JP2002529825A - 4D再構築(reconstruction)及び可視化(visualization)のためのシステム及び方法 - Google Patents
4D再構築(reconstruction)及び可視化(visualization)のためのシステム及び方法Info
- Publication number
- JP2002529825A JP2002529825A JP2000580158A JP2000580158A JP2002529825A JP 2002529825 A JP2002529825 A JP 2002529825A JP 2000580158 A JP2000580158 A JP 2000580158A JP 2000580158 A JP2000580158 A JP 2000580158A JP 2002529825 A JP2002529825 A JP 2002529825A
- Authority
- JP
- Japan
- Prior art keywords
- image
- regions
- images
- motion
- region
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Generation (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
徴を利用して、対象物の4次元(空間の3次元と時間の1次元)の生のイメージ
データから対象物を再構築及び可視化するためのシステム及び方法に関する。よ
り詳しくは、本発明は、対象物の時間系列のビットマップイメージから、対象物
を再構築及び可視化するためのシステム及び方法に関する。1つの実施形態では
、本発明は、より具体的に、人体のパーツのMRI(磁気共鳴映像法)データの
イメージングに用いられるシステム及び方法に関する。動的な人体の”ディジタ
ルクローン”即ち仮想現実レプリカを創造して、仮想(ディジタル)空間に4次
元の明瞭な器官、組織及び骨が再構築される。
は、骨関節症などの症状の発生及びステージングの理解を大いに増すであろう。
人間の関節の解剖学的構造のバイオメカニクス及び運動力学に関する多くの情報
が存在するが、その情報は主に、死体の研究や2次元イメージに基づく研究に基
づいている。今までのところ、生体内の3次元の関節運動を表示することに成功
したシステムはなかった。
知られているが、その結果である再構築したものは静的であり、時間をベースに
した情報は何ら提供しない。診断され治療されるべき多くの問題は、関節のよう
な複雑な構造体におけるアブノーマルな動作運動学的事象に関連する;それゆえ
4次元(時間と空間の両方)でのイメージングが望ましい。
報源は、磁気共鳴映像法(MRI)である。しかしながら、MRIはしばしば下
記の技術的な困難を持ち込む。なぜならイメージ化されるべき筋骨格構造の多く
は、小さくそして込み入っているので、可視化されるべき解剖学的構造の多くは
高分解能を必要とし、低いコントラストを提示する。MRIは、電磁場を発生さ
せるために局所電場コイル(local field coils)を使用する
;そのような局所電場コイルは不均一なイルミネーションフィールドを形成する
。MRIイメージはまた、ノイジーである可能性がある。MRIイメージデータ
を用いる再構築及び可視化のための技術はいずれもそのような困難を乗り切らな
ければならない。
のようなリサーチの多くは、シンプルパラメトリック変形モデルに基づくイメー
ジにおける単一組織の時間的発展に集中している。関節の運動力学的な解析は、
多くの組織の運動と絡み合っている、従って従来のアプローチは適さない。
する。第一に、そのような既知の技術は、時系列的イメージに実際に用いるには
計算的に強烈すぎる。第二に、3D再構築及び可視化のための最も知られている
アルゴリズムは、監督され(つまりオペレータの干渉を必要とし)そして放射線
医師などの専門的知識に頼る。そのような監督は、そのようなアルゴリズムの適
用範囲を、骨や心臓や海馬などのいくつかの特定の解剖学的にシンプルな組織に
限定する。他方、従来技術であって監督を必要としないでうまくおこなう手法は
、一つの器官に特定され、且つそれらが処理可能な解剖学的な組織の範囲に限定
される。
Extraction of left−ventricular chamb
er from 3D CT images of the heart,”T
ransactions on Medical Imaging,Vol.9
,no.4,pp.384−394,1990; イー.エイ.アシュトン他(
E.A.Ashton et al)“A novel volumetric
feature extraction technique with a
pplications to MRI images,”IEEE Tran
sactions on Medical Imaging,Vol.16,p
p.365−371,1997;and エム.ダブリュー.ハンセン他(M.W.Hansen et al,)“R
elaxation methods for supervised ima
ge segmentation,”IEEE Trans.Patt.Ana
l.March.Intel.,Vol.19,pp.949−962,199
7. 監督されない技法の例は、下記の参考文献に教示されている。
al,)“Adaptive segmentation of MR dat
a,”IEEE Transactions on Medical Imag
ing,pp.429−440,1996;and ジェイ.ラジャパルス他(J.Rajapalse et al,)“Sta
tistical approach to segmentation of
single−channel cerebral MR images,”
IEEE Transactions on Medical Imaging
,Vol.16,no.2,pp.176−186,1997. 発明者等は、タメズ−ペナ他(Tamez−Pena et al,)“Au
tomatic Statistical Segmentation of
Medical Volumetric Images,”IEEE Comp
uter Vision and Pattern Recognition
98中の関連する概念を提示する。上記全参考文献は全内容が、本開示中に参照
によって取り込まれる。
ic reconstruction)と視覚化のシステムと方法を提供するこ
とである。
入れた再現化と視覚化のシステムと方法を提供することである。
覚化のシステムと方法を提供することである。
(account)に取り入れる再現化と視覚化のためのシステムと方法を提供
することである。
れる再現化と視覚化のためのシステムと方法を提供することである。
覚化のシステムと方法を提供することである。
えられた力に対しバーチャル空間でリアルな動作で反応する、「ディジタルクロ
ーン」もしくは人体のバーチャルリアリティレプリカを作製する再現化と視覚化
のシステムと方法を提供することである。
システムと方法に向けられたものである。画像シーケンス中のある画像、典型的
には最初のものが、その画像中に示された組織と構造を特定するために、統計的
手法によってセグメント化される。それから、すべての画像に対し同じことを行
う代わりに、各組織と構造の運動を推算(estimate)することによって
セグメント化を持ち越す。この推算(estimation)は、既知の組織と
構造との特徴を評価(account)に加える、なおこの既知の特徴はバネ弾
性係数で表現されるものである。
ータを得るために、MRIによる場合と同様に、3D画像の時間シーケンスを作
成する。その最初の画像を、複数の領域に分割化(divided)もしくはセ
グメント化(segmented)する。なお、この各領域は画像化された身体
部分の一組織もしくは一構造に対応する。セグメント化のためのこの統計的手法
は、各ボクセル(3次元ピクセル)中の画像に対するの局所的平均値(a lo
cal mean value)と局所的分散(a local varian
ce)の推算を行うこと(estimating)を含んでいる。推算された局
所的平均値と推定された局所的分散が十分近似していれば、このボクセルは領域
に加えられる。こうして、各領域は、様々な組織或いは構造の応じて境界が決め
られる。
画像のセグメント化を行う場合に使用されるであろうコンピュータの電力を節約
するため、他の画像に対する処理を持ち越す。この持ち越しは、種々の部品の既
知の運動特性を使用し、それらをバネ定数として表現する。例えば、腱と骨の接
続の特性はその二つを結ぶバネをイメージしそのバネ定数を与えることで表現で
きる。これらの既知の運動特性は、各組織或いは各構造が動く場合の速度(速さ
と方向)の推算(estimate)に使用できる。推算された速度は、次の画
像において各組織或いは各構造がどこに存在するはずであるかを決定するために
使用することができ、こうすることで、このシーケンス中のある画像からのセグ
メンテーションが次の段階に持ち越される。
、どの二つのボクセルを接続すべきかを決定するために、多様な統計的テストを
使用することが望ましい。間違った接続は、間違った接続不足より大きなダメー
ジを最終的な視覚化の品質に与えるので、この手法の実行は、接続を形成する前
の統計的なテストが合致することを必要とすることができる。
する。勿論、カットオフ値のまずい選択は、すべての視覚化技術を混乱させるこ
とができる。そのような結果を避けるため、本発明の一態様は、カットオフ値を
最適化するための反復手法(iterative technique)を与え
ている。
がバーチャルリアリティで「ディジタルクローン」として利用できる。この「デ
ィジタルクローン」は、運動と生物力学的特徴を包含している。このバーチャル
リアリティ画像は臨床医による、例えば特定の組織を検査したりすることによっ
て、或いは力を与えたりすることによって相互に影響される。
on Graphics Indigo)ワークステーションで実施され、ビジ
ュアル化には、Irix Explorer 3Dグラフィックスエンジンを用
いたが、当業者にとっては、本明細書の開示に基いて本発明を任意のハードウェ
ア及びソフトウェアに容易に適用し得るものである。
一般にグレイスケールビットマップの形式にある。生画像データを使用する場合
は、各画像をセグメントに分割し、骨、それを取り巻く筋肉などどいった画像中
の各部位(フィーチャー)を個別に取り出す必要がある。連続画像の場合、各画
像がそれぞれ個別にセグメント化されるわけであるが、発明者等は、まず第1の
3Dイメージをセグメント化して種々の部位の運動をトラックし、この第1の画
像のセグメントから外挿補間することによって、残りの画像をセグメント化する
ことが計算上非常に効率的であることを発見した。
c)に存在するが、そのイメージは離散的空間の点x=(x,y,z)として表
現される。ここで、各離散点xはボクセル(voxel)と呼ばれる。本発明で
は、通常はグレイスケールイメージであるtemporalな立体測定ディジタ
ル画像g(x,y,z)を、連続3D時間イメージgc(xc,yc,zc,t
)のサンプリングバージョンとして表現する。連続画像は、時間的に不変な照射
フィールドI(x)で、3次元の動的な複合物体f(xc,t)を照射すること
によって形成され得る。
)∈Ri}として表現し得ると考えられる。即ち、各領域は、その領域全体の確
率過程であり、ランダムフィールドZ(x,y,z)は、領域Rにおける任意の
点のボクセルX=(x,y,z)に関するランダム変数である。
らの領域が別個のものとして記述される場合、任意のi≠jに対してRi∩Rj
=φであることを意味する。連続画像gcが独立加法ウィーナー過程ηによって
転化される場合、時間t=kTでのボクセルx∈gにおける離散画像gは、 g(x,t)=I(x+Δx,y+Δy,z+Δz)f(x+Δx,y+
Δy,z+Δz,kT) +η(x+Δx,y+Δy,z+Δz,kT) で与えられる。ここで、(Δx,Δy,Δz)は、サンプリング空間間隔である
。
これを行なうために、上述したようにウィーナー過程により転化された測定画像
gから、これらの領域をセグメント化し、トラッキングする。即ち、立体(3D
)のセグメント化、運動の推算、トラッキングを階層的に実行する。最初に、3
Dセグメント化について説明する。
様の構成要素には同じ符号を付してある。このプロセスの詳細な工程は以下の通
りである。
、生画像データが得られる。次に、ステップ103で、一連の画像のうち、第1
の画像の生データを、先に例示したようなプロセッサに入力する。ステップ10
