)的健康人圖像組的體素值的平均

σ₃：合成了灰質(zhì)和白質(zhì)的健康人圖像組的體素值的標準偏差

另外，可如下計算疾病A的關(guān)心區(qū)域ROI_A、疾病B的關(guān)心區(qū)域ROI_B中的萎縮度。

【數(shù)學(xué)式10】

＜關(guān)心區(qū)域ROI_A的“灰質(zhì)+白質(zhì)”的萎縮度＞

ROI_A萎縮度[灰質(zhì)+白質(zhì)]＝

ROI_A內(nèi)的正Z[灰質(zhì)+白質(zhì)]的平均值···(10)

【數(shù)學(xué)式11】

＜關(guān)心區(qū)域ROI_B的“灰質(zhì)+白質(zhì)”的萎縮度＞

ROI_B萎縮度[灰質(zhì)+白質(zhì)]＝

ROI_B內(nèi)的正Z[灰質(zhì)+白質(zhì)]的平均值値···(11)

進而，可基于所述萎縮度，如下計算例如以疾病A為基準的疾病B的萎縮比。

【數(shù)學(xué)式12】

＜以疾病A為基準的疾病B的萎縮比＞

(ROI_A萎縮度＝ROI_A萎縮度[灰質(zhì)+白質(zhì)]、ROI_A萎縮度[灰質(zhì)]

、和ROI_A萎縮度[白質(zhì)]中的任何一種)

此外，優(yōu)選地，關(guān)于作為基準的疾病A的萎縮度(數(shù)學(xué)式的分母)，在疾病A的患者的ROI_A內(nèi)選擇表現(xiàn)出大的萎縮傾向的組織的形態(tài)(“灰質(zhì)及白質(zhì)”、“灰質(zhì)”、和“白質(zhì)”中的任一種)。

以上說明的各種指標(Z評分、萎縮度、萎縮比)可顯示于用戶接口部10(顯示功能13)。

圖4為示出診斷輔助裝置1的用戶接口部10的顯示示例。

在圖4的顯示區(qū)域41中，腦的切片圖像可隔開規(guī)定間隔而排列顯示。此外，“灰質(zhì)”的Z評分(數(shù)學(xué)式1)的分布(Z評分圖)可重疊地顯示在切片圖像上，并且，疾病A的關(guān)心區(qū)域和疾病B的關(guān)心區(qū)域可顯示在切片圖像上。

圖5為一張切片圖像的放大圖。在切片圖像上顯示有Z評分圖5a，另外，切片圖像面中的疾病A的關(guān)心區(qū)域5b由實線示出，疾病B的關(guān)心區(qū)域5c由虛線示出。由此，能夠把握整體切片圖像中的萎縮程度，還能夠把握切片圖像中的關(guān)注部位(關(guān)心區(qū)域5b、5c)的萎縮程度。

在圖4的顯示區(qū)域42中，與顯示區(qū)域41同地，腦切片圖像可隔開規(guī)定間隔地排列顯示。但是，在顯示區(qū)域42中，“白質(zhì)”的Z評分(數(shù)學(xué)式2)的分布重疊地顯示在切片圖像上。

像這樣，在顯示區(qū)域41和顯示區(qū)域42中，通過針對每個組織(灰質(zhì)、白質(zhì))顯示Z評分的分布，能夠把握每個組織的萎縮的差異。

此外，存在多種Z評分的顯示方法，例如，可以根據(jù)Z評分的值，改變濃淡來顯示，也可以利用等高線來顯示。另外，各種疾病中的關(guān)心區(qū)域的顯示方法也是多種多樣的，例如，可以針對每個疾病將關(guān)心區(qū)域以不同的顏色進行顯示。

在圖4的顯示區(qū)域43中，可用數(shù)值來顯示疾病A的關(guān)心區(qū)域(在圖4中用部位A來表示)的“灰質(zhì)”的萎縮度(數(shù)學(xué)式3)和「白質(zhì)」的萎縮度(數(shù)學(xué)式4)，并且，可用數(shù)值來顯示疾病B的關(guān)心區(qū)域(在圖4中用部位B來表示)的「灰質(zhì)」的萎縮度(數(shù)學(xué)式5)和“白質(zhì)”的萎縮度(數(shù)學(xué)式6)。

此外，在圖4的顯示區(qū)域44中，可用數(shù)值來顯示以疾病A為基準的疾病B的“灰質(zhì)”的萎縮比(數(shù)學(xué)式7)和“白質(zhì)”的萎縮比(數(shù)學(xué)式8)。

