JP6437207B2 - 医用画像処理装置および医用画像処理方法 - Google Patents

Description

本明細書に記載の実施形態は、一般に、画像データ処理方法および画像データ処理装置に関し、詳細には、ただし限定的にではなく、例えば骨のマスクによって欠損している管構造の領域を決定する方法および装置に関する。

種々の異なるイメージングモダリティのいずれかを用いて得られるボリューム画像データを処理および描画することによって、描画画像、例えば３Ｄ画像または２Ｄ画像を表示することが、ますます一般的になっている。そのようなイメージングモダリティには、超音波イメージング、ＭＲＩ、ＣＴ、およびＰＥＴなどがあるが、これらに限定されない。

対象のある種の特徴、例えば管、骨、肉、または選択した解剖学的特徴だけを見ることがしばしば望まれる。対象のそのような特徴に関する画像データだけを抽出および描画する、例えば、骨または管だけを抽出および描画するために使用できる多数の知られた自動セグメント化アルゴリズムが存在する。そのような管には、例えば、血管系、リンパ系、神経系、または気道の一部を形成する管を挙げることができる。

いくつかのそのような知られた自動セグメント化アルゴリズムは、現在の対象領域に関連しないデータをマスクアウトする、例えば、骨の領域、あるいはガントリテーブルもしくは他の装備または他のアーチファクトが存在する領域を表すデータをマスクアウトするために使用できるマスクを生成する。

場合によっては、知られた自動セグメント化アルゴリズムが、異なるタイプの物質を正確に区別することが困難であり得る。

例えば、ＳＶＲにおけるＣＴ血管造影データを見るとき、管は、通常、骨によって邪魔される。自動骨セグメント化アルゴリズムは、骨を識別し、視覚化から骨を除去するために、一般的に使用される。しかし、ＣＴＡデータにおいて、造影剤が注入されるときの管と、骨とを区別することが難しく（それらは、非常に類似した明度を有し）、自動骨セグメント化は、場合によっては、骨として一部の管を誤って識別する。そのように管を骨として誤って識別すると、管の欠損が導かれる可能性があり、それにより、識別した骨データが減じられるとともに残りの管のデータが描画されるとき、管の一部は、欠損しているように見られる場合がある。

身体全体にわたって骨および管のサイズにはかなりの解剖学的ばらつきがあり、骨を管として誤認すること、またはその逆が、コントラストされた（１つまたは複数の）管が骨にごく接近しているときに、一般に生じ得る。これが生じる最も一般的な解剖学的領域は、骨盤のすぐ下を通過する腸骨動脈の分枝、脊柱の近くの大動脈、大腿骨および他の長い骨の近くの脚の中の大腿動脈および他の動脈である。エラーは、特に、管と骨の間に明度の変化がほとんどない場合、管の小さい（約１から２ｃｍの）部分を骨として一般に誤認する。これらの部分は、ＳＶＲビュー中のコントラストされた管のギャップとして使用者には思われる。

使用者が、領域を手動で調整すること、例えば、骨ではなく管であるとして領域を手動で識別することを可能にすることが知られている。しかし、これは、使用者、例えば、放射線技師または放射線科医にとって、時間がかかり、非効率なものであり得る。

目的は、管および骨の誤認を減少させるために、自動セグメント化アルゴリズムの高度化を実現することができる医用画像処理装置及び医用画像処理方法を提供することである。

一実施形態に係る医用画像処理装置は、第１の対象と第２の対象とに関する画像データから、セグメンテーションされた前記第１の対象に対応するマスク領域を減算することで、少なくとも一部欠損が発生した第２の対象に関するセグメンテーション画像を取得する画像データ処理ユニットと、前記第２の対象が欠損している欠損領域及び当該欠損領域の近傍領域の少なくともいずれかにおいて、少なくとも１つの点を指定する指定ユニットと、前記指定された少なくとも一つの点の位置を用いて前記欠損領域における前記第２の対象に対応するデータを識別し、前記セグメンテーション画像に前記識別されたデータを含めて、前記欠損領域において前記第２の対象を復元させる画像処理ユニットと、を具備するものである。

図１は、一実施形態による画像処理システムの概略図である。 図２は、図１の画像処理システムの動作モードを概要で示す流れ図である。 図３（ａ）は、患者のある領域の表面ボリューム描画画像である。図３（ｂ）は、欠損している血管領域が示される、血管を示すためにセグメント化された図３（ａ）に示される領域の一部の表面ボリューム描画画像である。 図４（ａ）は、図３（ｂ）に示される領域の一部の拡大図である。図４（ｂ）は、欠損している管領域が復元されている領域のビューである。 図５（ａ）は、骨の領域を含む画像である。図５（ｂ）は、骨の領域が満たされている画像に対応する画像である。 図６は、脊柱内の低い密度の領域を示す脊柱の一部の画像である。

特定の実施形態は、セグメント化プロセスを用いてセグメント化された、管の表現を含むセグメント化画像データを得るための画像データ処理ユニットを備える画像データ処理装置を提供し、管の領域が、この表現から欠損している。この装置は、欠損している領域の境界におけるまたは欠損している領域の境界の近くの少なくとも１つの点を識別するための境界識別ユニットも備える。画像データ処理ユニットは、管の欠損している領域を識別するためのさらなるセグメント化プロセスを実行するように構成され、画像データ処理ユニットは、管の欠損している領域を含む管の修正した表現を生成するようにさらに構成されている。

特定の実施形態は、セグメント化プロセスを用いてセグメント化される、管の表現を含むセグメント化画像データを得ることであって、管の領域が、表現から欠損している、セグメント化画像データを得ることと、欠損している領域の境界におけるまたは欠損している領域の境界の近くの少なくとも１つの点を識別することと、少なくとも１つの選択した点の位置を用いて、管の欠損している領域を識別するためのさらなるセグメント化プロセスを実行することと、管の欠損している領域を含む管の修正した表現を生成すること、とを含む画像データ処理方法も提供する。

一実施形態による医用画像処理システム１は、図１に概略的に示されており、上記のような方法を実施するように構成された処理装置２を備える。図１に示す実施形態では、処理装置２は、パーソナルコンピュータ（ＰＣ）、またはワークステーションも備える。処理システム１は、表示デバイス４と、ＣＴスキャナ６と、（１つまたは複数の）ユーザ入力デバイス８、この場合、コンピュータのキーボードとマウスとをさらに備える。システム１は、データ記憶部９も含む。

患者または他の被検体に対する３ＤのＣＴ測定を実行できる任意の適当なタイプのＣＴスキャナ、例えば、東芝メディカルシステムズ株式会社によって生産されるＡｑｕｉｌｉｏｎ（登録商標）の一連のスキャナの１つが使用されてもよい。図１の実施形態は、ＣＴスキャンデータに関連して説明されるが、代替の実施形態では、任意の適当なタイプの画像データ、例えば適当な形態のＭＲＩデータまたはＰＥＴデータを生成する任意の他の適当なタイプのスキャナが使用され得る。

処理装置２は、自動的または半自動的に画像データを処理するための処理リソースを提供し、図２を参照して以下により詳細に説明する方法を実行するように構成された種々のソフトウェアユニットまたは他のソフトウェアコンポーネントをロードし動作できる中央処理装置（ＣＰＵ）１０を備える。

ソフトウェアユニットは、画像データを受信し、必要に応じて、セグメント化と、フィルタリングと、マスキングとがある種々の処理技法を実行するための画像データ処理ユニット１２を含む。ソフトウェアユニットは、管の欠損している領域の境界におけるまたは管の欠損している領域の境界の近くの１つまたは複数の点を識別するための境界識別ユニット１４と、使用者によってまたは自動的に選択される選択した点を決定するための選択ユニット１６とも備える。ソフトウェアユニットは、表示デバイス４上に画像を表示するための信号を生成するためのグラフィックスユニット１８も含む。

処理装置２は、ハードドライブと、ＲＡＭ、ＲＯＭ、データバス、様々なデバイスドライバを含むオペレーティングシステムが含まれるＰＣの他の構成要素と、グラフィックカードを含むハードウェアデバイスとを含む。そのような構成要素は、分かりやすくするために、図１に示されていない。代替の実施形態では、任意の他の適当な処理装置が、使用されてもよい。

図１の実施形態では、ボリューム画像データセット７は、スキャナ６によるスキャンの取得の後に、ＣＴスキャナ６から処理装置２によって受信され、データ記憶部９に記憶され、処理装置２によって処理される。

図１の実施形態の変形例では、処理装置２は、遠隔データ記憶部（図示せず）からのボリューム画像データセットまたは他の画像データセットを受信する。遠隔データ記憶部は、例えば、画像保管通信システム（ＰＡＣＳ：Picture Archiving and Communication System）の一部を形成するデータ記憶部は、関連した患者データと共に、長期間にわたって、多くの異なるスキャナから得られる多数の異なるデータセットを記憶する。

図１のシステムは、図２の流れ図に概要が示される一連の段階を有する医用画像処理方法を実行するように構成されている。

第１の段階３０では、ＣＴスキャナ６による患者に対する測定値から得られるボリューム画像データ、この場合、ＣＴ画像データが、処理装置２によって受信される。画像データ処理ユニット１２は、この場合、骨の素材および血管を自動的にセグメント化するセグメント化プロセスの実行を含む受信したデータに対して知られた画像データ処理を行う。その結果、セグメンテーション画像が取得される。

この場合、Ｖｏｘａｒの３Ｄ製品に含まれるようなセグメント化アルゴリズムが使用されるが、任意の他の適当なセグメント化アルゴリズムまたは手順が使用されてもよい。

画像データ処理ユニット１２は、使用者が選択したビューに従ってボリュームデータの表現を描画するために、描画プロセスも実行する。任意の適当な描画プロセスが、２Ｄ画像または３Ｄ画像、例えば、ＭＩＰ、ＭＰＲまたは表面ボリュームレンダリング（ＳＶＲ）を生成するために使用され得る。

次の段階３２では、描画したデータは、表示デバイス４上に選択ビューの画像を出力するために、グラフィックスユニット１８に渡される。

本例では、画像データ処理ユニット１２は、血管の領域を示す図３（ｂ）に示されるＳＶＲ画像を生成するための表面ボリューム描画プロセスを実施する。図３（ａ）は、骨と血管の両方を示す画像データの同じセットから得られる同じ患者のボリューム描画画像である。図３（ｂ）の画像では、骨であるとして識別した領域が、血管だけを残してマスクアウトされている。しかし、骨のセグメント化により、血管のいくつかの領域を骨であるとして誤認され、したがって骨のマスク領域のデータが減じられるとき、血管のいくつかの領域は、欠損している。マスクにより邪魔され、したがって、マスクデータが描画した画像データセットから減じられるときに取り除かれるそれらの血管の領域は、欠損している（或いは閉塞されている）と呼ばれ得る。

代替の実施形態では、ボリューム画像データは、ＣＴスキャナ６などの測定装置からではなく、遠隔データ記憶部から受信する。受信したデータは、すでにセグメント化および／またはすでに描画されていてもよいその場合には、描画またはセグメント化プロセスは、画像データ処理ユニット１２によって必ずしも行われるとは限らない。

図３（ｂ）に示すように、使用者は、管構造の少なくともいくつかの部分が、欠損していることを観察することができる。次いで、使用者は、管の領域が欠損している、またはそうでなければ欠損していると使用者が思う場合、段階３４で、描画したビューにおいて、管に関連した点４４を選択することができる。この場合、使用者は、その点にマウスのポインタを配置し、次いでマウスのボタンをクリックすることによって点を選択するが、この点を選択するための任意の他の適当な方法が使用されてもよい。選択ユニット１６は、使用者の入力を処理し、選択した点の位置を決定する。

代替の実施形態では、この点４４は、任意の適当な自動選択アルゴリズムを用いて処理装置２に装着された処理ユニットによって自動的選択される。例えば、明度の閾値は、全ての明るい組織（管および骨）のドメインを決定するために適用されてもよい。閾値のドメインからセグメント化した骨（および欠損した管）のドメインを減じることは、原理では、管のドメインだけを残すべきである。管のドメインは、理想的には、欠損がないのであれば、単一の接続ドメインであるべきと考えられ得る。接続したコンポーネントの解析は、ドメインの個数を識別するために使用することができる。欠損が存在する場合、複数のドメインが存在するはずである。任意の対の非接続ドメインについては、シード点は、他のドメインから最短であるドメインごとにその点を決定することによって自動的に識別され得る。いくつかのそのような代替の実施形態では、そのような自動化した実施形態では、欠損した領域またはシード点を識別するために、使用者は、血管を見る必要がないので、（１つまたは複数の）シード点４４が、血管を使用者に表示する前に自動的に選択されてもよい。

図３（ｂ）の画像の拡大版が、図４（ａ）に示されており、段階３２で使用者によって選択される点４４を含む。点４４は、管４６と管の欠損した領域４８との間の境界の近くである。この場合、管４６の領域は欠損し、使用者が欠損した領域の近くの点を選択するこの場合、それは真っ直ぐであることが使用者、例えば、解剖学的組織の知識を有する医学の専門家には明らかであろう。使用者は、単一の点を選択することに限られず、代替の実施形態では、複数の点を含む管の領域を選択してもよく、または複数の個々の点を別個に選択してもよい。

次の段階３６では、境界識別ユニット１４は、選択した少なくとも１つの点４４を開始点として用いて、管の欠損した領域４８の境界におけるまたは管の欠損した領域４８の境界の近くの少なくとも１つの点を決定する。欠損した領域の境界におけるまたは欠損した領域の境界の近くの少なくとも１つの点の決定は、任意の適当なセグメント化または他のプロセスを用いて実行できるが、この場合、レベル設定プロセスが、選択した点４４から欠損した領域４８の境界への管に従うために使用される。このプロセスは、強い制約条件を受けず、欠損点（或いは閉塞点）とも呼ばれる管の欠損した領域と欠損していない領域との間の境界におけるまたはその近くのシード点を識別し、管の半径を見積もるために使用される。

この場合、レベル設定は、半径２．０ｍｍの球で初期化され、使用者入力シード点４４とも呼ばれる点４４に中心がある１辺３．０ｃｍの立方体に限定される。これは、自動的にセグメント化された骨のドメインの外側のセグメントだけにやはり制限される。レベル設定は、骨のドメインによって欠損点に到達すると考えられる。

本実施形態では、欠損点でシード点を識別するために、セグメント化した管のドメインが、１つのボクセルによって広げられる。欠損点でのシード点は、広げた管のドメイン４２と骨のドメインの交差によって識別される。図２の実施形態では、シード点が決定されるだけでなく、管と最初に決定した骨のドメインとの交差を表す交差のドメインが、後の段階で決定および使用され得る。

次いで、管の半径は、セグメント化した管のドメイン４６の主方向をまず決定し、次いでこの方向に垂直な平面でドメイン４６をスライスすることによって見積もれる。半径は、それが円であると仮定すると、最大の接続した構成要素の範囲から計算される（管は、概ね楕円形状を有し、これは、ほんの近似であると理解される）。

代替の実施形態では、管４６のさらなる特性が、半径のみならず、または半径の代わりに、例えば、管のサイズ、管の向き、または管の空間構成の別の測定値が決定される。画像データ処理ユニット１２は、その後のさらなるセグメント化プロセスの実行時に、決定した少なくとも１つの特性を制約条件として使用するように構成されている。

次の段階３８では、骨のドメインは満たされ、フィルタリングおよび／または形態学的動作が、潜在的な管領域を識別するために実行される。潜在的な管領域を識別するために使用されるこの動作は、見積もったサイズ、または管の他の特性（例えば、管が、大きい管とみなされるか、または中位から小さい管とみなされるか）に基づいて、複数の可能な動作から選択されるということが本実施形態の特徴である。

自動的にセグメント化された骨のドメインを満たすことは、縁部を保持しつつ、より小さい密度の骨および骨盤領域の中央を埋める技法を用いて実行される。

骨のドメインを満たすことは、低密度の骨の内部が、骨のマスクとも呼ばれる最初の自動的にセグメント化された骨のドメインには概ね含まれないので行われる。その後に行われる形態学的識別は、本実施形態では、完全な骨のドメインに依拠する。

３Ｄで骨のドメインを単純に満たすことは、高い明度の領域（例えば、骨盤および脊柱）が接続されていない可能性があるので、場合によっては誤りを引き起こすことがある。さらに、閉じるなどの形態学的動作は、縁部をぼやけさせ、骨と管の間の区別を妨げることもある。したがって、記載した本実施形態では、骨のドメインを満たすことは、３Ｄの骨のドメインを各主方向に２Ｄスライスで連続的に満たすことによって実行される。満たす前の骨のドメイン５０の一例が、図５（ａ）に示されており、満たした後の骨のドメインは、図５（ｂ）に示されている。

骨のドメインが満たされると、画像データ処理ユニット１２は、アルゴリズムにより識別したシード点の周りの領域内で潜在的な管領域と潜在的な骨領域とを識別するために、フィルタリングおよび／または形態学的動作を行う。そのような動作は、形態学的制約条件を受け得る。

形態学的制約条件が、段階３６で決定された見積もった管の半径または他の管の特性に従って異なるということが実施形態の特徴である。

この場合、見積もった管の半径が、閾値の値を上回るか否かが決定される。本実施形態では、閾値の値は６．０ｍｍであるが、他の閾値の値が、他の実施形態または適用例で使用されてもよい。

管の半径が６．０ｍｍより大きいと見積もられる場合、管は、大動脈など「大きい」管であるとみなされる。管が、骨を囲むいずれかのものより大きい最小発光断面を有するということが仮定される。３Ｄトップハットフィルタ、または適切な半径を有する他のサイズに応じたフィルタが、半径６．０ｍｍ以上の発光体を除去するために適用される。したがって、フィルタの適用後の体積は、骨だけを含むはずである。管の半径が６．０ｍｍの閾値を超えるこの場合、フィルタは、満たされたドメインではなく元の骨のドメインを含むデータに適用される。

例として、図６は、脊柱６２の一部に近い大動脈６０を含む画像を示す。脊柱は、低密度のデータをその内部に含み、したがって、トップハットフィルタを適用すると、高い明度信号を全範囲にわたって与える大動脈を、周囲にだけわたって高い明度信号を与える脊柱から区別することができる。

明度閾値は、骨を識別するためにフィルタ処理した体積に適用される。次いで、接続された構成要素の分析が、閾値を上回る小さい構成要素を識別および除去するために使用される。次いで、元の自動的にセグメント化された骨のドメイン内の管領域が、この修正した骨のドメインを元の自動的にセグメント化された骨のドメインから減じることによって識別される。

このアルゴリズムは、その仮定の一貫性もチェックする。このアルゴリズムは、識別した管のドメインが、欠損を識別した点と交差することを確実にする。その要求が満たされない場合、このアルゴリズムは、ここでより詳細に説明する「中位から小さい」管の場合へと続く。

「中位から小さい」管の場合は、アルゴリズムが、その仮定が、前の段落で述べられたように一貫していないと結論付けるか、または見積もった管の半径と閾値の値との最初の比較で、管の半径が、閾値の値（この場合６．０ｍｍ）未満であると結論付けられる場合に使用される。

「中位から小さい」管の場合では、一定の高い明度が、満たした骨のドメイン内の体積に適用され、それによって満たした骨のドメイン内の全ての点には、同じ一定の明度が与えられる。

次いで、３Ｄトップハットフィルタ、または他のサイズに応じたフィルタが、半径６．０ｍｍで適用され、それにより体積から骨の全部を除去すべきである。次いで、管領域は、フィルタの適用後に残っているデータに明度閾値を適用することによって識別される。

次いで、小さい開口が、骨に沿って延びる小さい管を与えるために骨のドメインに適用される。任意のそのような管は、元の満たされた骨のドメインと開いたドメインとの間の差によって識別される。これらの管のドメインは、元の自動的にセグメント化された骨のドメイン内の可能な管領域の全部を識別するために、前の段落に説明したようにフィルタリングおよび閾値によって識別された管領域と組み合わされる。

任意の適当な形態学的動作、例えば、満たす、開ける、または閉じるは、特定の適用例にとって必要であれば、識別した潜在的な管領域に適用されてもよい。

段階３８の終わりに、「大きい管」の場合と「中位から小さい」管の場合の両方で、画像データ処理ユニット１２は、元の自動的にセグメント化された骨のドメイン内の可能な管領域を識別する。

次の段階４０では、画像データ処理ユニット１２は、管の欠損している領域を識別するために、さらなるセグメント化プロセスを実行する。任意の適当なセグメント化プロセスが、使用されてもよいが、この場合、レベル設定セグメント化は、管の欠損している領域を識別するために使用される。段階３８で識別した（１つまたは複数の）識別した潜在的な管領域は、欠損した管のレベル設定セグメント化における制約条件として使用される。本ケースでは、制約条件は、管の欠損している領域が、（１つまたは複数の）識別した潜在的な管領域だけを通過することを確実にする。管の決定した（１つまたは複数）の特性、例えば管のサイズは、レベル設定プロセスまたは他のセグメント化プロセスにおける制約条件として使用することもできる。

レベル設定は、セグメント化した管が、（曲率の制約条件により）なめらかであり、接続されることを確実にすることができる。曲率の制約条件は、形態学的制約条件が不正確の場合には、骨を管と誤認するのを防ぐ助けにもなる。

最後に、段階４２で、画像データ処理ユニット１２は、先に欠損している（１つまたは複数の）領域を含む管の修正した表現を生成する。次いで、管の画像は、表示デバイス４上に表示されてもよい。例として、図４（ｂ）は、欠損している管領域が復元された図４（ａ）に示す領域のビューを与える。

図４を参照して説明したプロセスは、身体の任意の適当な範囲を表す画像データに関して使用されてもよい。

図１の実施形態は、欠損している領域の手動識別を要求することなく、自動化したやり方または半自動化したやり方で、欠損している管の復元を与えることができる。

図１の実施形態は、ＣＴデータの処理に関連して説明されている。任意の他の適当な画像データは、代替の実施形態では、例えば任意のタイプのＣＴデータ、例えば、ＣＴ血管造影データ、ＭＲＩデータ、またはＰＥＴデータに使用されてもよい。

例えば血管、気道、リンパ管または神経構造などの任意の適当な管は、実施形態を用いて画像化されてもよい。

記載した実施形態は、管に関連した１つまたは複数の点の使用者による選択に基づいて、管の欠損している領域の識別および復元を与える。代替の実施形態では、１つまたは複数の点の選択は、例えば、初期のセグメント化中に識別した管領域の端部近くの１つまたは複数の点の自動選択によって自動的に実行できる。

いくつかの実施形態は、本実施形態のこの方法を実施するために実行可能であるコンピュータ可読命令を有するコンピュータプログラムによってある機能を実施することができるが、このコンピュータプログラムの機能は、ハードウェア（例えば、ＣＰＵよって、または１つまたは複数のＡＳＩＣ（特定用途向け集積回路））、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、またはＧＰＵ（グラフィックスプロセッシングユニット）、あるいはハードウェアとソフトウェアの混合で実現されもよいことが当業者にはよく理解されよう。

特定のユニットが、本明細書に記載されているが、代替の実施形態では、それらのユニットの１つまたは複数の機能は、単一のユニット、処理リソースまたは他の構成要素によって与えられてもよく、または単一のユニットによって与えられる機能が、組み合わせた２つ以上のユニットまたは他の構成要素によって与えられてもよい。単数のユニットへの言及は、複数の構成要素、例えばユニットの場合、そのような構成要素が互いに遠隔にあろうがなかろうが、そのユニットの機能を与える複数の構成要素を包含し、複数のユニットへの言及は、単一の構成要素、例えばユニットの場合、それらのユニットの機能を与える単一の構成要素を包含する。

いくつかの実施形態を説明してきたが、これらの実施形態は、例として示されたものに過ぎず、本発明の範囲を限定するものではない。実際は、本明細書に記載の新規な方法およびシステムは、種々の他の形態で実現されてもよく、さらに、本明細書に記載の方法およびシステムの形態の様々な省略、置換、および変更が、本発明の精神から逸脱することなく行われてもよい。添付の特許請求の範囲およびその均等物は、本発明の範囲内に含まれるものとしてそのような形態および修正形態を包含するものとする。

Claims (11)

1. 第１の対象と第２の対象とに関する画像データから、セグメンテーションされた前記第１の対象に対応するマスク領域を減算することで、少なくとも一部欠損が発生した第２の対象に関するセグメンテーション画像を取得する画像データ処理ユニットと、
   前記第２の対象が欠損している欠損領域及び当該欠損領域の近傍領域の少なくともいずれかにおいて、少なくとも１つの点を指定する指定ユニットと、
   前記指定された少なくとも一つの点の位置を用いて前記欠損領域における前記第２の対象に対応するデータを識別し、前記セグメンテーション画像に前記識別されたデータを含めて、前記欠損領域において前記第２の対象を復元させる画像処理ユニットと、
   を具備することを特徴とする医用画像処理装置。
2. 前記指定ユニットは、前記第１の対象と前記第２の対象を撮像することで得られたボリュームデータを用いて、所望のビューからのレンダリング画像を生成し、前記レンダリング画像を用いて、前記少なくとも一つの点を指定することを特徴とする請求項１記載の医用画像処理装置。
3. 前記画像データ処理ユニットは、前記画像データから前記マスク領域を減算して取り除かれた前記第２の対象の欠損領域を識別して、前記復元を実行することを特徴とする請求項１又は２記載の医用画像処理装置。
4. 前記画像データ処理ユニットは、前記少なくとも一部欠損が発生した前記第２の対象が前記欠損領域を通過するという制約条件に基づいて、前記復元を実行することを特徴とする請求項３記載の医用画像処理装置。
5. 前記画像データ処理ユニットは、前記第２の対象のサイズに関する制約条件に基づいて、前記復元を実行することを特徴とする請求項３記載の医用画像処理装置。
6. 前記画像データ処理ユニットは、見積もった前記第２の対象のサイズが閾値を上回る場合、前記マスク領域において前記第２の対象となる領域を抽出し、前記マスク領域から前記抽出された領域を減算することを特徴とする請求項３乃至５のうちいずれか一項記載の医用画像処理装置。
7. 前記画像データ処理ユニットは、見積もった前記第２の対象のサイズが閾値を上回る場合、前記マスク領域を満たした後、前記マスク領域において前記第２の対象となる領域を抽出し、前記マスク領域から前記抽出された領域を減算することを特徴とする請求項３乃至５のうちいずれか一項記載の医用画像処理装置。
8. 前記画像データ処理ユニットは、セグメンテーションされた前記第１の対象のドメイン内の前記第２の対象を識別するための少なくとも一つの処理をする前に、前記マスク領域を満たすことを特徴とする請求項７記載の医用画像処理装置。
9. 前記画像データ処理ユニットは、見積もった前記第２の対象のサイズが閾値を上回るか否かの判定を、サイズに応じたフィルタを用いて実行することを特徴とする請求項６乃至８のうちいずれか一項記載の医用画像処理装置。
10. 前記画像データ処理ユニットは、前記第２の対象のサイズに応じたフィルタを用いて、前記マスク領域に含まれる前記第２の対象を識別することを特徴とする請求項３乃至９のうちいずれか一項記載の医用画像処理装置。
11. 第１の対象と第２の対象とに関する画像データから、セグメンテーションされた前記第１の対象に対応するマスク領域を減算することで、少なくとも一部欠損が発生した第２の対象に関するセグメンテーション画像を取得し、
    前記第２の対象が欠損している欠損領域及び当該欠損領域の近傍領域の少なくともいずれかにおいて、少なくとも１つの点を指定し、
    前記指定された少なくとも一つの点の位置を用いて前記欠損領域における前記第２の対象に対応するデータを識別し、前記セグメンテーション画像に前記識別されたデータを含めて、前記欠損領域において前記第２の対象を復元させること、
    を具備することを特徴とする医用画像処理方法。