5で、各ボクセルにおいて、画像データの局所平均値と領域変数を求める。ステ
ップ107で、ステップ105で求めた各画像データの平均値と変数を比較する
ことによって、ボクセル間の連続性を求める。連続性を求めたならば、ステップ
109で、スプリットを必要とする領域を決定し、これらの領域をスプリットす
る。ステップ111でセグメントを緩和することによって、スプリットされた領
域の精度を向上させる。ステップ113で、どの領域をマージすべきかを決定し
、決定した領域をマージする。ステップ115で、再度セグメント緩和を行なう
。このようにして、生画像データをセグメント化された画像に変換し、ステップ
117で処理を終了する。
算は、立体の各ボクセルをグラフ中のノードとみなす結合領域発展法(grow
ing scheme)に基いて行なわれる。まず、3次元空間における隣接す
る系(system)とクリーク(clique)を定義する。Gi(x,y,
z)=Gx,y,z、(x,y,z)∈Ri1を、領域Ri(xk)
(x)はxの隣接点の集合である。Ci(x)における各ボクセルのペアが隣接
するならば、部分集合Ci(x)⊆Riはクリークである。領域Riの境界或い
はその近傍のボクセルの隣接点は、領域内部のボクセルが有する隣接点よりも少
ない。
は、結合された同一の部分に所属するすべてのボクセルの最大集合である。画像
が、ガウス構造(textured)の領域Ziで構成されると仮定すると、こ
の画像中の各ボクセルに、局所平均値μi(x)と、局所領域変数σi 2(x)
という2つの特性パラメータが与えられる。即ち、Zi=N(μi,σi)で表
わされる。2つのボクセルの平均値及び変数のそれぞれが互いに十分近似するな
らば、これら2つのボクセルは弧で結合される。比較されるボクセルについて2
つの特性値がわかれば、2つのボクセルの近似性は、ガウス累積分布関数にした
がってテストされる。一方、ある一定の確さでしか特性値を求めることができな
い場合は、比較統計テストを行なう。
次の通りである。標準画像復元方法は、領域境界を適正に取り扱うことができな
い。境界問題は、推算されるパラメータのギブスのランダムフィールドを仮定す
ることによって取り扱われる。即ち、所定のボクセルで求められる値は、結合さ
れたボクセルの画像値の関数になる。ボクセルxと、これに関連して結合される
ンセグメントの連続性に関して、一連の前提条件を仮定する必要がある。まず、
3次元空間のラインセグメントは、同じ隣接ボクセルを共有する一対の構成クリ
ークとして定義される。したがって、各ボクセルにおいて、複数のラインセグメ
ントがあり、各ラインセグメントは、互いには隣接しないが前記共有するボクセ
ルとは隣接する2つの隣接ボクセルによって形成される。例えば、図3〜5に示
す位置関係にあるボクセルを隣接ボクセルとし、図2に示す隣接の系を考えるな
ら、19のラインセグメントがあり、その中で直交平面内にある12のラインセ
グメントが図5A〜5Lに示される。これらのラインセグメントは、データの局
所分散を計算することによって求められる。
は、
る平均値又は変数である。T0はしきい値である。Lp={x,xi,xj}=
1ならば、点{x,xi,xj}は同じラインセグメントに属する。この手順を
ラインセグメント検出と呼ぶ。
、ラインセグメント検出におけるボクセル特性として使用することができる。同
じラインセグメントに属するボクセルは結合され、パラメータの算出に使用され
る。このようなラインセグメント検出によって、連続性を求めることができる。
求めた連続性情報を用いて、点xiに連結されるボクセルの重みan ijを強調
する。
でなければならない。平均値及び変数の算出においては、局所エネルギーを最小
にする重みを選択することが好ましく、例えば次式で表わされる重みが考えられ
る。
正規化定数である。
各パラメータにおけるラインセグメント検出により結合されるべき点であると判
断されたならば、重みan ijは増大する。ライン構造がある場合は、ラインセ
グメント検出はエンドライン検出を含むことになる。エンドラインの検出は、ラ
イン検出に次式で表わされる条件を追加し、この条件を、重みan ij、an i
iに関連付けて用いることによって行なわれる。
散についての概算値が反復的に改良される。それ故にそのアプローチは収束の基
準を満たすまで数回繰り返されるべきである。経験及び数回の試行錯誤は20回
の繰り返しが平均及び分散についての信頼しうる概算値を得られるのに十分であ
ることを示している。それ故、丁度開示されたアプローチは確率的緩和技術(s
tochastic relaxation techniques)よりも速
い。
算には分散の基準を用いる。概算された複数の分散が類似するか否かを決定する
ためにσj 2(x)のσi2(x)に対する比が計算される。
ズ分散よりも非常に大きいかI2(x)>>ση 2であれば、この比はf分布(
f distribution)に従い、ノイズηから独立であると見なすこと
ができる。もしその考慮のもとで複数のクリーク(clique)が同様の大き
さであれば、Fjが与えられたしきい値th≧1よりも小さいことを条件として
σj 2(x)とσi 2(x)は同じ分散の概算であるということができる。他の
言葉で言い換えると、もしFj<thならば、ボクセルx∈Riと隣接するボク
セル(a,b,c)∈Cj⊂Riとが結合する弧が存在する。
のそのような独立したテストはボクセル間のマハラノビス(Mahalanob
is)距離を基礎とする。マハラノビス距離は
対して、場の強度はI(x+Δx)=(1−αx)I(x)となり、もし
うことができる。
て確固としたものであり、ボクセル・コネクティビティの計算が画像の1回のス
キャンで行うことが可能であるため計算的に有効である。すべての生じ得る弧に
対して、2つのコネクティビティの概算値が存在する。間違ったコネクションを
形成するコストは正しいコネクションを形成しない場合のコストに比べて非常に
大きいため、コネクションは双方の概算値が一致しない限り形成されない。
ッド・コンポーネンツ(connected components)に属した
すべてのボクセルのセットとなる。しかしながら、雑音と、貧弱な平均及び分散
の概算に起因して領域間でいくらかの漏れが存在しうる。多様な技術によってそ
のような漏れを避けることが可能である。あるそのような技術において、すべて
の孤立した結合弧を移動させることによって緩やかに結合された領域を分割する
ために、単純3次元形態クロージングオペレーション(simple 3D m
orphological closing operation)をコネクテ
ィビティのグラフに適用することが可能である。他のそのような技術は2つの異
なるしきい値を選んでヒステリシス(hysteresis)を使用する。最終
的なコネクティビティのマップ(map)はより低いしきい値から、隣接したコ
ンポーネントを加えた高いしきい値のコネクティビティにより形成される。後者
の技術はより計算的に有効なものとして好まれている。
した基礎的な画像モデルには従わない。従って、丁度開示されたアプローチの結
果である区分は立体的画像の分類の誤りから自由ということではない。更に、し
きい値thの不正確な選択は画像の不正確な区分の原因となる。大きなしきい値
はいくつかの領域を1つにまとめる原因となり、一方小さなしきい値は多種多様
の破損した領域の原因となる。もし1つの領域がいくつかの隣接した断片へと破
壊されたならば、断片を1つにまとめることによりその問題に取り組むことが可
能である。画像モデルを維持して、平均が等しい隣接するイメージのの断片は同
じ領域に属するものということができる。
、類似した複数の構造が不適当に1つにまとめられ得る。一つの抽出された領域
が2つかそれ以上の独立した構造から構成されているのか否かをテストする単純
な方法はその領域を平滑な表面へとフィッティングした際のエラーを計算し、そ
の後分散イメージを用いて抽出された領域の平均分散とエラーを比較することで
ある。もしそのエラーが分散と非常に異なっていたならば抽出された領域は単一
の構造ではなく、分割されなくてはならない。
ラー(square error)を最小化したものである。
adations)による損傷を受けるならばuはそのような分解に合わせられ
るべきである。MRIのケースにおいてコイル場の分解(coil field
degradations)に対する演繹的な知識から、それは I(x)=exp[−(a0+a1x+a2y+a3z+a4xy+a5
xz+a6yz+a7x2+a8y2+a9z2] のように仮定される。このケースでは同じ表現でui(x)のよいモデルが与え
られ、a1からa9までの係数は対数イメージであるlog g(x)へのスタ
ンダード・リースト・スクエア・アプローチ(standard least−
square approach)により発見することができる。一旦最も平滑
な表面が抽出された領域であることが明らかになり、もしフィッティングのエラ
ーが平均標準偏差と類似するならばその領域に属さないすべての点は移動させる
ことができる。
離dhplaneと比較される。dhplaneは次のように与えられる。
さかったならば、そのボクセルはその領域に属すると決定できる。
り大きい場合、その領域は、おそらく二つ或いはそれ以上の構成要素からなり、
分割されなければならない。二つの構成要素のみが合併されることが想定されれ
ば、それらを分割するための一つの簡単な方法は、次の反復操作を用いることで
ある。
ーシップのテストをする (3)領域外のポイントを使用する新しいu(x)を見積もる (4)エラーは減少するか?そうでなければ、(2)へ戻る その簡単な反復処理は、その領域内の主な構成要素を抽出する。その領域の残
りは、新しい領域としてマークされる。そのアプローチは、既知のk−方法アル
ゴリズムの簡単な概念であり、ここではk=2とし、最適なクラス重心の代わり
に最適なクラス表面を求める。
述したI(x)の式が与えられると、a1からa9までのパラメータは、主な抽
出された領域の表面関数以上のそれらのパラメータの平均値であり、a0は、回
復できないと想定され、任意値に設定される。そのようなパラメータがI(x)
の距離偏差に寄与しないが代わりにべき指数の前の係数にのみ寄与することがリ
コールされるとき、そのようなa0の処理が意味をなす。画像モデルからガウス
雑音(x)が十分に小さい場合、g(x)=I(x)・(x)、或いは言い換え
れば、f(x)=g(x)/I(x)となる。
ルドは、後の確率を最小化することによってセグメンテーションエラーを修正す
る目的にかなう。その最後に、標識画像のマルコフ・ランダム・フィールド・モ
デルが呈され、ボクセルラベル確率が隣接したラベルの関数である。ギブス・ラ
ンダム・フィールドは、ボクセルの確率の判断で想定され、隣接のラベルの分布
が与えられる。後の確率は、画像回復で首尾よく使用されている反復暫定モード
アプローチを使用し、最適化され得る。
成要素である場合、その画像のギブス・ランダム・フィールド・モデルは後の確
率分布関数を与える。
に関連したクリーク・ポテンシャルであり、yiとsiはその平均値と分散であ
り、そしてγは規格化定数である。Vcは、任意の費用関数fやhの点から言え
ば、表現され得る。
si/(si+|x|2)とh(x)=βは、中央ボクセルからのグレイ値偏差
を不利にするために使用される。その不利益の程度は、αとβを設定することに
よって、決めることができる。
定モード(ICM)が用いられる。全段階でガウスのPDF(確率密度関数)と
その確率を見積もるための以前の解決策を使用することによって、その技術は繰
り返して、その関数を最小化する。そのような処理は、与えられた適した最初の
条件以外で、全体的な最小化を保証しないが、平均最適なローカル最小値に収束
する。
的なt−テストは、与えられた信頼度αで、二つの隣接した画像パッチが等しい
意味を持つかどうか決定するために適用されることができる。フィールド修正画
像からの平均値と分散(yi、si)を持つパッチPiと平均値と分散(yi、
si)を持つ隣接するパッチPjが与えられると、もし、
合、その二つのパッチは1−αの信頼度内で同じ平均値を持つ。それらの計算は
その分野において知られるているt−テストに基づいている。
のセグメントを同質の領域に統合することが可能である。イメージの異質はパッ
チの各ボクセルに対するローカル平均と分散推定値のみの使用をユーザに強いる
。したがって、パッチiとjとの間の境界での全ボクセルのローカル平均と分散
は、両方の領域が等しいかどうであれ、above to test i0に対
する方程式で用いられる。平均と分散に対して連結グラフからの推定値を用いる
ことができるが、そのような推定値は次の穴だらけの推定値より信頼性が低い。
クセルxi∈Piで集中される。
ernoff)距離が用いられる。
小にする定数であり、
、最適距離が関係しないならば、s=1/2とセットすることが正規分布を単純
化し、バタチャリア(Bhattacharyya)距離を与える。
その距離を用いることによって、ユーザは二つのパッチの点の分布が類似してい
るか否かを決定づける閾値を決めることができる。
びセグメンテーション緩和が実行される。その処理はセグメント化されたイメー
ジのステップ117で終了する。
Iスキャンに引き受けられる。そのような処理は、図6のフローチャートに示さ
れており、下記に詳細について説明する。もし、イメージが接合部についてであ
るならば、腱、靱帯、筋肉のような柔らかい組織の堅くない運動が含まれるので
運動は複雑となる。そのような堅くない運動は、自動化4Dセグメンテーション
への応用を困難にする位相変化をもたらす。
かかわらず、そのアプローチはある問題を引き起こす。第1に、低コントラスト
な構造間の境界がはっきり定義されず、それ故、ノイズとサンプリングが一連の
イメージ間を変化するセグメンテーションによって形成される境界を引き起こす
。第2に、多くの構造をとるため、一連の各イメージに対する一貫した標識を保
持することが難しい。第3に、セグメンテーションアルゴリズムは計算的にきつ
く、一連の各イメージに対してセグメンテーションアルゴリズムを再実行するこ
とは好ましくない。それゆえ、代替的なアプローチが一連の残ったイメージのセ
グメンテーションに対して開発されてきた。
までセグメント化されたイメージを通過するのに必要とされる情報を与え、上述
したようにそこから引き出された完全にセグメント化されたイメージは、ステッ
プ601で入力される。堅い構成要素と堅くない構成要素の両方の存在は、3D
の運動の推定において観念的に考慮すべきである。本発明によれば、各ボクセル
の運動ベクトルはイメージの選択された特徴点のレジストレーション後に推定さ
れる。
メージのセグメンテーションで見出された異なった構造の物質的特性である先行
の知識を用いることにより柔らかい組織の局所変形を考慮する。そのような知識
はステップ603で適当なデータベースフォームに入力される。また、種々の方
法が堅い構造の運動と柔らかい組織の運動に適用されうる。一旦、選択された点
が記憶されると、イメージの全ボクセルの運動ベクトルは、選択された点の運動
ベクトルを補間することによって計算される。一旦、各ボクセルの運動ベクトル
が推定されると、一連の次のイメージのセグメンテーションは、前のイメージの
セグメンテーションの丁度伝達となる。そのような技術は、一連の全イメージが
解析されるまで繰り返される。
れている。本発明は同様の方法にアプローチに従い、解剖学的構造の物理的特性
のモデルとなる質量とバネの組み合わせの全エネルギーを最小化することによっ
て点対応付けを回復する。本発明において、組み合わせはイメージ中の一つの構
造によって強いられないが、その代わり全容量測定のイメージのモデルとはなら
ない。ここで、位相特性は最初のセグメント化されたイメージによって供給され
、物理的特性は先験的な特性と最初のセグメント化されたイメージによって供給
される。運動の推定のアプローチは、一連の二つの連続したイメージの間のFE
Mを基礎とした点対応付け回復アルゴリズムである。組み合わせの各ノードは、
追跡されるイメージの自動的に選択された特徴点であり、バネ剛性は最初のセグ
メント化されたイメージとヒトの解剖学的構造の従来の知識と筋肉や骨のような
典型的な生物の力学的構造特性から計算される。
ル力場が、イメージから取り出されうると仮定する。ほとんどのそのようなモデ
ルは、セミ自動的な特徴抽出アルゴリズムを組み立てるアプローチを使う。本発
明は同様なアプローチを使用し、t=nでサンプリングされたイメージが3つの
動的なスカラー場のセットであると仮定する:Φ(x、t)={gn(x),|
▽gn(x)|,▽2gn(x)}、即ち、白黒縮尺イメージの値、そのイメー
ジの値のグラジエント(傾き)の絶対値、及びそのイメージの値のラプラシアン
。従って、Φ(x、t)の変更は、スカラー場エネルギーUΦ(x)∝(△Φ(
x))2の二次の変更を起こす。更に、イメージの基になる構造体は、それらの
スカラー場によって、平衡の状態において、スプリングで押さえられた質点のメ
ッシュとして作成されると仮定される。平衡は、外力場があると仮定するけれど
も、力場の形は重要ではない。その質点の分配は、時間内に変わるように仮定さ
れて、t=n回の後の回周期△tの間の全体のエネルギー変更は、以下の式で与
えられる。
がひずみエネルギーの利得を重み付けし、Kが有限要素法固有のマトリクスであ
り、△Xが有限要素法節変位マトリクスである。その方程式の分析は、イメージ
場又はメッシュポイント分配のどのような変更でも系統総計エネルギーを増大さ
せることを示す。従って、gnからgn+1へのポイントコレスポンデンスは、
全体のエネルギー変化が最小であるメッシュ配置により与えられます。従って、
ポイントコレスポンデンスは、以下の式により与えられる。
ポンデンス)を推算するために使えるとき、ボクセルの数と、一般にボクセルの
数は100万より多くなるが、及びこの式の複雑な性質とは、包括的に最小化す
ることを困難にしている。問題を簡素化するために、目の粗い有限要素法網目は
、ステップ605で、選ばれたポイントでイメージから組み立てられる。エネル
ギー最小化は、選ばれたポイントのポイントコレスポンデンスを与える。
めに、ポイントの数を非常に小さくする必要がある。一般に ≒ 104 ;選
ばれたポイントが全体のイメージの運動を記述するように気をつけなければなら
ない。第二に、境界追跡が正確な領域運動記述に十分なので、領域境界は重要な
特徴です。第三に、領域境界において、グラジエントの絶対値は高く、ラプラシ
アンはゼロの交差ポイントにあり、領域境界を、追跡するための簡単な特徴とす
る。従って、分割された境界点は、有限要素法の作図において選ばれる。
に多い境界点が実際上はある。ポイントの数を減らすために、ポイント注出ステ
ップにおいて、境界点の強制された無作為抽出が使われる。強制は、すでに選ば
れていたポイントと近すぎるポイントの選択を避けることからなっています。そ
の強制は境界を横切るポイントのより均一な選択を許します。最後に、個々の領
域の内部のポイントの運動推算の誤差の縮小のため、イメージの更にいくつかの
ポイントが、同じ距離の強制を使って無作為に選ばれる。実験的な結果は、50
00から10000までのポイントが、256 x 256 x 34個のボク
セルの典型的な容積測定イメージの運動を推算し、説明するのに十分であること
を示す。選ばれたポイントで、75%は境界点として恣意的に選ばれる一方、残
留25%は内点である。勿論、適当な場所では、他のパーセンテージは使われえ
る。
でそれらのポイントのための有限要素法網目を組み立てることです。メッシュは
、それぞれの領域の材料の属性と相互作用の属性を符号化することにより許され
た運動の種類を強制する。最初のステップは、すべての接点のために近隣の接点
を見つけることである。当業者らは、近隣の接点を見つける操作が、メッシュの
ボロノイ(Voronoi)ダイアグラムを組むことと一致していると理解する
。そのデュアル、デラウナイ(Delaunay)三角測量、は、与えられた節
の配置のための最もよい可能な四面体の有限の素子を表す。ボロノイダイアグラ
ムは拡張アプローチにより構成される。そのアプローチのもとで、離散的なボリ
ュームの個々の接点が拡張される。そのような拡張は2つの目的を達成する。第
一に、ある拡張されたポイントが別のものに接する時は、近隣のポイントが識別
できるようにテストされる。第二に、すべてのボクセルはメッシュのポイントと
関連できる。
ポイントは、バネ定数ki l j mを有するスプリングによって押さえられている
と考えられます。ここで、lとmにより材料を識別する。バネ定数は連結ポイン
トの物質的な相互作用の性質により定義されます;それらの物質的な相互作用の
性質は、材料の知られている性質に従ってユーザによりあらかじめ決められる。
もし連結ポイントが同じ領域に属しているならば、バネ定数はki l j mに減り
、領域においてマテリアルの弾性特性から引き出される。もし連結ポイントが種
々の領域に属しているならば、バネ定数は境界で材料の間の平均的な相互作用の
力から引き出される。もしイメージされているオブジェクトが人の肩であるなら
ば、バネ定数は以下のようなテーブルから引き出されうる: 理論上では、相互作用は、任意の2つの調整領域間で定義されなければならな
い。しかし実際は、任意定数として残余を残して、映像中の主要なanatom
ical(解剖学上:構造上)の要素間のみの相互作用を定義し、許容される近
似を行っている。このような近似において導入されるエラーは、上述したように
実行される推測において導入される他のエラーと比較して、重要ではない。
イメージ強度として、自動的に割り当てられることができる。通常使用される(
a priori)期待値(予測値)に整合する分割されたイメージ領域は、相
対的に固定された骨のバネ定数に割り当てられる。柔らかい組織は、柔らかいバ
ネ定数が相対的に割り当てられる。
ージを入力し、ステップ611において、シーケンス中の2つの連続したイメー
ジの間のエネルギーを最小限にする。エネルギーUを最小限にする際の問題は、
固定した運動から連想されるエネルギーと、変形可能(deformable)
運動から連想されるエネルギーとからなる、2つの分離された問題に分割するこ
とができる。
2の剛体運動への寄与はゼロにとても近いという事実に従う。区分及び通常使用
される解剖(分析)の知識は、堅いボディへ属する点を指し示す。このような点
が、個々の固定された領域としてそれぞれ選択されたならば、剛体運動のエネル
ギーの最小限化は、剛体運動の回転Ri、及び領域の自己のエネルギーを最小限
化する変換Tiを、固定された領域Ri毎に、見つけることで成し遂げられる。
固定された領域毎の6段階の自由度のみを有する。:回転母体の中に3個あり、
変換母体の中に3個ある。したがって、もし、シーケンス中の任意の2つのイメ
ージの間の違いが十分小さいとき、6個の次元的に最も急激な降下技術(a s
ix−dimensional steepest−descent tech
nique)を介して、12個の構成要素(9個の回転、3個の変換)を見つけ
ることができる。
のエネルギーUの最小限化を通して見積もられる。この最小限化は、固定された
エネルギーの最小限化と同程度には単純化することができない。更に考慮が無い
場合、変形可能な3D物体の中の自由度の数は、すべてのメッシュの中の接続点
の数の3倍である。問題の本質は、メッシュ中の各接続点に対する単調減少技術
(a simple gradient descent technique
)の使用を許可する。ポテンシャルエネルギー及び運動エネルギーから、システ
ムのラグラシアン(Lagrangian)(或いは、運動エネルギーからポテ
ンシャルエネルギーを減じる物理学から定義される運動ポテンシャル)を、エネ
ルギー場の傾斜に丁度合う駆動局所的力(the driving local force)が存在するシステム中のすべての接続点について、ヨーラー−ラ
グランジェ方程式を引き出すために使用することができる。メッシュ中のすべて
の接続点にとって、局所的エネルギーは、以下の式により与えられる。
。3個の自由度の最小限化は、局所的な接続点のエネルギーを反復して減少させ
る単調減少技術を使用することで、実行される。接続点の局所的な減少方程式(
The local node gradient descent equa
tion)は、以下の式の通りである。
の傾斜は、2つの異なる分解により、イメージから数字的に見積もられる。x(
n+1)は次の接続点の位置であり、vは傾斜の寄与のための重み付け係数であ
る。
先の配置を考慮に入れる。この過程は、エネルギー全体が局所的な最小限に達す
るまで繰り返され、小さな変形とって、全体的な最小限化に近づく或いは等しく
なる。このように見つけられた配置ベクトルは、接続点における見積もられた運
動を示す。
る。配置場は、シーケンス中の1つのイメージから次への割り当て(ステップ6
11)をたどる必要がある密集した運動の場を見積もるために使用される。密集
した運動は、メッシュ中のすべての隣接する接続点の寄与を重み付けすることに
より、見積もられる。一定の速度モデルが、想定される。時間tに置けるボクセ
ルxの見積もられた速度は、v(x,t)=△x(t)/△tである。密集した
運動の場は、以下の式から見積もられる。
さを示し、△tはシーケンス中の連続イメージの間の間隔を示し、|x−xj|
はボクセル間の単純なユークリジャン(Euclidean)距離を示し、改ざ
んが、ボクセルxに最も近い隣接する接続点を使用することで実行される。この
改ざんは、材料の設定kl,mによりすべての隣接する接続点の寄与に重みをつ
ける。;このように、見積もられたボクセルモーション(voxel moti
on)は、すべての同種の領域だけでなく、領域の境界においてさえも、類似し
ている。
タにより満たされる。これは、1つのイメージの中で決定された領域が次のイメ
ージの中に引き継がれることを意味する。このようにするために、速度は、次の
イメージ中のすべてのボクセルについて見積もられる。これは、以下の式に示す
見積もられた運動の逆マッピングにより成し遂げられる。
ある。このマッピングは時間t+△tにおけるすべての空間を満たすものではな
く、調査された(mapped)隣接するボクセルの間の単純な改ざんは、この
空間を膨らませる(fill out)ために使用することができる。一度、次
のイメージ中のすべてのボクセルについて速度が見積もられたら、このイメージ
の割り当ては単純に、以下の式で表わされる。
xにおける割り当ての札である。
及び115において行われるようにして、緩和札付け(relaxation
labeling)を通じて調整される。イメージ中のメッシュ接続点に微妙な
調整が施される。そして、ステップ619において最後のイメージが割り当てら
れていない限り、次のイメージがステップ609において入力される。最後のイ
メージが割り当てられている場合、ステップ621において動作は終了する。
3つのパラメータの入力を必要とする。セグメンテーション・オペレーションの
変数は、初めの2つのパラメータの反復最適化によって得られる管理されない(
unsupervised)最適なセグメンテーションにおいて示される。
初めの2つのパラメータが最適化される、上述したような変数のフローチャート
を示す。上述したように、ステップ701において、画像を入力する工程、ステ
ップ793において、平均値と分散を概算し(見積もり)、ステップ705にお
いて、イニシャル・パラメータを入力し、ステップ707において、接続性を概
算し、ステップ709において、領域を分割し、これらの工程は、上述した最適
化は領域を最適化するため、最後に使用される領域を形成するのではなく、反復
領域を形成する。
て調整される。 平均二乗誤差(MSE)は、MSE=(1/V)∫(u(x)
−μ(x))2dxによって与えられる。このとき、Vは、画像の体積(Vol
ume)である。また、画像は、表面積Sを有する。各領域Riは、体積Vi及
び表面積Siを有する。画像及び各領域の双方は、(表面積)1.5/体積から
なるコンパクトネスを有する。2つのパラメータの値を最適化するためには、評
価コスト関数(cost functional)は、2つのパラメータの中の
特定の値のどれか2つを用いて費用を想定することを導入する。汎関数(fun
ctional)は、関数の与えられたセットもしくはドメインにおけるすべて
の関数に、独自の実数(unique real number)が割り当てら
れるというルールによって定義される。評価コスト関数は、
数(The evaluation functional) I は、th及
びdminの関数であり、従って、∂I/∂th=0=∂I/∂dminにセッ
ト(設定)することによって最小化することができる。これらの式は、最も勾配
のある下降(descent)によって解くことができる。即ち、th及びdm
inの値をステップ711における評価コスト関数の勾配(変化率)に近づくよ
うに調整すること、及びステップ713において評価コスト関数が減少している
かを確定することによって解くことができる。評価コスト関数が減少している限
り、このプロセスは繰り返される。
におけるバイアス又はイルミネーション・フィールド推算及び調整(訂正)、ス
テップ717における領域分割、ステップ719における主コンポーネント分析
、ステップ721におけるギブズ・ランダム・フィールド・ベース・セグメンテ
ーション・リラクゼーションについては既に触れている。バタチャリア閾値Tを
最適化するのが可能であるとき、更に有能な計算技術はマージンを制約する。ス
テップ723に示す、ローカル バタチャリア距離によって制約された統計領域
マージンは、コンパクトネスが減少する場合、好ましくは、合体するべきであり
、コンパクトネスが増加する場合、好ましくは、合体するべきではないという原
則に基づく。このような原則に基づく理由は、軟骨や腱といった2つの薄い領域
のマージンを避けるためである。即ち、別々に考慮される領域i及びjのコンパ
クトネスがCi,Cj,及びCijで表され、領域のコンパクトネスが組み合わ
される場合、バタチャリア距離がT(Ci+Cj)/2Cijよりも小さくない
限り領域はマージンしない。ステップ725において、プロセスはセグメンテー
ション・リラクゼーションに進み、ステップ727において終了する。
age)シーケンスで試された。膝の屈伸を例にとってみる。膝の6つの画像が
取得される。各画像は、60x256x256ボクセルの解像度を有し、各ボク
セルの大きさは0.47mm x 0.47mm x 1.4mmである。
加工のデータを示したものである。図8Bは、ファイナル・セグメンテーション
を示したものである。図8Cは、未加工のデータにファイナル・セグメンテーシ
ョンを重ねたものからの予想領域の境界(estimated region
boundaries)を示したものである。図8Dは、5番目の画像から6番
目の画像への予想動作フローを示したものである。曲げた膝の6つの画像からな
る外観表現(surface rendering)を図9Aから9Fに示す。
テムにおいて実装されることが可能である。システム1000は、画像データを
入力する入力装置1002、素材データベース及びそれらに代替するものを有す
る。入力装置1002から入力される情報は、ワークステーション1004で受
信される。ワークステーション1004は、ハードドライブ等の記憶装置100
6、4次元データを提供するために上述した処理を行う処理部1008、及び外
観表現などを表示するための4次元データを用意する画像表現エンジン1010
とを有する。出力装置1012は、表現エンジン1010で表現された画像を表
示するためのモニター、画像を記憶するためのビデオ・レコーダーのような更に
記憶装置、又はその両方を含んでいても構わない。上述したように、実施例のワ
ークステーション1004及び画像表現エンジン1010は、シリコングラフィ
ックス・インディゴ・ワークステーション及びIrixエクスプローラ3Dグラ
フィックス・エンジンである。
は、ディジタルクローンと共に、臨床医とのバーチャル・リアリティ対話を可能
にする。図9Aから図9Fに示すアウトプットにおいて、例えば、セグメント化
された膝蓋骨(patella)は選択的に診察、回転、測定、又はその他の方
法で操作される。更に、仮想膝蓋骨に、力が加えられ、上述したFEMモデルに
よって、仮想膝蓋骨の反応が診察される。このバーチャル・リアリティ対話は、
図10に示すシステム1000もしくは簡易的なバーチャル・リアリティ技術と
本発明との組み合わせによるその他の同等及び適当なシステムにおいて実施する
ことができる。
々な代替実施例が明らかとなろう。例えば、最適な実施例は、人間の組織のMR
I分析に関する文脈で開示したが、画像化する対象は、人間のものではない組織
や生き物でないものであっても構わない。また、画像シーケンスは、いかなる方
法で取得されても構わず、例えば、X線やCTスキャン、若しくはその他の方法
であっても構わない。更に、画像gはグレイ・スケール・画像として開示されて
いるが、カラー若しくはpseudo−color(擬似色)画像、マルチメン
ショナル・画像、又はマルチスペクタル・画像であっても分析することができる
。
示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
線分を示す図である。
プのフローチャートを示す図である。
膝画像を示す図である。
Dの屈曲膝の6画像を示す図である。
Claims (37)
- 【請求項1】 次の各ステップを具備することを特徴とする物体の対話型仮
想現実レプリカの形成方法。 (a)時間的に互いに分離され、それぞれの像が複数の像要素から構成された
、物体の像の一連のシーケンスを形成するステップ (b)(i)前記像中のそれぞれの前記像要素中の像の局所統計的性質を推算
する段階と、(ii)前記像要素の局所統計的性質における類似性に従い、前記
像要素を結合して領域を形成する段階とにより、前記像の一連のシーケンス中の
一つの像を、それぞれ前記物体の構成要素に対応する複数の前記領域に分解する
ステップ (c)(i)前記物体の前記構成要素の性質のデータベースを構築する段階と
、(ii)該データベースに従い、それぞれの前記領域の運動を推算する段階と
、(iii)前記運動に従って、すべての像における前記領域の位置を決定する
段階とにより、すべての前記像における前記領域を定義するステップ - 【請求項2】 前記像のそれぞれは3次元像であり、前記像要素のそれぞれ
はボクセル(voxel)であることを特徴とする請求項1記載の方法。 - 【請求項3】 前記局所統計的性質は、局所的平均特性及び局所的分散特性
を具備することを特徴とする請求項1記載の方法。 - 【請求項4】 前記ステップ(b)は、更に次の各段階を具備することを特
徴とする請求項1記載の方法。 (iii)前記物体の多数の構成要素に対応する複数の領域を検出して前記領
域のそれぞれを検査し、前記物体の多数の構成要素に対応する複数の領域に分割
して、それぞれが前記物体の単一の構成要素に対応する新たな複数の領域を生成
する段階 (iv)前記物体の複数の構成要素の部分に対応する複数の領域を検出して前
記領域のそれぞれを検査し、前記物体の複数の構成要素の部分に対応する複数の
領域を合体させ、それぞれが前記物体の全体の構成要素に対応する新たな複数の
領域を生成する段階 - 【請求項5】 前記複数の構成要素の部分に対応する前記複数の領域は、そ
れぞれの領域のコンパクトネス(compactness)に従って検出される
ことを特徴とする請求項4記載の方法。 - 【請求項6】 前記データベースは、前記構成要素の内部運動特性、及び隣
接する前記構成要素間の相対的運動特性を具備することを特徴とする請求項1記
載の方法。 - 【請求項7】 前記相対的運動特性は、バネ定数(spring cons
tant)で表現されることを特徴とする請求項6記載の方法。 - 【請求項8】 前記ステップ(c)(ii)は、前記像要素のサブプルーラ
リィティ(subplurality)を用いた有限要素メッシュとして、前記
物体をモデル化する段階を含むことを特徴とする請求項7記載の方法。 - 【請求項9】 前記ステップ(c)(ii)は、前記一連のシーケンス中の
連続した像のそれぞれのエネルギーを最小にする段階を含むことを特徴とする請
求項6記載の方法。 - 【請求項10】 前記ステップ(c)(ii)において推算される運動は、
剛体運動及び変形運動を含み、前記エネルギーは、前記剛体運動のエネルギー及
び変形運動のエネルギーを含むことを特徴とする請求項9記載の方法。 - 【請求項11】 前記ステップ(c)(ii)は、前記最小化されたエネル
ギーに従って、前記像要素のそれぞれの速度を推算することを含むことを特徴と
する請求項9記載の方法。 - 【請求項12】 前記ステップ(c)(ii)は、以下の手順を含むことを
特徴とする請求項1記載の方法。 (A)少なくとも一つの閾値に従い、像を結合し、繰り返し領域を形成する手
順 (B)前記繰り返し領域からコスト関数(cost functional)
を導出する手順 (C)該コスト関数を最適化する手順 - 【請求項13】 前記ステップ(c)は、前記コスト関数が減少しなくなる
まで、前記少なくとも一つの閾値を調整することにより、前記コスト関数を減少
させる操作を繰り返す段階を含むことを含むことを特徴とする請求項12記載の
方法。 - 【請求項14】 生の像データと物体の構成要素の性質のデータベースを入
力する入力手段と、 (a)(i)前記像中のそれぞれの前記像要素中の像の局所統計的性質を推算
し、(ii)前記像要素の局所統計的性質における類似性に従い、前記像要素を
結合して領域を形成し、前記像の一つの像を、それぞれ前記物体の構成要素に対
応する複数の前記領域に分解し、(b)(i)前記データベースに従い、それぞ
れの前記領域の運動を推算し、(iii)前記運動に従って、すべての像におけ
る前記領域の位置を決定して、すべての前記像における前記領域を定義するプロ
セス手段と、 すべての前記像に配置された前記領域により、前記像を可視化し、仮想現実表
示をするための図式表現手段 とを具備し、時間的に互いに分離し、且つそれぞれ複数の像要素を含む、物体
の像の一連のシーケンスからなる生の像データから時間的空間的像を再構築する
システム。 - 【請求項15】 前記像のそれぞれは3次元像であり、前記像要素のそれぞ
れはボクセル(voxel)であることを特徴とする請求項14記載のシステム
。 - 【請求項16】 前記局所統計的性質は、局所的平均特性及び局所的分散特
性を具備することを特徴とする請求項14記載のシステム。 - 【請求項17】 前記プロセス手段は、 前記物体の多数の構成要素に対応する複数の領域を検出して前記領域のそれぞ
れを検査し、前記物体の多数の構成要素に対応する複数の領域に分割して、それ
ぞれが前記物体の単一の構成要素に対応する新たな複数の領域を生成する手段と
、 前記物体の複数の構成要素の部分に対応する複数の領域を検出して前記領域
のそれぞれを検査し、前記物体の複数の構成要素の部分に対応する複数の領域を
合体させ、それぞれが前記物体の全体の構成要素に対応する新たな複数の領域を
生成する手段 とを具備することを特徴とする請求項14記載のシステム。 - 【請求項18】 前記複数の構成要素の部分に対応する前記複数の領域は、
それぞれの領域のコンパクトネス(compactness)に従って検出され
ることを特徴とする請求項17記載のシステム。 - 【請求項19】 前記データベースは、前記構成要素の内部運動特性、及び
隣接する前記構成要素間の相対的運動特性を具備することを特徴とする請求項1
4記載のシステム。 - 【請求項20】 前記相対的運動特性は、バネ定数(spring con
stant)で表現されることを特徴とする請求項19記載のシステム。 - 【請求項21】 前記プロセス手段は、前記像要素のサブプルーラィティ(
subplurality)を用いた有限要素メッシュとして、前記物体をモデ
ル化する手段を含むことを特徴とする請求項20記載のシステム。 - 【請求項22】 前記プロセス手段は、前記一連のシーケンス中の連続した
像のそれぞれのエネルギーを最小にする手段を含むことを特徴とする請求項19
記載のシステム。 - 【請求項23】 前記推算される運動は、剛体運動及び変形運動を含み、前
記エネルギーは、前記剛体運動のエネルギー及び変形運動のエネルギーを含むこ
とを特徴とする請求項22記載のシステム。 - 【請求項24】 前記プロセス手段は、前記最小化されたエネルギーに従っ
て、前記像要素のそれぞれの速度を推算する手段を含むことを特徴とする請求項
22記載のシステム。 - 【請求項25】 前記プロセス手段は、 (A)少なくとも一つの閾値に従い、像を結合し、繰り返し領域を形成する手
段と、 (B)前記繰り返し領域からコスト関数(cost functional)
を導出する手段と、 (C)該コスト関数を最適化する手段 とを含むことを特徴とする請求項14記載のシステム。 - 【請求項26】 前記コスト関数が減少しなくなるまで、前記少なくとも一
つの閾値を調整することにより、前記コスト関数を減少させる操作を繰り返して
最適化されることを含むことを特徴とする請求項25記載のシステム。 - 【請求項27】 計算装置を用いて、次の各ステップにより、複雑な実在物
の仮想現実レプリカを形成する方法。 (a)時間的に互いに分離され、それぞれの像が複数の像要素から構成された
、前記複雑な実在物の像の一連のシーケンスを形成するステップ (b)(i)前記像中のそれぞれの前記像要素中の像の局所統計的性質を推算
する段階と、(ii)前記像要素の局所統計的性質における類似性に従い、前記
像要素を結合して領域を形成する段階とにより、前記像の一連のシーケンス中の
一つの像を、それぞれ前記複雑な実在物の構成要素に対応する複数の前記領域に
分解するステップ (c)(i)前記複雑な実在物の前記構成要素の性質のデータベースを構築す
る段階と、(ii)該データベースに従い、それぞれの前記領域の運動を推算す
る段階と、(iii)前記運動に従って、すべての像における前記領域の位置を
決定する段階とにより、すべての前記像における前記領域を定義するステップ (d)仮想現実環境において、3次元空間及び1次元時間を用いて前記領域を
表現するステップの - 【請求項28】 前記領域のそれぞれは3次元領域であることを特徴とする
請求項2記載の方法。 - 【請求項29】 前記対話型仮想現実レプリカは、少なくとも3次元空間で
表現されることを特徴とする請求項28記載の方法。 - 【請求項30】 前記領域のそれぞれは3次元領域であることを特徴とする
請求項15記載のシステム。 - 【請求項31】 前記対話型仮想現実レプリカは、少なくとも3次元空間で
表現されることを特徴とする請求項30記載のシステム。 - 【請求項32】 前記像のそれぞれは3次元像であり、前記像要素のそれぞ
れはボクセル(voxel)であることを特徴とする請求項27記載の方法。 - 【請求項33】 前記領域のそれぞれは3次元領域であることを特徴とする
請求項32記載の方法。 - 【請求項34】 次の各ステップを具備することを特徴とする物体の対話型
仮想現実レプリカの形成方法。 (a)複数の像要素から構成された、物体の像の一連のシーケンスを形成する
ステップ (b)次の各段階により、前記像を、それぞれ前記物体の構成要素に対応する
複数の前記領域に分解するステップ (i)前記像中のそれぞれの前記像要素中の像の局所統計的性質を推算す る段階 (ii)前記像要素の局所統計的性質における類似性に従い、前記像要素
を結合して領域を形成する段階 (c)次の各段階により、前記像における前記領域を定義するステップ (i)それぞれの領域の統計的性質を推算する段階 (ii)前記領域の統計的性質における類似性に従い、前記領域を結合し
、分割するて領域を形成する段階 - 【請求項35】 前記像のそれぞれは3次元像であり、前記像要素のそれぞ
れはボクセル(voxel)であることを特徴とする請求項34記載の方法。 - 【請求項36】 前記領域のそれぞれは3次元領域であることを特徴とする
請求項35記載の方法。 - 【請求項37】 前記対話型仮想現実レプリカは、少なくとも3次元空間で
表現されることを特徴とする請求項36記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/185,514 | 1998-11-04 | ||
US09/185,514 US6169817B1 (en) | 1998-11-04 | 1998-11-04 | System and method for 4D reconstruction and visualization |
PCT/US1999/025704 WO2000026852A1 (en) | 1998-11-04 | 1999-11-03 | System and method for 4d reconstruction and visualization |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002529825A true JP2002529825A (ja) | 2002-09-10 |
JP4360757B2 JP4360757B2 (ja) | 2009-11-11 |
Family
ID=22681296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000580158A Expired - Fee Related JP4360757B2 (ja) | 1998-11-04 | 1999-11-03 | 時間的空間的像を再構築するシステム |
Country Status (10)
Country | Link |
---|---|
US (1) | US6169817B1 (ja) |
EP (1) | EP1127331B1 (ja) |
JP (1) | JP4360757B2 (ja) |
KR (1) | KR20010080947A (ja) |
AT (1) | ATE382916T1 (ja) |
AU (1) | AU768446B2 (ja) |
CA (1) | CA2350017C (ja) |
DE (1) | DE69937897T2 (ja) |
IL (1) | IL142972A0 (ja) |
WO (1) | WO2000026852A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017068808A (ja) * | 2015-10-02 | 2017-04-06 | 富士通株式会社 | ボクセル処理方法、ボクセル処理プログラム及び情報処理装置 |
Families Citing this family (97)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6826422B1 (en) | 1997-01-13 | 2004-11-30 | Medispectra, Inc. | Spectral volume microprobe arrays |
US6847490B1 (en) * | 1997-01-13 | 2005-01-25 | Medispectra, Inc. | Optical probe accessory device for use in vivo diagnostic procedures |
US6956898B1 (en) * | 1998-10-02 | 2005-10-18 | Lucent Technologies Inc. | Method and apparatus for dense motion field based coding |
JP4260938B2 (ja) * | 1998-10-23 | 2009-04-30 | 株式会社東芝 | 3次元超音波診断装置 |
JP2002532181A (ja) * | 1998-12-23 | 2002-10-02 | メディスペクトラ, インコーポレイテッド | 頚部のスクリーニングのための光学的方法およびシステム |
WO2000037917A2 (en) * | 1998-12-23 | 2000-06-29 | Medispectra, Inc. | Systems and methods for optical examination of samples |
US6470097B1 (en) * | 1999-01-22 | 2002-10-22 | Siemens Corporation Research, Inc. | Total variational blind image restoration from image sequences |
JP3751770B2 (ja) * | 1999-07-08 | 2006-03-01 | 富士通株式会社 | 3次元形状生成装置 |
DE19959081A1 (de) * | 1999-09-09 | 2001-03-22 | Heimann Systems Gmbh & Co | Verfahren zur Bildverwaltung von Röntgenbildern |
US6438403B1 (en) * | 1999-11-01 | 2002-08-20 | General Electric Company | Method and apparatus for cardiac analysis using four-dimensional connectivity |
ES2250205T3 (es) * | 1999-11-01 | 2006-04-16 | Arthrovision, Inc. | Evaluacion de la progresion de una enfermedad utilizando resonancia magnetica nuclear. |
US6902935B2 (en) * | 1999-12-15 | 2005-06-07 | Medispectra, Inc. | Methods of monitoring effects of chemical agents on a sample |
US7260248B2 (en) * | 1999-12-15 | 2007-08-21 | Medispectra, Inc. | Image processing using measures of similarity |
US7187810B2 (en) * | 1999-12-15 | 2007-03-06 | Medispectra, Inc. | Methods and systems for correcting image misalignment |
