醫用圖像顯示處理方法、醫用圖像顯示處理裝置及程序與流程

2023-10-25 22:16:31

本發明涉及基於利用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，尤其涉及進行適於可能存在多種疾病的情況下的診斷輔助的技術。

背景技術：

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

尤其是，關於腦組織萎縮，可根據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痴呆症的診斷輔助的系統，利用MRI圖像來定量評價內側顳區的萎縮，由此可進行阿爾茨海默型痴呆症的診斷輔助。

(現有技術文獻)

(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

技術實現要素：

(發明所要解決的問題)

然而，在以往的診斷輔助系統等中，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。

本發明是鑑於上述問題而作出的，其目的在於提供適於不同疾病之間的比較的診斷輔助裝置等。

(解決問題的方案)

用於達成上述目的的第一發明為一種診斷輔助裝置，其特徵在於，包括：確定單元，從腦圖像來確定與多種疾病相關的腦部位；以及比較顯示單元，計算與所確定的部位相關的信息，並進行比較顯示。根據第一發明，能夠提供適於不同疾病之間的比較的診斷輔助裝置。

優選地，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於腦圖像上。由此，可以在腦圖像上將與各種疾病相關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注部位的萎縮。

優選地，所述比較顯示單元從所述萎縮評分來計算用於表示所述部位中的萎縮程度的萎縮度，並進行顯示。由此，能夠定量地比較與各種疾病相關的部位的萎縮。

優選地，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的部位的萎縮。

優選地，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並進行顯示。由此，能夠在唯一地把握不同疾病之間的關聯性的鑑別輔助上獲得有效指標。

優選地，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。

優選地，所述部位為在阿爾茨海默型痴呆症與路易氏體型痴呆症之間呈現出萎縮的差異的腦部位。由此，能夠實現適於阿爾茨海默型痴呆症與路易氏體型痴呆症之間的比較的診斷輔助。

優選地，所述部位為內側顳區附近及後腦幹附近。由此，能夠實現適於阿爾茨海默型痴呆症與路易氏體型痴呆症之間的比較的診斷輔助。

用於達成上述目的的第二發明為診斷輔助方法的特徵在於，包括：確定步驟，從腦圖像來確定與多種疾病相關的腦部位；以及比較顯示步驟，計算與所確定的部位相關的信息，並進行比較顯示。根據第二發明，能夠提供適於不同疾病之間的比較的診斷輔助方法。

用於達成上述目的的第三發明為一種程序，其特徵在於，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的腦部位；以及比較顯示單元，計算與所確定的部位相關的信息，並進行比較顯示。根據第三發明，能夠提供適於不同疾病之間的比較的程序。

(發明的效果)

根據本發明，能夠提供適於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，基於附圖對本發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及資料庫部30。

用戶接口部10主要具有：圖像輸入功能11，用於接受MRI圖像的輸入；以及顯示功能13，用於顯示由處理部20處理的結果。

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

另外，在資料庫部30中保存有供處理部20處理的灰質腦圖像模板31、白質腦圖像模板33、健康人圖像資料庫35及關心區域ROI 37等。

所述灰質腦圖像模板31、白質腦圖像模板33是將針對灰質和白質而分別製作的模板預先保存於所述資料庫部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製作。

此外，在本發明的實施方式中，作為製作所述模板時的解剖學的標準化方法，採用取冪李代數的微分同胚解剖配準(Diffeomorphic Anatomical Registration Through Ex ponentiated Lie algebra,DARTEL)。利用DARTEL的模板製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成的處理部20中利用程序來執行。

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基於在步驟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」。

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)。

關於圖像重建，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定厚度的薄片狀的、例如100～200張的T1加權MRI圖像。此時，進行切片圖像的重採樣(re-sampling)，預先使各切片圖像中的體素(voxel)的各個邊的長度相同。

此外，對於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，對於被檢者的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的圖像重建之後，診斷輔助裝置1進行「組織分割」，來製作提取了灰質和白質的灰質腦圖像和白質腦圖像(步驟S22)。

在所述T1加權MRI腦圖像中，包括與神經纖維相對應的呈高信號值的白質、與神經細胞相對應的呈中間信號值的灰質、以及呈低信號值的腦脊液等3種組織，因此關注該信號值的差異，進行分別提取灰質和白質的處理。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。

(解剖學標準化)

此外，診斷輔助裝置1對於在步驟S22中製作的灰質腦圖像及白質腦圖像，進行「解剖學標準化」(步驟S23)。

解剖學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，執行基於DARTEL的解剖學標準化。對於DARTEL的處理，與專利文獻1相同，因此省略描述。

對實施了基於DARTEL的解剖學標準化的灰質腦圖像和白質腦圖像，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，其後，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，採用統計指標的「Z評分」作為萎縮評分。

具體地，將通過所述步驟S23實施了解剖學標準化、圖像平滑化等的被檢者的灰質腦圖像及白質腦圖像與預先收集並保存在所述資料庫部30的健康人圖像資料庫35的健康人的灰質及白質的MRI腦圖像組進行統計比較，針對MRI腦圖像的全部體素或特定區域的體素，以如下方法計算灰質及白質的Z評分。以下，用Z[灰質]來表示灰質的Z評分、用Z[白質]來表示白質的Z評分。

【數學式1】

＜灰質的Z評分＞

x1：灰質的被檢者圖像的體素值

μ1：灰質的健康人圖像組的體素值的平均

σ1：灰質的健康人圖像組的體素值的標準偏差

【數學式2】

＜白質的Z評分＞

x2：白質的被檢者圖像的體素值

μ2：白質的健康人圖像組的體素值的平均

σ2：白質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的體素值的平均值之差按比例縮放了的值，表示灰質及白質的體積的相對減少的程度。

此外，不僅限於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資料庫35的健康人的灰質及白質的MRI腦圖像為，對預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」→「解剖學標準化」及圖像平滑化等的相同處理，來製作而成的。此外，該處理可在計算機所構成的處理部20中由程序來執行。

利用以上說明的處理，能夠根據被檢者的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(關心區域)。這主要可利用處理部20的部位確定功能25來實現。

例如，診斷輔助裝置1基於統計處理來確定與各種疾病相關的關心區域。具體地，在確定與某種疾病對應的關心區域的情況下，對於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)，執行對以體素為單位的兩個組之間的統計顯著性進行統計檢定的雙標本t檢定，將被確定具有統計顯著性的體素視為該疾病的特徵性體素，將這種坐標集合確定為與該疾病對應的關心區域(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驗法則來確定ROI。

另外，可以只根據疾病圖像(組)來確定ROI。例如，對於疾病圖像(組)，可以關於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不同的疾病A和疾病B，並在步驟S3中指定了疾病A的關心區域ROIA及疾病B的關心區域ROIB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。

診斷輔助裝置1對表示「關心區域內」中的萎縮程度的「萎縮度」進行計算。另外，針對每個灰質及白質的組織計算萎縮度，因此可以針對每個組織定量地評價與各種疾病相關的部位的萎縮程度。

具體地，如下所述，可以根據Z評分來計算關心區域ROIA內的「灰質」的萎縮度(數學式3)和「白質」的萎縮度(數學式4)。

【數學式3】

＜關心區域ROIA的灰質的萎縮度＞

ROIA萎縮度[灰質]＝

ROIA內的正Z[灰質]的平均值···(3)

【數學式4】

＜關心區域ROIA的白質的萎縮度＞

ROIA萎縮度[白質]＝

ROIA內的正Z[白質]的平均值···(4)

另外，可以如下所述來計算關心區域ROIB內的「灰質」的萎縮度(數學式5)和「白質」的萎縮度(數學式6)。

【數學式5】

＜關心區域ROIB的灰質的萎縮度＞

ROIB萎縮度[灰質]＝

ROIB內的正Z[灰質]的平均值···(5)

【數學式6】

＜關心區域ROIB的白質的萎縮度＞

ROIB萎縮度[白質]＝

ROIB內的正Z[白質]的平均值···(6)

此外，在本實施方式中，作為萎縮度採用關心區域內的「正Z評分的平均值」，但是不限於此，也可以採用任意地確定了閾值的「超出閾值的Z評分的平均值」，或單純地採用「Z評分的平均值」。另外，也可以採用Z評分超過閾值的體素佔ROI內的全部體素數的比例。

診斷輔助裝置1基於所述萎縮度，進一步計算「萎縮比」。在此，「萎縮比」是指，假設不同疾病時，以某個疾病為基準，而表示其他疾病的特徵有多大的指標。上述的萎縮度是雖然能夠單獨把握對每個疾病的關心區域中的萎縮程度，但無法唯一地把握各種疾病的關聯性的指標，因此不足以作為輔助鑑別各種疾病的指標。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」，並將此作為各種疾病的輔助鑑別的指標。

例如，當假設疾病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。

【數學式7】

＜基於疾病A的疾病B的灰質的萎縮比＞

(ROIA萎縮度＝ROIA萎縮度[灰質]或ROIA萎縮度[白質])

【數學式8】

＜基於疾病A的疾病B的白質的萎縮比＞

(ROIA萎縮度＝ROIA萎縮度[灰質]或ROIA萎縮度[白質])

與萎縮度同樣地，萎縮比是針對灰質和白質進行計算而得的。此外，優選地，關於作為基準的疾病A的萎縮度(數學式的分母)，在疾病A的患者中的ROIA內選擇表現出大的萎縮傾向的組織(「灰質」和「白質」中的任一種)。

根據上述數學式可以判斷出，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鑑別進行輔助的指標。例如，可以設定適合的閾值，將數學式7、8的萎縮比小於閾值的情況判別為疾病A，將萎縮比大於閾值時為疾病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，分別計算了灰質和白質的萎縮度及萎縮比，但是可以將灰質和白質合成，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及白質的兩者的組織萎縮的情況下，或者在無法判斷灰質和白質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，在健康人資料庫35中預先準備有將灰質腦圖像和白質腦圖像預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腦圖像及白質腦圖像的被檢者圖像之間進行比較，來計算Z評分，並且基於該Z評分計算萎縮度及萎縮比。

例如，可如下計算Z評分。

【數學式9】

＜「灰質+白質」的Z評分＞

x3：合成了灰質和白質的被檢者圖像的體素值

μ3：合成了灰質和白質的健康人圖像組的體素值的平均

σ3：合成了灰質和白質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的關心區域ROIA、疾病B的關心區域ROIB中的萎縮度。

【數學式10】

＜關心區域ROIA的「灰質+白質」的萎縮度＞

ROIA萎縮度[灰質+白質]＝

ROIA內的正Z[灰質+白質]的平均值···(10)

【數學式11】

＜關心區域ROIB的「灰質+白質」的萎縮度＞

ROIB萎縮度[灰質+白質]＝

ROIB內的正Z[灰質+白質]的平均值値···(11)

進而，可基於所述萎縮度，如下計算例如以疾病A為基準的疾病B的萎縮比。

【數學式12】

＜以疾病A為基準的疾病B的萎縮比＞

(ROIA萎縮度＝ROIA萎縮度[灰質+白質]、ROIA萎縮度[灰質]

、和ROIA萎縮度[白質]中的任何一種)

此外，優選地，關於作為基準的疾病A的萎縮度(數學式的分母)，在疾病A的患者的ROIA內選擇表現出大的萎縮傾向的組織的形態(「灰質及白質」、「灰質」、和「白質」中的任一種)。

以上說明的各種指標(Z評分、萎縮度、萎縮比)可顯示於用戶接口部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的顯示區域41中，腦的切片圖像可隔開規定間隔而排列顯示。此外，「灰質」的Z評分(數學式1)的分布(Z評分圖)可重疊地顯示在切片圖像上，並且，疾病A的關心區域和疾病B的關心區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的關心區域5b由實線示出，疾病B的關心區域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注部位(關心區域5b、5c)的萎縮程度。

在圖4的顯示區域42中，與顯示區域41同地，腦切片圖像可隔開規定間隔地排列顯示。但是，在顯示區域42中，「白質」的Z評分(數學式2)的分布重疊地顯示在切片圖像上。

像這樣，在顯示區域41和顯示區域42中，通過針對每個組織(灰質、白質)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，各種疾病中的關心區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心區域以不同的顏色進行顯示。

在圖4的顯示區域43中，可用數值來顯示疾病A的關心區域(在圖4中用部位A來表示)的「灰質」的萎縮度(數學式3)和「白質」的萎縮度(數學式4)，並且，可用數值來顯示疾病B的關心區域(在圖4中用部位B來表示)的「灰質」的萎縮度(數學式5)和「白質」的萎縮度(數學式6)。

此外，在圖4的顯示區域44中，可用數值來顯示以疾病A為基準的疾病B的「灰質」的萎縮比(數學式7)和「白質」的萎縮比(數學式8)。

以上，在本實施方式中，利用診斷輔助裝置1來確定各疾病的關心區域，並且利用所確定的與各種疾病的關心區域相關的各種指標，來比較各種疾病並顯示。由此，能夠向診斷者提供用於對不同疾病進行比較或輔助鑑別的有效的診斷輔助信息。

[實施例]

在此，作為一個實施例，將阿爾茨海默型痴呆症(以下稱為「AD」)和路易氏體型痴呆症(以下稱為「DLB」)的兩種疾病為對象，驗證了輔助鑑別的可能性。

其中，在AD中，在內側顳區的灰質中可觀測到大的萎縮，因此可知，通過利用MRI圖像來定量評價內側顳區的萎縮，可實現AD的診斷輔助。

另一方面，關於DLB，目前對MRI中的疾病特異性還缺乏證據。然而，根據近年來的研究，已報導了在DLB中，中腦(背側)的灰質萎縮(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，根據其他研究，已報導了在DLB中，中腦(背側)/腦橋(背側)/小腦的白質萎縮。(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))。根據這些現有研究的成果，可推測在DLB中的後腦幹附近具有特異傾向。

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)，其結果，在AD的情況下，「內側顳區」附近呈現為特異部位，在DLB的情況下，「後腦幹」附近呈現為特異部位。因此，在本實施例中，將這些部位設定為AD和DLB的關心區域。在此，將AD的關心區域(內側顳區附近)記為ROIA，並將DLB的關心區域(後腦幹附近)作為ROIB。

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，內側顳區附近的灰質的萎縮大，因此採用了基於數學式3的「灰質」的萎縮度。在DLB中，根據所述現有研究，可能對後腦幹附近的灰質、白質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，利用基於數學式5的「灰質」萎縮度及基於數學式6的「白質」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，採用了基於數學式7的灰質的萎縮比(以下示出為「τ1」)，以及基於數學公式8的白質的萎縮比(以下示出為「τ2」)。在此，相當於數學公式7、8的萎縮比的分母的ROIA(內側顳區附近)內的AD的萎縮度採用了針對AD患者呈現出大的萎縮傾向的「灰質」的萎縮度。

圖6示出基於所述灰質的萎縮比τ1及白質的萎縮比τ2來判別AD和DLB的一個示例。

如圖6所示，對萎縮比τ1設定閾值α1，對萎縮比τ2設定閾值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，並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均設定為0.2。

如圖7所示，可見，DLB患者多分布於滿足τ1＞α1及τ2＞α2的區域，AD患者多分布於其餘的區域，獲得了良好的判別結果。由此可確認，將「萎縮比」作為以AD和DLB為對象的輔助鑑別的指標是有效的。

以上，參照附圖，對本發明的優選實施方式進行了說明，但是本發明不限於此。對於本發明所屬領域的普通技術人員而言，在本發明中揭示的技術思想的範圍內，能夠想到各種變型例或修改例，毫無疑問這些均屬於本發明的技術範圍內。

(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：資料庫部；

31：灰質腦圖像模板；33：白質腦圖像模板；35：健康人資料庫；

37：關心區域ROI。

權利要求書(按照條約第19條的修改)

1.一種診斷輔助裝置，其特徵在於，包括：

確定單元，從腦圖像來確定與多種疾病相關的腦的各部位；

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的信息，並進行比較顯示，

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.根據權利要求1所述的診斷輔助裝置，其特徵在於，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.根據權利要求1或2所述的診斷輔助裝置，其特徵在於，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.根據權利要求1、2或4所述的診斷輔助裝置，其特徵在於，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，其特徵在於，包括：

確定步驟，從腦圖像來確定與多種疾病相關的腦的各部位；

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的信息，並進行比較顯示，

所述比較顯示步驟基於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，其特徵在於，使計算機用作如下的單元而發揮功能，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的信息，並進行比較顯示，

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，權利要求1、權利要求9、權利要求10基於修改前的權利要求2的「基於所述腦圖像計算顯示腦萎縮程度的萎縮評分」的記載，以及修改前的權利要求3、權利要求5的記載。

權利要求2基於修改前的權利要求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。

在權利要求4、權利要求6中更改了從屬權利要求的編號。

刪除了權利要求第3、權利要求5、權利要求7、權利要求8。

對於如同本發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的判斷為與此相關的任一文獻中，包括其方法及裝置，用於啟發這些的實驗結果或考察還未形成。因此，本發明是無法根據在現有技術文獻中記載的發明，使本發明所屬領域的技術人員容易地所理解到的。