以上，在本實施方式中，利用診斷輔助裝置1來確定各疾病的關(guān)心區(qū)域，并且利用所確定的與各種疾病的關(guān)心區(qū)域相關(guān)的各種指標，來比較各種疾病并顯示。由此，能夠向診斷者提供用于對不同疾病進行比較或輔助鑒別的有效的診斷輔助信息。

[實施例]

在此，作為一個實施例，將阿爾茨海默型癡呆癥(以下稱為“AD”)和路易氏體型癡呆癥(以下稱為“DLB”)的兩種疾病為對象，驗證了輔助鑒別的可能性。

其中，在AD中，在內(nèi)側(cè)顳區(qū)的灰質(zhì)中可觀測到大的萎縮，因此可知，通過利用MRI圖像來定量評價內(nèi)側(cè)顳區(qū)的萎縮，可實現(xiàn)AD的診斷輔助。

另一方面，關(guān)于DLB，目前對MRI中的疾病特異性還缺乏證據(jù)。然而，根據(jù)近年來的研究，已報道了在DLB中，中腦(背側(cè))的灰質(zhì)萎縮(Whitwell,Jennifer L.et al.“Focal atrophy in dementia with Lewy bodies on MRI:a distinct pattern from Alzeimer’s disease.”Brain(2007))。另外，根據(jù)其他研究，已報道了在DLB中，中腦(背側(cè))/腦橋(背側(cè))/小腦的白質(zhì)萎縮。(Nakatsuka,et al.“Discrimination of dementia with Lewy bodies from Alzheimer’s disease using voxel-based morphometry of white matter by statistical parametric mapping 8 plus diffeomorphic anatomic registration through exponentiated Lie algebra.”Neuroradiology(2013))。根據(jù)這些現(xiàn)有研究的成果，可推測在DLB中的后腦干附近具有特異傾向。

實際上，利用診斷輔助裝置1的部位確定功能25針對AD和DLB來確定特異部位(萎縮大的部位)，其結(jié)果，在AD的情況下，“內(nèi)側(cè)顳區(qū)”附近呈現(xiàn)為特異部位，在DLB的情況下，“后腦干”附近呈現(xiàn)為特異部位。因此，在本實施例中，將這些部位設(shè)定為AD和DLB的關(guān)心區(qū)域。在此，將AD的關(guān)心區(qū)域(內(nèi)側(cè)顳區(qū)附近)記為ROI_A，并將DLB的關(guān)心區(qū)域(后腦干附近)作為ROI_B。

接下來，研究利用診斷輔助裝置1的萎縮度計算功能27計算的萎縮度。在AD中，如上所示，內(nèi)側(cè)顳區(qū)附近的灰質(zhì)的萎縮大，因此采用了基于數(shù)學(xué)式3的“灰質(zhì)”的萎縮度。在DLB中，根據(jù)所述現(xiàn)有研究，可能對后腦干附近的灰質(zhì)、白質(zhì)中的任一個或兩者有影響，因此對每個組織進行評價。因此，作為DLB的萎縮度，利用基于數(shù)學(xué)式5的“灰質(zhì)”萎縮度及基于數(shù)學(xué)式6的“白質(zhì)”的萎縮度兩者。

此外，作為利用診斷輔助裝置1的萎縮比計算功能29計算的萎縮比，采用了基于數(shù)學(xué)式7的灰質(zhì)的萎縮比(以下示出為“τ1”)，以及基于數(shù)學(xué)公式8的白質(zhì)的萎縮比(以下示出為“τ2”)。在此，相當于數(shù)學(xué)公式7、8的萎縮比的分母的ROI_A(內(nèi)側(cè)顳區(qū)附近)內(nèi)的AD的萎縮度采用了針對AD患者呈現(xiàn)出大的萎縮傾向的“灰質(zhì)”的萎縮度。

圖6示出基于所述灰質(zhì)的萎縮比τ1及白質(zhì)的萎縮比τ2來判別AD和DLB的一個示例。

如圖6所示，對萎縮比τ1設(shè)定閾值α1，對萎縮比τ2設(shè)定閾值α2，在滿足τ1＞α1及τ2＞α2兩者的情況下，可以判別為具有DLB的嫌疑。在除此之外的情況下，可以判別為具有AD的嫌疑。

圖7示出實際以AD的患者和DLB的患者為對象，利用診斷輔助裝置1計算的所述萎縮比τ1及萎縮比τ2，并將計算的值作圖而成的圖。白色的點表示診斷為AD的患者，黒色的點表示診斷為DLB的患者。在本實施方式中，閾值α1、α2均設(shè)定為0.2。

如圖7所示，可見，DLB患者多分布于滿足τ1＞α1及τ2＞α2的區(qū)域，AD患者多分布于其余的區(qū)域，獲得了良好的判別結(jié)果。由此可確認，將“萎縮比”作為以AD和DLB為對象的輔助鑒別的指標是有效的。

以上，參照附圖，對本發(fā)明的優(yōu)選實施方式進行了說明，但是本發(fā)明不限于此。對于本發(fā)明所屬領(lǐng)域的普通技術(shù)人員而言，在本發(fā)明中揭示的技術(shù)思想的范圍內(nèi)，能夠想到各種變型例或修改例，毫無疑問這些均屬于本發(fā)明的技術(shù)范圍內(nèi)。

(附圖標記的說明)

1：診斷輔助裝置；10：用戶接口部；11：圖像輸入功能；13：顯示功能；

20：處理部；21：圖像處理功能；23：統(tǒng)計處理功能；25：部位確定功能；

27：萎縮度計算功能；29：萎縮比計算功能；30：數(shù)據(jù)庫部；

31：灰質(zhì)腦圖像模板；33：白質(zhì)腦圖像模板；35：健康人數(shù)據(jù)庫；

37：關(guān)心區(qū)域ROI。

權(quán)利要求書(按照條約第19條的修改)

1.一種診斷輔助裝置，其特征在于，包括：

確定單元，從腦圖像來確定與多種疾病相關(guān)的腦的各部位；

計算單元，從所述腦圖像來計算表示腦萎縮程度的萎縮評分；以及

比較顯示單元，從所述萎縮評分來計算與所確定的各部位相關(guān)的信息，并進行比較顯示，

所述比較顯示單元從各部位的所述萎縮評分來計算表示各部位的萎縮程度的萎縮度，進而計算作為各部位的萎縮度之比的萎縮比。

2.根據(jù)權(quán)利要求1所述的診斷輔助裝置，其特征在于，所述比較顯示單元將所述萎縮評分的分布與所述各部位一同顯示在腦圖像上。

3.[刪除]

4.根據(jù)權(quán)利要求1或2所述的診斷輔助裝置，其特征在于，所述比較顯示單元計算每個組織的萎縮度或萎縮比。

5.[刪除]

6.根據(jù)權(quán)利要求1、2或4所述的診斷輔助裝置，其特征在于，所述計算單元對所述腦圖像與健康人腦圖像進行比較，來計算所述萎縮評分。

7.[刪除]

8.[刪除]

9.一種診斷輔助方法，其特征在于，包括：

確定步驟，從腦圖像來確定與多種疾病相關(guān)的腦的各部位；

計算步驟，從所述腦圖像來計算表示腦萎縮程度的萎縮評分；以及

比較顯示步驟，從所述萎縮評分來計算與所確定的各部位相關(guān)的信息，并進行比較顯示，

所述比較顯示步驟基于各部位的所述萎縮評分計算表示各部位的萎縮程度的萎縮度，進而計算作為各部位的萎縮度之比的萎縮比。

10.一種程序，其特征在于，使計算機用作如下的單元而發(fā)揮功能，所述單元包括：

確定單元，從腦圖像來確定與多種疾病相關(guān)的腦的各部位；

計算單元，從所述腦圖像來計算表示腦的萎縮程度的萎縮評分；以及

比較顯示單元，從所述萎縮評分來計算與所確定的各部位相關(guān)的信息，并進行比較顯示，

所述比較顯示單元從各部位的所述萎縮評分來計算表示各部位的萎縮程度的萎縮度，進而計算作為各部位的萎縮度之比的萎縮比。

說明或聲明(按照條約第19條的修改)

具體而言，權(quán)利要求1、權(quán)利要求9、權(quán)利要求10基于修改前的權(quán)利要求2的“基于所述腦圖像計算顯示腦萎縮程度的萎縮評分”的記載，以及修改前的權(quán)利要求3、權(quán)利要求5的記載。

權(quán)利要求2基于修改前的權(quán)利要求2的“所述比較顯示單元與所述部位一同在腦圖像中顯示所述萎縮評分的分布”的記載。

在權(quán)利要求4、權(quán)利要求6中更改了從屬權(quán)利要求的編號。

刪除了權(quán)利要求第3、權(quán)利要求5、權(quán)利要求7、權(quán)利要求8。

對于如同本發(fā)明計算作為腦的各部位的萎縮程度的比例的萎縮比，在包括文獻1～3的判斷為與此相關(guān)的任一文獻中，包括其方法及裝置，用于啟發(fā)這些的實驗結(jié)果或考察還未形成。因此，本發(fā)明是無法根據(jù)在現(xiàn)有技術(shù)文獻中記載的發(fā)明，使本發(fā)明所屬領(lǐng)域的技術(shù)人員容易地所理解到的。