US7057612B2 (en) * | 2000-01-12 | 2006-06-06 | Balfour Technologies Llc | Method and system for a four-dimensional temporal visualization data browser |
US6590999B1 (en) * | 2000-02-14 | 2003-07-08 | Siemens Corporate Research, Inc. | Real-time tracking of non-rigid objects using mean shift |
US6560477B1 (en) * | 2000-03-17 | 2003-05-06 | The Regents Of The University Of California | Joint imaging system utilizing magnetic resonance imaging and associated methods |
FR2809267B1 (fr) * | 2000-05-19 | 2002-09-27 | Thomson Multimedia Sa | Procede de detection de saturation d'un champ de vecteurs mouvement |
US6804400B1 (en) | 2000-11-01 | 2004-10-12 | Bae Systems Mission Solutions Inc. | Adaptive hyperspectral data compression |
US7072501B2 (en) * | 2000-11-22 | 2006-07-04 | R2 Technology, Inc. | Graphical user interface for display of anatomical information |
US6925200B2 (en) * | 2000-11-22 | 2005-08-02 | R2 Technology, Inc. | Graphical user interface for display of anatomical information |
US6839661B2 (en) * | 2000-12-15 | 2005-01-04 | Medispectra, Inc. | System for normalizing spectra |
JP3923430B2 (ja) * | 2001-02-13 | 2007-05-30 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 継続方向における画像の処理 |
WO2002071333A2 (de) * | 2001-03-08 | 2002-09-12 | Université Joseph Fourier | Quantitative analyse, visualisierung und bewegungskorrektur in dynamischen prozessen |
US6888960B2 (en) * | 2001-03-28 | 2005-05-03 | Nec Corporation | Fast optimal linear approximation of the images of variably illuminated solid objects for recognition |
US6801646B1 (en) * | 2001-07-19 | 2004-10-05 | Virtualscopics, Llc | System and method for reducing or eliminating streak artifacts and illumination inhomogeneity in CT imaging |
US20030036083A1 (en) * | 2001-07-19 | 2003-02-20 | Jose Tamez-Pena | System and method for quantifying tissue structures and their change over time |
US7715602B2 (en) * | 2002-01-18 | 2010-05-11 | Orthosoft Inc. | Method and apparatus for reconstructing bone surfaces during surgery |
US20030171665A1 (en) * | 2002-03-05 | 2003-09-11 | Jiang Hsieh | Image space correction for multi-slice helical reconstruction |
US20040208385A1 (en) * | 2003-04-18 | 2004-10-21 | Medispectra, Inc. | Methods and apparatus for visually enhancing images |
US6818903B2 (en) * | 2002-07-09 | 2004-11-16 | Medispectra, Inc. | Method and apparatus for identifying spectral artifacts |
US6933154B2 (en) * | 2002-07-09 | 2005-08-23 | Medispectra, Inc. | Optimal windows for obtaining optical data for characterization of tissue samples |
US20040209237A1 (en) * | 2003-04-18 | 2004-10-21 | Medispectra, Inc. | Methods and apparatus for characterization of tissue samples |
US7282723B2 (en) * | 2002-07-09 | 2007-10-16 | Medispectra, Inc. | Methods and apparatus for processing spectral data for use in tissue characterization |
US7136518B2 (en) * | 2003-04-18 | 2006-11-14 | Medispectra, Inc. | Methods and apparatus for displaying diagnostic data |
US20040208390A1 (en) * | 2003-04-18 | 2004-10-21 | Medispectra, Inc. | Methods and apparatus for processing image data for use in tissue characterization |
US7469160B2 (en) * | 2003-04-18 | 2008-12-23 | Banks Perry S | Methods and apparatus for evaluating image focus |
US6768918B2 (en) | 2002-07-10 | 2004-07-27 | Medispectra, Inc. | Fluorescent fiberoptic probe for tissue health discrimination and method of use thereof |
AU2003246989A1 (en) * | 2002-07-19 | 2004-02-09 | Koninklijke Philips Electronics N.V. | Simultaneous segmentation of multiple or composed objects by mesh adaptation |
KR100490564B1 (ko) | 2002-07-23 | 2005-05-19 | 주식회사 메디슨 | 초음파 영상 신호로부터 장기를 인식하는 장치 및 방법 |
US6836557B2 (en) * | 2002-10-02 | 2004-12-28 | VirtualS{tilde over (c)}opics, LLC | Method and system for assessment of biomarkers by measurement of response to stimulus |
AU2003278516A1 (en) * | 2002-11-21 | 2004-06-15 | Koninklijke Philips Electronics N.V. | Method and apparatus for visualizing a sequence of volume images |
US6898263B2 (en) * | 2002-11-27 | 2005-05-24 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for soft-tissue volume visualization |
GB0227889D0 (en) * | 2002-11-29 | 2003-01-08 | Isis Innovation | Brain connectivity mapping |
US20040147830A1 (en) * | 2003-01-29 | 2004-07-29 | Virtualscopics | Method and system for use of biomarkers in diagnostic imaging |
US7218270B1 (en) | 2003-02-10 | 2007-05-15 | The United States Of America As Represented By The Secretary Of The Air Force | ATR trajectory tracking system (A-Track) |
US20060147114A1 (en) * | 2003-06-12 | 2006-07-06 | Kaus Michael R | Image segmentation in time-series images |
ATE408198T1 (de) * | 2003-09-29 | 2008-09-15 | Koninkl Philips Electronics Nv | Verfahren und vorrichtung zum planen einer strahlungstherapie |
US7480412B2 (en) * | 2003-12-16 | 2009-01-20 | Siemens Medical Solutions Usa, Inc. | Toboggan-based shape characterization |
CA2577547A1 (en) * | 2004-08-17 | 2006-03-02 | Alan Penn | Method and system for discriminating image representations of classes of objects |
WO2006023354A1 (en) * | 2004-08-18 | 2006-03-02 | Virtualscopics, Llc | Use of multiple pulse sequences for 3d discrimination of sub-structures of the knee |
US7440628B2 (en) * | 2004-08-31 | 2008-10-21 | Siemens Medical Solutions Usa, Inc. | Method and system for motion correction in a sequence of images |
DE102004043694B4 (de) * | 2004-09-09 | 2006-09-28 | Siemens Ag | Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information |
DE102004043677B4 (de) * | 2004-09-09 | 2013-11-14 | Siemens Aktiengesellschaft | Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätzen |
US20080094396A1 (en) * | 2004-09-09 | 2008-04-24 | Koninklijke Philips Electronics, N.V. | System For The Three-Dimensional Imaging Of A Moving Joint |
US8989349B2 (en) | 2004-09-30 | 2015-03-24 | Accuray, Inc. | Dynamic tracking of moving targets |
GB0424737D0 (en) * | 2004-11-09 | 2004-12-08 | Isis Innovation | Method,computer program and signal processing apparatus for determining statistical information of a signal |
US7489799B2 (en) * | 2004-11-30 | 2009-02-10 | General Electric Company | Method and apparatus for image reconstruction using data decomposition for all or portions of the processing flow |
TWI235041B (en) * | 2004-12-09 | 2005-07-01 | Univ Tsinghua | Characteristic points automatically identification method for three-dimensional space scanning data of human body |
US7545979B2 (en) * | 2005-04-12 | 2009-06-09 | General Electric Company | Method and system for automatically segmenting organs from three dimensional computed tomography images |
US20060247864A1 (en) * | 2005-04-29 | 2006-11-02 | Jose Tamez-Pena | Method and system for assessment of biomarkers by measurement of response to surgical implant |
JP3932303B2 (ja) * | 2005-05-13 | 2007-06-20 | 独立行政法人放射線医学総合研究所 | 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置 |
US7912294B2 (en) * | 2005-05-27 | 2011-03-22 | Siemens Medical Solutions Usa, Inc. | System and method for toboggan-based object detection in cutting planes |
US7352370B2 (en) * | 2005-06-02 | 2008-04-01 | Accuray Incorporated | Four-dimensional volume of interest |
US20070031058A1 (en) * | 2005-06-08 | 2007-02-08 | Canamet Canadian National Medical Technologies Inc. | Method and system for blind reconstruction of multi-frame image data |
DE102005036998B4 (de) * | 2005-08-05 | 2014-11-20 | Siemens Aktiengesellschaft | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
CN101292265A (zh) * | 2005-10-17 | 2008-10-22 | 皇家飞利浦电子股份有限公司 | 图像序列的运动估计和补偿 |
US8009910B2 (en) * | 2006-05-05 | 2011-08-30 | Valtion Teknillinen Tutkimuskeskus | Method, a system, a computer program product and a user interface for segmenting image sets |
US20080021300A1 (en) * | 2006-06-29 | 2008-01-24 | Allison John W | Four-dimensional target modeling and radiation treatment |
EP2044576A2 (en) | 2006-07-17 | 2009-04-08 | Koninklijke Philips Electronics N.V. | Efficient user interaction with polygonal meshes for medical image segmentation |
US8232994B2 (en) * | 2006-08-22 | 2012-07-31 | Microsoft Corporation | Viewing multi-dimensional data in two dimensions |
US10279196B2 (en) * | 2006-09-28 | 2019-05-07 | Accuray Incorporated | Radiation treatment planning using four-dimensional imaging data |
US20080095417A1 (en) * | 2006-10-23 | 2008-04-24 | Gianni Pedrizzetti | Method for registering images of a sequence of images, particularly ultrasound diagnostic images |
US7623679B2 (en) * | 2006-12-13 | 2009-11-24 | Accuray Incorporated | Temporal smoothing of a deformation model |
JP4304639B2 (ja) * | 2007-01-16 | 2009-07-29 | ソニー株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US7925068B2 (en) * | 2007-02-01 | 2011-04-12 | General Electric Company | Method and apparatus for forming a guide image for an ultrasound image scanner |
US8872822B2 (en) * | 2007-10-15 | 2014-10-28 | Koninklijke Philips N.V. | Visualization of temporal data |
JP5106978B2 (ja) * | 2007-10-15 | 2012-12-26 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | X線ct装置 |
US8666128B2 (en) * | 2007-10-18 | 2014-03-04 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention |
KR100950048B1 (ko) * | 2007-11-01 | 2010-03-29 | 포항공과대학교 산학협력단 | 정규 그래프 상의 반복 연산 장치 및 그 방법 |
KR100985035B1 (ko) | 2008-10-14 | 2010-10-05 | 한국과학기술연구원 | 스캐닝 장치의 움직임 추적 방법 |
US20110292046A1 (en) | 2010-05-28 | 2011-12-01 | International Business Machines Corporation | Generating animated voronoi treemaps to visualize dynamic hierarchical data |
PL2628146T3 (pl) | 2010-07-01 | 2018-02-28 | Kinepict Kft. | Nowy sposób obrazowania przy wykorzystaniu promieniowań przenikliwych |
AU2011349051B2 (en) | 2010-12-24 | 2016-05-12 | Fei Company | Reconstruction of dynamic multi-dimensional image data |
TWI455062B (zh) * | 2011-04-26 | 2014-10-01 | Univ Nat Cheng Kung | 三維視訊內容產生方法 |
CN103702616B (zh) * | 2011-08-03 | 2016-05-04 | 株式会社日立医疗器械 | 图像诊断装置以及图像修正方法 |
US9098941B2 (en) * | 2012-01-23 | 2015-08-04 | Ayasdi, Inc. | Systems and methods for graphical layout |
US8830254B2 (en) | 2012-01-24 | 2014-09-09 | Ayasdi, Inc. | Systems and methods for graph rendering |
KR102114415B1 (ko) | 2013-01-29 | 2020-05-22 | 삼성전자주식회사 | 의료 영상 정합 방법 및 장치 |
GB2513415B (en) * | 2013-04-26 | 2015-07-15 | Quadratica Uk Ltd | Methods, systems and apparatuses for emulating an x-ray scanning machine |
JP2016523154A (ja) * | 2013-06-28 | 2016-08-08 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 画像ノイズ情報を利用する方法 |
EP3285642B1 (en) * | 2015-04-20 | 2022-04-27 | Mars Bioimaging Limited | Improving material identification using multi-energy ct image data |
JP6981799B2 (ja) * | 2017-07-21 | 2021-12-17 | キヤノンメディカルシステムズ株式会社 | 画像データ復元装置、画像データ復元方法、及びプログラム |
WO2019033390A1 (en) * | 2017-08-18 | 2019-02-21 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE RECONSTRUCTION |
US10593112B1 (en) | 2019-04-15 | 2020-03-17 | Biosense Webster (Israel) Ltd. | Chamber reconstruction from a partial volume |
US11195275B2 (en) * | 2019-10-16 | 2021-12-07 | International Business Machines Corporation | Methods to induce non-rigid mesh transformation in-variance to CNN based medical imaging classifiers |
DE102020211107A1 (de) * | 2020-09-03 | 2022-03-03 | Siemens Healthcare Gmbh | Erzeugung von kombinierten Bilddaten basierend auf MR-Daten |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5442733A (en) * | 1992-03-20 | 1995-08-15 | The Research Foundation Of State University Of New York | Method and apparatus for generating realistic images using a discrete representation |
US5311131A (en) * | 1992-05-15 | 1994-05-10 | Board Of Regents Of The University Of Washington | Magnetic resonance imaging using pattern recognition |
EP0602730B1 (en) * | 1992-12-18 | 2002-06-19 | Koninklijke Philips Electronics N.V. | Registration of Volumetric images which are relatively elastically deformed by matching surfaces |
US5412563A (en) * | 1993-09-16 | 1995-05-02 | General Electric Company | Gradient image segmentation method |
US5839440A (en) * | 1994-06-17 | 1998-11-24 | Siemens Corporate Research, Inc. | Three-dimensional image registration method for spiral CT angiography |
US5825909A (en) | 1996-02-29 | 1998-10-20 | Eastman Kodak Company | Automated method and system for image segmentation in digital radiographic images |
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 |
US5926568A (en) | 1997-06-30 | 1999-07-20 | The University Of North Carolina At Chapel Hill | Image object matching using core analysis and deformable shape loci |
-
1998
- 1998-11-04 US US09/185,514 patent/US6169817B1/en not_active Expired - Lifetime
-
1999
- 1999-11-03 JP JP2000580158A patent/JP4360757B2/ja not_active Expired - Fee Related
- 1999-11-03 KR KR1020017005694A patent/KR20010080947A/ko not_active Application Discontinuation
- 1999-11-03 DE DE69937897T patent/DE69937897T2/de not_active Expired - Lifetime
- 1999-11-03 AU AU16034/00A patent/AU768446B2/en not_active Ceased
- 1999-11-03 IL IL14297299A patent/IL142972A0/xx not_active IP Right Cessation
- 1999-11-03 AT AT99958737T patent/ATE382916T1/de not_active IP Right Cessation
- 1999-11-03 WO PCT/US1999/025704 patent/WO2000026852A1/en active IP Right Grant
- 1999-11-03 EP EP99958737A patent/EP1127331B1/en not_active Expired - Lifetime
- 1999-11-03 CA CA2350017A patent/CA2350017C/en not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017068808A (ja) * | 2015-10-02 | 2017-04-06 | 富士通株式会社 | ボクセル処理方法、ボクセル処理プログラム及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
AU768446B2 (en) | 2003-12-11 |
CA2350017A1 (en) | 2000-05-11 |
CA2350017C (en) | 2010-05-11 |
JP4360757B2 (ja) | 2009-11-11 |
IL142972A0 (en) | 2002-04-21 |
US6169817B1 (en) | 2001-01-02 |
EP1127331B1 (en) | 2008-01-02 |
KR20010080947A (ko) | 2001-08-25 |
AU1603400A (en) | 2000-05-22 |
WO2000026852A1 (en) | 2000-05-11 |
EP1127331A4 (en) | 2006-06-21 |
ATE382916T1 (de) | 2008-01-15 |
EP1127331A1 (en) | 2001-08-29 |
DE69937897T2 (de) | 2009-01-02 |
DE69937897D1 (de) | 2008-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4360757B2 (ja) | 時間的空間的像を再構築するシステム | |
US9892361B2 (en) | Method and system for cross-domain synthesis of medical images using contextual deep network | |
US9025858B2 (en) | Method and apparatus for automatically generating optimal 2-dimensional medical image from 3-dimensional medical image | |
US10997466B2 (en) | Method and system for image segmentation and identification | |
JP7325954B2 (ja) | 医用画像処理装置、医用画像処理プログラム、学習装置及び学習プログラム | |
CN111862249A (zh) | 使用深度学习生成用于医学图像处理的规范成像数据的系统和方法 | |
GEE¹ et al. | Probabilistic matching of brain images | |
US20030088177A1 (en) | System and method for quantitative assessment of neurological diseases and the change over time of neurological diseases | |
EP1851721B1 (en) | A method, a system and a computer program for segmenting a surface in a multidimensional dataset | |
JP7423338B2 (ja) | 画像処理装置及び画像処理方法 | |
La Rosa | A deep learning approach to bone segmentation in CT scans | |
CA2540332C (en) | Semi-automated measurement of anatomical structures using statistical and morphological priors | |
Barba-J et al. | Segmentation and optical flow estimation in cardiac CT sequences based on a spatiotemporal PDM with a correction scheme and the Hermite transform | |
Stalidis et al. | Model-based processing scheme for quantitative 4-D cardiac MRI analysis | |
Sarwal et al. | Three dimensional reconstruction of coronary arteries from two views | |
AU2020223750B2 (en) | Method and System for Image Annotation | |
Tamez-Pena et al. | The integration of automatic segmentation and motion tracking for 4D reconstruction and visualization of musculoskeletal structures | |
JP4571378B2 (ja) | 画像処理方法および装置並びにプログラム | |
Sermesant et al. | Biomechanical model construction from different modalities: Application to cardiac images | |
Karssemeijer | Three-dimensional stochastic organ-models for segmentation in CT-scans | |
Saputro et al. | Myocardial motion analysis using optical flow and wavelet decomposition | |
Deb et al. | Intelligent computing techniques on medical image segmentation and analysis: A survey | |
Nieddu et al. | Automatic 3D Image Segmentation Using Adaptive k-means on Brain MRI | |
WO2023208577A1 (en) | Image processing device and method | |
CN115359011A (zh) | 图像分割、模型的训练方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081216 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090312 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090616 |
|
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: 20090714 |
|
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: 20090811 |
|
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: 20120821 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120821 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130821 Year of fee payment: 4 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |