JP2002301051A - 断層像セグメント分割 - Google Patents
断層像セグメント分割Info
- Publication number
- JP2002301051A JP2002301051A JP2001355434A JP2001355434A JP2002301051A JP 2002301051 A JP2002301051 A JP 2002301051A JP 2001355434 A JP2001355434 A JP 2001355434A JP 2001355434 A JP2001355434 A JP 2001355434A JP 2002301051 A JP2002301051 A JP 2002301051A
- Authority
- JP
- Japan
- Prior art keywords
- bone
- input space
- ray
- region
- selected characteristics
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title abstract description 12
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000002591 computed tomography Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000002604 ultrasonography Methods 0.000 claims description 2
- 210000003484 anatomy Anatomy 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000001054 cortical effect Effects 0.000 description 8
- 239000002872 contrast media Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 102100033040 Carbonic anhydrase 12 Human genes 0.000 description 1
- 102100033041 Carbonic anhydrase 13 Human genes 0.000 description 1
- 101000867855 Homo sapiens Carbonic anhydrase 12 Proteins 0.000 description 1
- 101000867860 Homo sapiens Carbonic anhydrase 13 Proteins 0.000 description 1
- 101100257194 Homo sapiens SMIM8 gene Proteins 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 102100024789 Small integral membrane protein 8 Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000010968 computed tomography angiography Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
(57)【要約】
【課題】 ＣＴ走査データにおいて高密度特性を有する
骨領域と他の解剖学的領域とを分類して、骨を他の領域
からさらに十分に区別するセグメント分割方法を提供す
る。 【解決手段】 １以上の選択された特性に従って入力空
間をセグメント分割する方法が、入力空間の複数のビュ
ーに沿って複数の射線を投射する工程（１１０）と、各
々の射線の範囲内で、選択された特性に対応する領域を
識別する工程（１２０、１３０）と、識別された領域を
処理して、選択された特性を有する領域を示す出力空間
を形成する工程（１３０、１４０、１５０、１６０、１
７０）とを含んでいる。
骨領域と他の解剖学的領域とを分類して、骨を他の領域
からさらに十分に区別するセグメント分割方法を提供す
る。 【解決手段】 １以上の選択された特性に従って入力空
間をセグメント分割する方法が、入力空間の複数のビュ
ーに沿って複数の射線を投射する工程（１１０）と、各
々の射線の範囲内で、選択された特性に対応する領域を
識別する工程（１２０、１３０）と、識別された領域を
処理して、選択された特性を有する領域を示す出力空間
を形成する工程（１３０、１４０、１５０、１６０、１
７０）とを含んでいる。
Description
【０００１】
【発明の背景】本発明は画像処理に関し、さらに具体的
には、選択された特性に基づいて、関心のある領域又は
データ形式をセグメント分割すると共に分類することに
関する。
には、選択された特性に基づいて、関心のある領域又は
データ形式をセグメント分割すると共に分類することに
関する。
【０００２】同一物質の連続領域の識別はセグメント分
割として公知である。医用画像の解剖学的な領域、例え
ば骨、腎臓若しくは肺への自動的な分類又はセグメント
分割は困難な問題であり、現状では多くの臨床的応用の
発展を阻んでいる。長年、様々な手法が提案されてきた
が、定型的な医療業務に要求される高度の自動化及び品
質を達成した手法は殆どない。その代わりに、殆どの臨
床的応用は多量の利用者の対話型作業に頼っている。こ
のように、セグメント分割の過程は長時間を要し、誤り
を生じ易く、主観的なものとなっている。
割として公知である。医用画像の解剖学的な領域、例え
ば骨、腎臓若しくは肺への自動的な分類又はセグメント
分割は困難な問題であり、現状では多くの臨床的応用の
発展を阻んでいる。長年、様々な手法が提案されてきた
が、定型的な医療業務に要求される高度の自動化及び品
質を達成した手法は殆どない。その代わりに、殆どの臨
床的応用は多量の利用者の対話型作業に頼っている。こ
のように、セグメント分割の過程は長時間を要し、誤り
を生じ易く、主観的なものとなっている。
【０００３】人体の骨格系は主として、二種類の骨すな
わち皮質骨（cortical bone）及び海綿骨（trabecular
bone）で構成されている。皮質骨は極めて稠密で、典型
的には骨領域の外周に位置している。海綿骨はスポンジ
状で、典型的には内部の骨領域に位置している。結果と
して、骨領域は、ＣＴ走査患者群に殆ど普遍的な様々な
明瞭な特性を有する。ＣＴ密度は骨境界（皮質）で急激
に上昇し、次いで、数ミリメートルの範囲内で緩やかに
低下し、これにより、走査データに「リング（ring）」
効果を生ずる。内部骨（海綿骨）の構造は、一定の変化
及び相対的に高い周波数によって特徴付けられる明瞭な
スポンジ状パターンを有する。骨のＣＴ値は、皮質骨で
は１２００〜２０００を超えるハンスフィールド単位に
わたり、海綿骨では１０００〜１３００ハンスフィール
ド単位にわたる。
わち皮質骨（cortical bone）及び海綿骨（trabecular
bone）で構成されている。皮質骨は極めて稠密で、典型
的には骨領域の外周に位置している。海綿骨はスポンジ
状で、典型的には内部の骨領域に位置している。結果と
して、骨領域は、ＣＴ走査患者群に殆ど普遍的な様々な
明瞭な特性を有する。ＣＴ密度は骨境界（皮質）で急激
に上昇し、次いで、数ミリメートルの範囲内で緩やかに
低下し、これにより、走査データに「リング（ring）」
効果を生ずる。内部骨（海綿骨）の構造は、一定の変化
及び相対的に高い周波数によって特徴付けられる明瞭な
スポンジ状パターンを有する。骨のＣＴ値は、皮質骨で
は１２００〜２０００を超えるハンスフィールド単位に
わたり、海綿骨では１０００〜１３００ハンスフィール
ド単位にわたる。
【０００４】
【発明が解決しようとする課題】骨、具体的には皮質骨
は高密度信号として現われ、この信号は人体の殆どあら
ゆる他の領域よりも高密度となっているが、骨のセグメ
ント分割は、単純な閾値処理すなわち最小又は最大のＣ
Ｔ数に基づく公知のセグメント分割法では実効的に行な
われない。しばしば、患者の体内には造影剤（コントラ
スト剤）のような異質物体又は物質が導入されており、
骨と区別のつかないＣＴ密度を呈する。この問題は、血
流に液体の造影剤が注入されており、脈管領域に骨と等
しいか又は骨よりも高いＣＴ数を付与するコントラスト
強調ＣＴ走査の場合に最も困難となる。
は高密度信号として現われ、この信号は人体の殆どあら
ゆる他の領域よりも高密度となっているが、骨のセグメ
ント分割は、単純な閾値処理すなわち最小又は最大のＣ
Ｔ数に基づく公知のセグメント分割法では実効的に行な
われない。しばしば、患者の体内には造影剤（コントラ
スト剤）のような異質物体又は物質が導入されており、
骨と区別のつかないＣＴ密度を呈する。この問題は、血
流に液体の造影剤が注入されており、脈管領域に骨と等
しいか又は骨よりも高いＣＴ数を付与するコントラスト
強調ＣＴ走査の場合に最も困難となる。
【０００５】コントラスト強調計算機式断層写真法（Ｃ
Ｔ）データから骨を識別すると共に除去するという特定
的な問題は、多くのセグメント分割問題の一例である。
コントラスト強調された領域のＣＴ値は、骨のような他
の高密度構造から容易に区別することはできない。骨の
ロバストな識別作業を人間の操作者が実行するのは比較
的容易であるにも拘わらず、医療的なセグメント分割研
究ではかかる識別を可能にする自動的な骨セグメント分
割法は現われていない。従って、ＣＴ走査データにおい
て高密度特性を有する骨領域と他の解剖学的領域とを分
類して、骨を他の領域からさらに十分に区別するセグメ
ント分割法が必要とされている。
Ｔ）データから骨を識別すると共に除去するという特定
的な問題は、多くのセグメント分割問題の一例である。
コントラスト強調された領域のＣＴ値は、骨のような他
の高密度構造から容易に区別することはできない。骨の
ロバストな識別作業を人間の操作者が実行するのは比較
的容易であるにも拘わらず、医療的なセグメント分割研
究ではかかる識別を可能にする自動的な骨セグメント分
割法は現われていない。従って、ＣＴ走査データにおい
て高密度特性を有する骨領域と他の解剖学的領域とを分
類して、骨を他の領域からさらに十分に区別するセグメ
ント分割法が必要とされている。
【０００６】
【課題を解決するための手段】１以上の選択された特性
に従って入力空間をセグメント分割する方法が、入力空
間の複数のビューに沿って複数の射線を投射する工程
と、各々の射線の範囲内で、選択された特性に対応する
領域を識別する工程と、識別された領域を処理して、選
択された特性を有する領域を示す出力空間を形成する工
程とを含んでいる。
に従って入力空間をセグメント分割する方法が、入力空
間の複数のビューに沿って複数の射線を投射する工程
と、各々の射線の範囲内で、選択された特性に対応する
領域を識別する工程と、識別された領域を処理して、選
択された特性を有する領域を示す出力空間を形成する工
程とを含んでいる。
【０００７】
【発明の実施の形態】本発明の特徴及び利点は、以下の
発明の詳細な説明を添付図面と併せて参照することによ
り明らかとなろう。
発明の詳細な説明を添付図面と併せて参照することによ
り明らかとなろう。
【０００８】本発明の一実施形態では、セグメント分割
の方法が、入力データを通して複数の射線を投射する工
程と、所定の分類パラメータ又は特性に従って、得られ
たデータを分類する工程とを含んでいる。骨様プロファ
イル特性のような所定の分類パラメータが評価される。
かかる特性としては、高勾配、外側の入口（皮質ピーク
に対する外部）、極めて高い値の入口（皮質ピーク）、
高勾配の内側の入口（皮質ピークから海綿骨の開始に至
る）、通常２ｍｍ程度の全皮質厚み、及び内部骨（海綿
骨）における値のゆらぎ等がある。
の方法が、入力データを通して複数の射線を投射する工
程と、所定の分類パラメータ又は特性に従って、得られ
たデータを分類する工程とを含んでいる。骨様プロファ
イル特性のような所定の分類パラメータが評価される。
かかる特性としては、高勾配、外側の入口（皮質ピーク
に対する外部）、極めて高い値の入口（皮質ピーク）、
高勾配の内側の入口（皮質ピークから海綿骨の開始に至
る）、通常２ｍｍ程度の全皮質厚み、及び内部骨（海綿
骨）における値のゆらぎ等がある。
【０００９】図１は、本発明の実施形態を説明するブロ
ック図を示している。図１には、１以上の選択された特
性について入力データをセグメント分割する方法が示さ
れている。
ック図を示している。図１には、１以上の選択された特
性について入力データをセグメント分割する方法が示さ
れている。
【００１０】ステップ１００において、入力データＳ、
例えば２Ｄスカラ場が取得される。説明の目的のみで述
べると、本実施形態は、２次元（２Ｄ）計算機式断層写
真法（ＣＴ）画像を入力空間としている。但し、本セグ
メント分割方法は、他の医用撮像応用（磁気共鳴（Ｍ
Ｒ）、超音波、Ｘ線）並びに他の非医療的走査応用又は
センシング応用に見受けられるような２次元又は３次元
のスカラ場又はベクトル場に対しても作用し得ることを
理解されたい。
例えば２Ｄスカラ場が取得される。説明の目的のみで述
べると、本実施形態は、２次元（２Ｄ）計算機式断層写
真法（ＣＴ）画像を入力空間としている。但し、本セグ
メント分割方法は、他の医用撮像応用（磁気共鳴（Ｍ
Ｒ）、超音波、Ｘ線）並びに他の非医療的走査応用又は
センシング応用に見受けられるような２次元又は３次元
のスカラ場又はベクトル場に対しても作用し得ることを
理解されたい。
【００１１】ステップ１１０では、周知のレイ・キャス
ティング法で複数の射線Ｒが投射されて、入力空間をサ
ンプリングすると共に、配列操作に適した入力データの
サンプリング後の１次元（１Ｄ）表現を生成する。射線
は、Ｓを包囲する円上に位置する等間隔で回転する多数
のビューＶの一つを始点とする。Ｓに関して角度θに位
置するビューＶの数は、画像処理の品質及び速度の要件
の考慮に基づいて公知の態様で選択される。本実施形態
では、入力画像Ｓを通る通常は線形の多数の軌跡又は射
線をサンプリングすることにより、ステップ１２０に示
すように分類が実行される。複数の等間隔の射線が一つ
のビューから投射される。図２は、４つの対応するビュ
ーを始点とする４つの単一の射線（Ａ〜Ｄ）を示す（１
つのみを示す）。図１の説明を続けると、ステップ１３
０において、射線に沿って骨が存在する確率が算出され
る。このことについては後にさらに詳細に述べる。次い
で、ステップ１４０に示すように、各々の射線に沿った
確率を処理して中間バッファＰとする。ステップ１５０
では、各々の射線に沿って計算を繰り返す。すべての軌
跡が算出されて加算されたら、ステップ１６０において
中間バッファＰを最終的な骨の確率画像Ｂへ変換する。
ステップ１７０において、特殊化した領域成長によって
最終画像を変換する。領域成長ステップ１７０は、やは
り骨には違いないが断層像解析ではそのようなものとし
ては検出され得ない他のピクセルを探索する。この領域
成長法は繰り返し法であって、骨である確率が高いピク
セルを骨とマークすることから開始して、付加的な規準
集合に基づいて隣接するピクセルを試験する。この付加
的な規準集合は、隣接するピクセルが、断層像解析によ
って当初に高い確率のスコアを得ていたか否かに拘わら
ず前のピクセルと同じ解剖学的構造の部分となっている
か否かを判定することのできるものである。さらに、本
実施形態では、望ましくは境界論理を用いて、走査画像
の外周を超えた位置での情報の欠落によって骨の確率が
破損されていないことを保証する。
ティング法で複数の射線Ｒが投射されて、入力空間をサ
ンプリングすると共に、配列操作に適した入力データの
サンプリング後の１次元（１Ｄ）表現を生成する。射線
は、Ｓを包囲する円上に位置する等間隔で回転する多数
のビューＶの一つを始点とする。Ｓに関して角度θに位
置するビューＶの数は、画像処理の品質及び速度の要件
の考慮に基づいて公知の態様で選択される。本実施形態
では、入力画像Ｓを通る通常は線形の多数の軌跡又は射
線をサンプリングすることにより、ステップ１２０に示
すように分類が実行される。複数の等間隔の射線が一つ
のビューから投射される。図２は、４つの対応するビュ
ーを始点とする４つの単一の射線（Ａ〜Ｄ）を示す（１
つのみを示す）。図１の説明を続けると、ステップ１３
０において、射線に沿って骨が存在する確率が算出され
る。このことについては後にさらに詳細に述べる。次い
で、ステップ１４０に示すように、各々の射線に沿った
確率を処理して中間バッファＰとする。ステップ１５０
では、各々の射線に沿って計算を繰り返す。すべての軌
跡が算出されて加算されたら、ステップ１６０において
中間バッファＰを最終的な骨の確率画像Ｂへ変換する。
ステップ１７０において、特殊化した領域成長によって
最終画像を変換する。領域成長ステップ１７０は、やは
り骨には違いないが断層像解析ではそのようなものとし
ては検出され得ない他のピクセルを探索する。この領域
成長法は繰り返し法であって、骨である確率が高いピク
セルを骨とマークすることから開始して、付加的な規準
集合に基づいて隣接するピクセルを試験する。この付加
的な規準集合は、隣接するピクセルが、断層像解析によ
って当初に高い確率のスコアを得ていたか否かに拘わら
ず前のピクセルと同じ解剖学的構造の部分となっている
か否かを判定することのできるものである。さらに、本
実施形態では、望ましくは境界論理を用いて、走査画像
の外周を超えた位置での情報の欠落によって骨の確率が
破損されていないことを保証する。
【００１２】一つの射線についての骨の確率の計算（図
１のステップ１３０）は、射線のスカラ値を解析して、
骨密度（皮質及び海綿）を示すパターンを識別すること
により実行される。代替的には、入力データが医用画像
データ以外のものである場合には、他の所定の分類値に
基づいて確率を算出する。骨の検出については、確率計
算は射線に沿って各々のサンプルを処理して、いつ射線
が見かけ上骨に入ったか、及びいつ出たかに注目する。
骨への出入りを算出するためには多くの測定基準を利用
することができるが、早くから見込みのあったのは、射
線に沿って１次元（１Ｄ）勾配を解析するものである
（処理時間を代償とすれば２Ｄ及び３Ｄを用いてさらに
十分な情報を与えることもできる。）。Ｇ１を上回る勾
配の大きさを有する勾配ｇ１から２ｍｍの範囲内でＧ２
を上回る勾配の大きさを有する逆勾配ｇ２が続いている
場合には、出入りが生じている。（｜ｇ１｜＞｜ｇ２
｜）である場合には射線が骨に入っており、（｜ｇ１｜
＜｜ｇ２｜）である場合には射線が骨から出た可能性が
高いということもしばしばある。骨への出入りのさらに
先進的な処理が可能であることを理解されたい。
１のステップ１３０）は、射線のスカラ値を解析して、
骨密度（皮質及び海綿）を示すパターンを識別すること
により実行される。代替的には、入力データが医用画像
データ以外のものである場合には、他の所定の分類値に
基づいて確率を算出する。骨の検出については、確率計
算は射線に沿って各々のサンプルを処理して、いつ射線
が見かけ上骨に入ったか、及びいつ出たかに注目する。
骨への出入りを算出するためには多くの測定基準を利用
することができるが、早くから見込みのあったのは、射
線に沿って１次元（１Ｄ）勾配を解析するものである
（処理時間を代償とすれば２Ｄ及び３Ｄを用いてさらに
十分な情報を与えることもできる。）。Ｇ１を上回る勾
配の大きさを有する勾配ｇ１から２ｍｍの範囲内でＧ２
を上回る勾配の大きさを有する逆勾配ｇ２が続いている
場合には、出入りが生じている。（｜ｇ１｜＞｜ｇ２
｜）である場合には射線が骨に入っており、（｜ｇ１｜
＜｜ｇ２｜）である場合には射線が骨から出た可能性が
高いということもしばしばある。骨への出入りのさらに
先進的な処理が可能であることを理解されたい。
【００１３】もう一つの望ましいパラメータ又は特性
は、射線に沿った信号の周波数である。この情報のすべ
てを組み合わせると、射線に沿った所与の位置が骨の領
域内にある確率を割り当てる能力を得ることができる。
例えば、射線処理が骨への入りを予め示し、高周波数区
域であることを示し、且つ射線に沿ってさらに下った所
で骨からの出を示している場合には、このピクセルが骨
である確率は比較的高い。各々の特性が、ピクセルが骨
領域の内部に位置していることの信頼性を高める。
は、射線に沿った信号の周波数である。この情報のすべ
てを組み合わせると、射線に沿った所与の位置が骨の領
域内にある確率を割り当てる能力を得ることができる。
例えば、射線処理が骨への入りを予め示し、高周波数区
域であることを示し、且つ射線に沿ってさらに下った所
で骨からの出を示している場合には、このピクセルが骨
である確率は比較的高い。各々の特性が、ピクセルが骨
領域の内部に位置していることの信頼性を高める。
【００１４】図２〜図６は、画像内の単一のピクセルに
おいて行なわれる骨の確率の計算を示している。図２を
参照すると、４つの射線（Ａ〜Ｄ）がピクセルを横断し
ており、各々の射線が左側に示すスカラ・プロファイル
を備えている。各々の射線に沿ったグレイの領域は、骨
がこの領域に位置している確率が高いことを示してい
る。すべての軌跡が符合しているので、この骨領域にお
いては確率の和が高くなる。図３〜図６は各軌跡を示
す。
おいて行なわれる骨の確率の計算を示している。図２を
参照すると、４つの射線（Ａ〜Ｄ）がピクセルを横断し
ており、各々の射線が左側に示すスカラ・プロファイル
を備えている。各々の射線に沿ったグレイの領域は、骨
がこの領域に位置している確率が高いことを示してい
る。すべての軌跡が符合しているので、この骨領域にお
いては確率の和が高くなる。図３〜図６は各軌跡を示
す。
【００１５】図７〜図９は、図１の方法を用いた代表的
な画像を示している。図７では、ＣＴアンジオグラフィ
・データの元来のスライスが単一の射線７０と共に示さ
れている。領域７１は高い骨の確率を示し、領域７２は
低い骨の確率を示している。図８は、射線７０について
算出された確率バッファを示す。図９は、骨領域を明る
い白で強調している。コントラスト強調されている領域
が骨として分類されていないことに留意されたい。
な画像を示している。図７では、ＣＴアンジオグラフィ
・データの元来のスライスが単一の射線７０と共に示さ
れている。領域７１は高い骨の確率を示し、領域７２は
低い骨の確率を示している。図８は、射線７０について
算出された確率バッファを示す。図９は、骨領域を明る
い白で強調している。コントラスト強調されている領域
が骨として分類されていないことに留意されたい。
【００１６】尚、射線処理は、元のデータばかりでなく
画像から導出される任意の他の情報を解析し得ることを
特記しておく。例えば、入力画像から勾配情報を予め算
出して、射線処理時に解析することができる。また、可
能性としては血管又は他の何らかの構造に続くと、射線
の軌跡が非線形となり得る場合もある。
画像から導出される任意の他の情報を解析し得ることを
特記しておく。例えば、入力画像から勾配情報を予め算
出して、射線処理時に解析することができる。また、可
能性としては血管又は他の何らかの構造に続くと、射線
の軌跡が非線形となり得る場合もある。
【００１７】多数回のセグメント分割計算を実行して、
一回の計算の結果が暫定的なセグメント分割又は分類を
生成するようにすることも可能である。例えば、最終的
な計算段階を用いて、領域の成長を予め分類されている
骨領域に連結する。
一回の計算の結果が暫定的なセグメント分割又は分類を
生成するようにすることも可能である。例えば、最終的
な計算段階を用いて、領域の成長を予め分類されている
骨領域に連結する。
【００１８】ＣＴ逆投影との演算の類似性がある場合に
は、本書に記載した方法をＣＴ逆投影ハードウェアで具
現化することができる。現状の逆投影ハードウェアによ
ってこれを行なうためには、僅かにアルゴリズムを変更
する必要があろう。例えば、逆投影との互換性のため
に、射線全体に沿って骨に遭遇する確率を表わす合成ビ
ュー・データを生成してもよい。次いで、この値を、Ｘ
線輸送を模擬する場合と同様にして減衰させる。
は、本書に記載した方法をＣＴ逆投影ハードウェアで具
現化することができる。現状の逆投影ハードウェアによ
ってこれを行なうためには、僅かにアルゴリズムを変更
する必要があろう。例えば、逆投影との互換性のため
に、射線全体に沿って骨に遭遇する確率を表わす合成ビ
ュー・データを生成してもよい。次いで、この値を、Ｘ
線輸送を模擬する場合と同様にして減衰させる。
【００１９】本書で本発明の好適実施形態を図示すると
共に説明したが、かかる実施形態は例示のみのために記
載されていることは明らかであろう。当業者であれば、
本書の発明から逸脱しない多くの変形、改変及び置換に
想到されよう。従って、本発明は特許請求の要旨及び範
囲によってのみ限定されるものとする。
共に説明したが、かかる実施形態は例示のみのために記
載されていることは明らかであろう。当業者であれば、
本書の発明から逸脱しない多くの変形、改変及び置換に
想到されよう。従って、本発明は特許請求の要旨及び範
囲によってのみ限定されるものとする。
【図１】本発明の好適実施形態を適用することのできる
入力データのセグメント分割方法を示すブロック図であ
る。
入力データのセグメント分割方法を示すブロック図であ
る。
【図２】本発明の好適実施形態を適用することのできる
代表的な入力データの図である。
代表的な入力データの図である。
【図３】図２の入力データのスカラ・プロファイルの図
である。
である。
【図４】図２の入力データのスカラ・プロファイルの図
である。
である。
【図５】図２の入力データのスカラ・プロファイルの図
である。
である。
【図６】図２の入力データのスカラ・プロファイルの図
である。
である。
【図７】本発明の好適実施形態を適用することのできる
ＣＴ画像データの図である。
ＣＴ画像データの図である。
【図８】図７に示すデータの暫定的な確率計算の図であ
る。
る。
【図９】図１の方法を用いた結果の画像の図である。
７０ 射線 ７１ 骨の確率が高い部分 ７２ 骨の確率が低い部分 ９０ 骨領域
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） // Ｇ０１Ｔ 1/161 Ａ６１Ｂ 5/05 ３８０ (72)発明者 クリストファー・リチャード・ボルペ アメリカ合衆国、ニューヨーク州、ニスカ ユナ、タロン・ドライブ、20番 Ｆターム(参考） 2G088 EE02 KK33 4C093 FF15 4C096 AB38 AD14 DC18 DC40 4C301 DD30 EE20 JC20 LL20 5B057 AA07 BA03 BA05 BA07 CA08 CA12 CA13 CA16 CB08 CB12 CB13 CB16 CE09 CE11
Claims (11)
- 【請求項１】 １以上の選択された特性に従って入力空
間をセグメント分割する方法であって、 前記入力空間の複数のビューに沿って、前記１以上の選
択された特性について前記入力空間をサンプリングする
（１２０）複数の射線を投射する工程（１１０）と、 前記複数のビューの各々に対応する前記複数の射線の各
々の範囲内で、前記１以上の選択された特性に対応する
領域を識別する工程（１３０、１４０、１５０）と、 前記１以上の選択された特性を有する領域を示す出力空
間を形成するように前記識別された領域を処理する工程
（１７０）とを備えた方法。 - 【請求項２】 前記入力空間は計算機式断層写真法（Ｃ
Ｔ）画像データから導出される請求項１に記載の方法。 - 【請求項３】 前記入力空間は磁気共鳴（ＭＲ）画像デ
ータから導出される請求項１に記載の方法。 - 【請求項４】 前記入力空間は超音波画像データから導
出される請求項１に記載の方法。 - 【請求項５】 前記入力空間はＸ線画像データから導出
される請求項１に記載の方法。 - 【請求項６】 前記入力空間はスカラ・データである請
求項１に記載の方法。 - 【請求項７】 前記入力空間はベクトル・データである
請求項１に記載の方法。 - 【請求項８】 前記１以上の選択された特性は、骨を示
すピクセル値に対応している請求項１に記載の方法。 - 【請求項９】 前記識別された領域を解析する工程をさ
らに含んでいる請求項１に記載の方法。 - 【請求項１０】 前記１以上の選択された特性は、コン
トラスト強調された血管を示すピクセル値に対応してい
る請求項１に記載の方法。 - 【請求項１１】 骨及びコントラスト強調された血管に
ついて前記画像空間をセグメント分割する工程をさらに
含んでいる請求項１に記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/721194 | 2000-11-22 | ||
| US09/721,194 US6744911B1 (en) | 2000-11-22 | 2000-11-22 | Tomographic segmentation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002301051A true JP2002301051A (ja) | 2002-10-15 |
| JP4236405B2 JP4236405B2 (ja) | 2009-03-11 |
Family
ID=24896934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001355434A Expired - Fee Related JP4236405B2 (ja) | 2000-11-22 | 2001-11-21 | 断層像セグメント分割 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6744911B1 (ja) |
| EP (1) | EP1225542B1 (ja) |
| JP (1) | JP4236405B2 (ja) |
| IL (1) | IL146452A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010162340A (ja) * | 2008-12-15 | 2010-07-29 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
| JP2013504341A (ja) * | 2009-09-11 | 2013-02-07 | ストラックスコープ ピーティワイ リミテッド | 解析方法及び解析システム |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7349563B2 (en) * | 2003-06-25 | 2008-03-25 | Siemens Medical Solutions Usa, Inc. | System and method for polyp visualization |
| US7616794B2 (en) * | 2004-01-26 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for automatic bone extraction from a medical image |
| US7593762B2 (en) * | 2004-04-09 | 2009-09-22 | Siemens Medical Solutions Usa, Inc. | System and method for automatically segmenting bones in computed tomography angiography data |
| CA2601991A1 (en) * | 2005-03-17 | 2006-09-21 | Algotec Systems Ltd. | Bone segmentation |
| US7860283B2 (en) | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
| US7873194B2 (en) * | 2006-10-25 | 2011-01-18 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure |
| US7940970B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
| US7940977B2 (en) * | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies |
| US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
| US7907761B2 (en) * | 2007-04-20 | 2011-03-15 | General Electric Company | Method for registration and navigation of volumetric scans using energy profiles |
| US9008394B2 (en) * | 2008-11-26 | 2015-04-14 | General Electric Company | Methods and apparatus for determining brain cortical thickness |
| US8510048B2 (en) * | 2011-01-24 | 2013-08-13 | Raytheon Company | Method for detecting underground tunnels |
| JP6208670B2 (ja) * | 2011-10-11 | 2017-10-04 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 肺葉の曖昧性ガイドインタラクティブセグメンテーションのためのワークフロー |
| EP3381512A1 (en) | 2017-03-30 | 2018-10-03 | Koninklijke Philips N.V. | Determining at least one final two-dimensional image for visualizing an object of interest in a three-dimensional ultrasound volume |
| US10438350B2 (en) | 2017-06-27 | 2019-10-08 | General Electric Company | Material segmentation in image volumes |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5226113A (en) | 1989-10-30 | 1993-07-06 | General Electric Company | Method and apparatus for volumetric projection rendering using reverse ray casting |
| JPH08138078A (ja) * | 1994-11-09 | 1996-05-31 | Toshiba Medical Eng Co Ltd | 画像処理装置 |
| US5959631A (en) * | 1996-08-28 | 1999-09-28 | Hewlett-Packard Company | Hardware and software for the visualization of three-dimensional data sets |
| US6343936B1 (en) * | 1996-09-16 | 2002-02-05 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination, navigation and visualization |
| US5832134A (en) | 1996-11-27 | 1998-11-03 | General Electric Company | Data visualization enhancement through removal of dominating structures |
| US5891030A (en) * | 1997-01-24 | 1999-04-06 | Mayo Foundation For Medical Education And Research | System for two dimensional and three dimensional imaging of tubular structures in the human body |
| US5865750A (en) | 1997-05-07 | 1999-02-02 | General Electric Company | Method and apparatus for enhancing segmentation in three-dimensional ultrasound imaging |
| US6211884B1 (en) * | 1998-11-12 | 2001-04-03 | Mitsubishi Electric Research Laboratories, Inc | Incrementally calculated cut-plane region for viewing a portion of a volume data set in real-time |
| US6353677B1 (en) * | 1998-12-22 | 2002-03-05 | Mitsubishi Electric Research Laboratories, Inc. | Rendering objects having multiple volumes and embedded geometries using minimal depth information |
-
2000
- 2000-11-22 US US09/721,194 patent/US6744911B1/en not_active Expired - Lifetime
-
2001
- 2001-11-12 IL IL14645201A patent/IL146452A/xx unknown
- 2001-11-21 EP EP01309786A patent/EP1225542B1/en not_active Expired - Lifetime
- 2001-11-21 JP JP2001355434A patent/JP4236405B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010162340A (ja) * | 2008-12-15 | 2010-07-29 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
| JP2013504341A (ja) * | 2009-09-11 | 2013-02-07 | ストラックスコープ ピーティワイ リミテッド | 解析方法及び解析システム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1225542B1 (en) | 2011-09-28 |
| EP1225542A3 (en) | 2005-10-19 |
| EP1225542A2 (en) | 2002-07-24 |
| JP4236405B2 (ja) | 2009-03-11 |
| IL146452A (en) | 2005-05-17 |
| US6744911B1 (en) | 2004-06-01 |
| IL146452A0 (en) | 2002-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0760624B2 (en) | Automated detection of lesions in computed tomography | |
| US7756316B2 (en) | Method and system for automatic lung segmentation | |
| JP4326695B2 (ja) | エッジグラジエントヒストグラムを使用する肺小結節検出 | |
| JP4708362B2 (ja) | コンピュータで実施される方法 | |
| US6754376B1 (en) | Method for automatic segmentation of medical images | |
| US7336809B2 (en) | Segmentation in medical images | |
| JP4149598B2 (ja) | 画像収集中にｘ線イメージングシステムのコリメータを自動設定する方法、およびｘ線イメージングシステム | |
| JP4236405B2 (ja) | 断層像セグメント分割 | |
| EP1101128B1 (en) | Method and apparatus for spatial and temporal filtering of intravascular ultrasonic image data | |
| US20030099390A1 (en) | Lung field segmentation from CT thoracic images | |
| EP3971830B1 (en) | Pneumonia sign segmentation method and apparatus, medium and electronic device | |
| Jaffar et al. | Fuzzy entropy based optimization of clusters for the segmentation of lungs in CT scanned images | |
| Karssemeijer et al. | Recognition of organs in CT-image sequences: a model guided approach | |
| US8189894B2 (en) | Method to detect the aortic arch in CT datasets for defining a heart window | |
| JP2002099896A (ja) | 異常陰影候補検出方法および装置 | |
| JPH1094538A (ja) | 異常陰影候補の検出方法および装置 | |
| US20050002548A1 (en) | Automatic detection of growing nodules | |
| Noviana et al. | Axial segmentation of lungs CT scan images using canny method and morphological operation | |
| Marzuki et al. | Demarcation of lung lobes in ct scan images for lung cancer detection using watershed segmentation | |
| JPH08287230A (ja) | 計算機支援画像診断装置 | |
| Napier et al. | A CAD system for brain haemorrhage detection in head CT scans | |
| Pandey et al. | A Framework for Mathematical Methods in Medical Image Processing | |
| Novak et al. | Identification of missed pulmonary nodules on low-dose CT lung cancer screening studies using an automatic detection system | |
| Kaftan et al. | Locally adaptive fuzzy pulmonary vessel segmentation in contrast enhanced CT data | |
| Bandyopadhyay | A Method for Lung Boundary Detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041119 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061110 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070717 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070906 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080401 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080418 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080909 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081020 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20081118 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081216 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111226 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121226 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121226 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131226 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |