JP2003180654A - 左心室に対する３次元統計的形状モデルを疎な２次元輪郭入力値から生成する方法および該方法を実施するためのプログラムを記憶するプログラム記憶装置 - Google Patents
左心室に対する３次元統計的形状モデルを疎な２次元輪郭入力値から生成する方法および該方法を実施するためのプログラムを記憶するプログラム記憶装置Info
- Publication number
- JP2003180654A JP2003180654A JP2002301071A JP2002301071A JP2003180654A JP 2003180654 A JP2003180654 A JP 2003180654A JP 2002301071 A JP2002301071 A JP 2002301071A JP 2002301071 A JP2002301071 A JP 2002301071A JP 2003180654 A JP2003180654 A JP 2003180654A
- Authority
- JP
- Japan
- Prior art keywords
- model
- landmarks
- template
- dimensional
- dataset
- 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.)
- Pending
Links
Classifications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
(57)【要約】
【課題】 識別可能なランドマークの欠落および疎な入
力値を考慮して、疎な２次元輪郭入力値の集合から左心
室の統計的形状モデルを作成する方法とこの方法を実現
するプログラムの記憶されたプログラム装置を提供する
こと。 【解決手段】 左心室に対する３次元統計的形状モデル
を疎な２次元輪郭入力値から生成する方法において、デ
ータセットをそろえ、ランドマークを選択し、各ランド
マークに対する信頼度を表す重み付けを設定し、そろえ
られた形状モデルのセットから、主成分分析によって統
計的モデルを決定する。
力値を考慮して、疎な２次元輪郭入力値の集合から左心
室の統計的形状モデルを作成する方法とこの方法を実現
するプログラムの記憶されたプログラム装置を提供する
こと。 【解決手段】 左心室に対する３次元統計的形状モデル
を疎な２次元輪郭入力値から生成する方法において、デ
ータセットをそろえ、ランドマークを選択し、各ランド
マークに対する信頼度を表す重み付けを設定し、そろえ
られた形状モデルのセットから、主成分分析によって統
計的モデルを決定する。
Description
【０００１】
【発明の属する技術分野】本発明は、心臓のモデリング
に関し、殊に左心室の３次元統計的形状モデル（3-D st
atistical shape model）を疎な２次元輪郭入力値の集
合から形成する方法に関する。
に関し、殊に左心室の３次元統計的形状モデル（3-D st
atistical shape model）を疎な２次元輪郭入力値の集
合から形成する方法に関する。
【０００２】
【従来の技術】統計的形状モデルは、形態学的分析およ
び再生に対する強力なツールである。このモデルは、比
較の点として表すことによって、分類に使用することが
でき、ここでこれはグループの共通の特性を表している
（DeQuardo JR.等による Relationships of neuroanato
mic landmarks in schizophrenia. Psychiatry Researc
h. 67(1): 81-95, 1996 May 31.）。統計的形状モデル
は、予想のベースとして使用することも可能である。オ
ブジェクトのビューの集合が与えられると、統計的形状
モデルによって、観測されない領域の形態を推測するこ
とができる（Fleute M. Lavallee S. Nonrigid 3-D/2-D
regisistration of images using statistical model
s. MICCAI '99 Springer-Verlag. 1999, pp.138-48. B
erlin, Germany.）。実際に統計的形状モデルは、形状
以外の特徴を決定するために使用されて来ており、例え
ば体積が、限定された観測値からの補外法も基づいて決
定される（Ruff CF, Bhalerao A, Hughes SW, D'Arcy T
J等によるThe estimation of fetal volume using stat
istical shape analysis. Computer Assisted Radiolog
y. 1996, pp.280-5.）。内科医および外科医に身体につ
いての地図を提供する解剖学的アトラスは、これらのモ
デルの別の具体例である。オブジェクトのセグメンテー
ションにおいて、統計的モデルは、このタスクの確率的
な定式化の予備段階（prior）として使用することがで
きる（Gonzalaez B等によるCombined statistical and
geometrical 3D segmentation and measurememt of bra
in structures. Workshop on Biomedical Image Analys
is 1998, pp.14-23.）か、または結果的に発生し得る変
形の制約に対するベースを形成することができる。
び再生に対する強力なツールである。このモデルは、比
較の点として表すことによって、分類に使用することが
でき、ここでこれはグループの共通の特性を表している
（DeQuardo JR.等による Relationships of neuroanato
mic landmarks in schizophrenia. Psychiatry Researc
h. 67(1): 81-95, 1996 May 31.）。統計的形状モデル
は、予想のベースとして使用することも可能である。オ
ブジェクトのビューの集合が与えられると、統計的形状
モデルによって、観測されない領域の形態を推測するこ
とができる（Fleute M. Lavallee S. Nonrigid 3-D/2-D
regisistration of images using statistical model
s. MICCAI '99 Springer-Verlag. 1999, pp.138-48. B
erlin, Germany.）。実際に統計的形状モデルは、形状
以外の特徴を決定するために使用されて来ており、例え
ば体積が、限定された観測値からの補外法も基づいて決
定される（Ruff CF, Bhalerao A, Hughes SW, D'Arcy T
J等によるThe estimation of fetal volume using stat
istical shape analysis. Computer Assisted Radiolog
y. 1996, pp.280-5.）。内科医および外科医に身体につ
いての地図を提供する解剖学的アトラスは、これらのモ
デルの別の具体例である。オブジェクトのセグメンテー
ションにおいて、統計的モデルは、このタスクの確率的
な定式化の予備段階（prior）として使用することがで
きる（Gonzalaez B等によるCombined statistical and
geometrical 3D segmentation and measurememt of bra
in structures. Workshop on Biomedical Image Analys
is 1998, pp.14-23.）か、または結果的に発生し得る変
形の制約に対するベースを形成することができる。
【０００３】近年、形態学的な分析に対する統計的形状
モデルの発展について極めて多くの研究がなされた（Bo
okstein FL. Shape and the information in medical i
mages: a decade of the morphometric systhesis. [Jo
urnal Paper] CVIU, vol. 66, no.2, May 1997, pp.97-
118, Cootes TF等によるFlexible 3D models from unca
librated cameras. Image & Vision Computing, vol.1
4, no.8 Aug. 1996, pp.581-7.）。
モデルの発展について極めて多くの研究がなされた（Bo
okstein FL. Shape and the information in medical i
mages: a decade of the morphometric systhesis. [Jo
urnal Paper] CVIU, vol. 66, no.2, May 1997, pp.97-
118, Cootes TF等によるFlexible 3D models from unca
librated cameras. Image & Vision Computing, vol.1
4, no.8 Aug. 1996, pp.581-7.）。
【０００４】いくつかの研究は、ランドマークの密な集
合を半自動的に形成する問題を対象としている。Fleute
およびLavaleeは、大腿骨のいくつかのトレーニングサ
ンプルを、密にサンプリングされたテンプレート事例に
厳密にマッピングし、その後、このマッピングの逆を使
用して、各標本（example）の相応する点を得ている。
合を半自動的に形成する問題を対象としている。Fleute
およびLavaleeは、大腿骨のいくつかのトレーニングサ
ンプルを、密にサンプリングされたテンプレート事例に
厳密にマッピングし、その後、このマッピングの逆を使
用して、各標本（example）の相応する点を得ている。
【０００５】LorenzおよびKrahnstoverは、曲率の大き
な点に対する距離を介して、ランドマークに対する候補
を探知している（Lorenz C, Krahnstover N. Generatio
n ofpoint-based 3D statistical shape models for an
atomical objects. CVIU, vol.77, no.2, Feb. 2000, p
p.175-91.）。この手法は心臓には応用できない。それ
は心臓のＬＶにはこのような特徴が欠けているためであ
る。
な点に対する距離を介して、ランドマークに対する候補
を探知している（Lorenz C, Krahnstover N. Generatio
n ofpoint-based 3D statistical shape models for an
atomical objects. CVIU, vol.77, no.2, Feb. 2000, p
p.175-91.）。この手法は心臓には応用できない。それ
は心臓のＬＶにはこのような特徴が欠けているためであ
る。
【０００６】BrettおよびTaylorは、オブジェクトのツ
リー状の間引かれた（decimate）ポリゴン表現を併用し
ている（Brett AD, Taylor CJ. A method of automate
d landmark generation for automated 3D PDM constru
ction. Image & Vision Computing, vol.18, no.9, Ju
ne 2000, pp.739-48.）。
リー状の間引かれた（decimate）ポリゴン表現を併用し
ている（Brett AD, Taylor CJ. A method of automate
d landmark generation for automated 3D PDM constru
ction. Image & Vision Computing, vol.18, no.9, Ju
ne 2000, pp.739-48.）。
【０００７】オブジェクト間の関連づけは、対称なＩＣ
Ｐ（symmetric Iterative ClosestPoint ）アルゴリズ
ムを介してなされる。このＩＣＰアルゴリズムには、ポ
リゴン状の構造体の再マッピングが必要である。
Ｐ（symmetric Iterative ClosestPoint ）アルゴリズ
ムを介してなされる。このＩＣＰアルゴリズムには、ポ
リゴン状の構造体の再マッピングが必要である。
【０００８】Kelemen, SzekelyおよびGerigは、彼らの
統計的形状モデルを球面調和関数（spherical harmonic
s）によって表しており、研究中の組織の姿勢（pose）
が含まれている（Kelemen A等によるThree-dimesional
model-based segmentation ofbrain MRI. Workshop on
Biomedical Image Analysis IEEE Comput. Soc. 1998,
pp.4.-13.）。
統計的形状モデルを球面調和関数（spherical harmonic
s）によって表しており、研究中の組織の姿勢（pose）
が含まれている（Kelemen A等によるThree-dimesional
model-based segmentation ofbrain MRI. Workshop on
Biomedical Image Analysis IEEE Comput. Soc. 1998,
pp.4.-13.）。
【０００９】しかしながら、従来技術においては、識別
可能なランドマークが欠落していることおよび疎な入力
値が考慮されていない。したがって疎な２次元輪郭入力
値の集合から左心室の統計的形状モデルを作製するシス
テムおよび方法が必要とされるのである。
可能なランドマークが欠落していることおよび疎な入力
値が考慮されていない。したがって疎な２次元輪郭入力
値の集合から左心室の統計的形状モデルを作製するシス
テムおよび方法が必要とされるのである。
【００１０】
【非特許文献１】DeQuardo JR.等によるRelationships
of neuroanatomic landmarks in schizophrenia. Psych
iatry Research. 67(1): 81-95, 1996 May 31.
of neuroanatomic landmarks in schizophrenia. Psych
iatry Research. 67(1): 81-95, 1996 May 31.
【非特許文献２】Fleute M. Lavallee S. Nonrigid 3-D
/2-D regisistration of images usingstatistical mod
els. MICCAI '99 Springer-Verlag. 1999, pp.138-48.
Berlin, Germany.
/2-D regisistration of images usingstatistical mod
els. MICCAI '99 Springer-Verlag. 1999, pp.138-48.
Berlin, Germany.
【非特許文献３】Ruff CF, Bhalerao A, Hughes SW, D'
Arcy TJ等によるThe estimation of fetal volume usin
g statistical shape analysis. Computer Assisted Ra
diology.1996, pp.280-5.
Arcy TJ等によるThe estimation of fetal volume usin
g statistical shape analysis. Computer Assisted Ra
diology.1996, pp.280-5.
【非特許文献４】Gonzalaez B等によるCombined statis
tical and geometrical 3D segmentation and measurem
emt of brain structures. Workshop on Biomedical Im
age Analysis 1998, pp.14-23.
tical and geometrical 3D segmentation and measurem
emt of brain structures. Workshop on Biomedical Im
age Analysis 1998, pp.14-23.
【非特許文献５】Bookstein FL. Shape and the inform
ation in medical images: a decade ofthe morphometr
ic systhesis. [Journal Paper] CVIU, vol. 66, no.2,
May 1997, pp.97-118.
ation in medical images: a decade ofthe morphometr
ic systhesis. [Journal Paper] CVIU, vol. 66, no.2,
May 1997, pp.97-118.
【非特許文献６】Cootes TF等によるFlexible 3D model
s from uncalibrated cameras. Image& Vision Comput
ing, vol.14, no.8 Aug. 1996, pp.581-7.
s from uncalibrated cameras. Image& Vision Comput
ing, vol.14, no.8 Aug. 1996, pp.581-7.
【非特許文献７】Lorenz C, Krahnstover N. Generatio
n of point-based 3D statistical shape models for a
natomical objects. CVIU, vol.77, no.2, Feb. 2000,
pp.175-91.
n of point-based 3D statistical shape models for a
natomical objects. CVIU, vol.77, no.2, Feb. 2000,
pp.175-91.
【非特許文献８】Brett AD, Taylor CJ. A method of
automated landmark generation for automated 3D PDM
construction. Image & Vision Computing, vol.18,
no.9, June 2000, pp.739-48.
automated landmark generation for automated 3D PDM
construction. Image & Vision Computing, vol.18,
no.9, June 2000, pp.739-48.
【非特許文献９】Kelemen A等によるThree-dimesional
model-based segmentation of brain MRI. Workshop o
n Biomedical Image Analysis IEEE Comput. Soc. 199
8, pp.4.-13.
model-based segmentation of brain MRI. Workshop o
n Biomedical Image Analysis IEEE Comput. Soc. 199
8, pp.4.-13.
【００１１】
【発明が解決しようとする課題】本発明の課題は、従来
技術においてはこれまで考慮されていなかった識別可能
なランドマークの欠落および疎な入力値を考慮して、疎
な２次元輪郭入力値の集合から左心室の統計的形状モデ
ルを作成する方法とこの方法を実現するプログラムの記
憶されたプログラム装置を提供することである。
技術においてはこれまで考慮されていなかった識別可能
なランドマークの欠落および疎な入力値を考慮して、疎
な２次元輪郭入力値の集合から左心室の統計的形状モデ
ルを作成する方法とこの方法を実現するプログラムの記
憶されたプログラム装置を提供することである。
【００１２】
【課題を解決するための手段】上記課題は、本発明によ
り、左心室に対する３次元統計的形状モデルを疎な２次
元輪郭入力値から生成する方法において、データセット
をそろえ、ランドマークを選択し、各ランドマークに対
する信頼度を表す重み付けを設定し、そろえられた形状
モデルのセットから、主成分分析によって統計的モデル
を決定するすることによって解決される。また上記のプ
ログラム装置に関する課題は、本発明により、左心室に
対する３次元統計的形状モデルを疎な２次元輪郭入力値
から生成する方法を実行するために、マシンによって実
行可能な命令のプログラムを具現する、マシンによって
読み出し可能なプログラム記憶装置において、上記の方
法には、テンプレートモデルを作成するステップと、複
数の左心室輪郭データセットをそろえるステップと、こ
のデータセットに複数のランドマークを割り当てるステ
ップと、ランドマークを平均化するステップと、そろえ
られた複数の形状モデルから統計的モデルを決定するス
テップとが含まれるとを特徴とするプログラム記憶装置
を構成することによって解決される。
り、左心室に対する３次元統計的形状モデルを疎な２次
元輪郭入力値から生成する方法において、データセット
をそろえ、ランドマークを選択し、各ランドマークに対
する信頼度を表す重み付けを設定し、そろえられた形状
モデルのセットから、主成分分析によって統計的モデル
を決定するすることによって解決される。また上記のプ
ログラム装置に関する課題は、本発明により、左心室に
対する３次元統計的形状モデルを疎な２次元輪郭入力値
から生成する方法を実行するために、マシンによって実
行可能な命令のプログラムを具現する、マシンによって
読み出し可能なプログラム記憶装置において、上記の方
法には、テンプレートモデルを作成するステップと、複
数の左心室輪郭データセットをそろえるステップと、こ
のデータセットに複数のランドマークを割り当てるステ
ップと、ランドマークを平均化するステップと、そろえ
られた複数の形状モデルから統計的モデルを決定するス
テップとが含まれるとを特徴とするプログラム記憶装置
を構成することによって解決される。
【００１３】
【発明の実施の形態】本発明の１実施形態によれば、左
心室に対する３次元統計的形状モデルを生成するための
方法が提供される。この方法には、データセットをそろ
え、ランドマークを選択し、各ランドマークに対する信
頼度を表す重み付けを設定し、そろえられた形状モデル
の集合から、主成分分析（principle component analys
is）によって統計的モデルを決定することによって、平
均的な左心室を生成することが含まれる。
心室に対する３次元統計的形状モデルを生成するための
方法が提供される。この方法には、データセットをそろ
え、ランドマークを選択し、各ランドマークに対する信
頼度を表す重み付けを設定し、そろえられた形状モデル
の集合から、主成分分析（principle component analys
is）によって統計的モデルを決定することによって、平
均的な左心室を生成することが含まれる。
【００１４】本発明の１実施形態によれば、左心室に対
する３次元統計的形状モデルを生成するための方法が提
供される。この方法には、テンプレートモデルを作成
し、複数の左心室輪郭データセットをそろえ、このデー
タセットに複数のランドマークを割り当てることが含ま
れる。この方法にはさらにランドマークの平均化と、そ
ろえられた複数の形状モデルから統計的モデルを決定す
ることとが含まれる。
する３次元統計的形状モデルを生成するための方法が提
供される。この方法には、テンプレートモデルを作成
し、複数の左心室輪郭データセットをそろえ、このデー
タセットに複数のランドマークを割り当てることが含ま
れる。この方法にはさらにランドマークの平均化と、そ
ろえられた複数の形状モデルから統計的モデルを決定す
ることとが含まれる。
【００１５】上記のテンプレートの作成にはさらに、短
軸および外壁−中隔壁方向にしたがって左心室の姿勢を
決定することと、この姿勢にしたがって複数のモデルを
データセットに配置することとが含まれている。この方
法には、各モデルに輪郭データを適合化すること、パラ
メトリックな成分を各モデルに対して平均してテンプレ
ートモデルを作成することとが含まれており、ここでは
姿勢およびパラメトリックな成分を変更することができ
る。
軸および外壁−中隔壁方向にしたがって左心室の姿勢を
決定することと、この姿勢にしたがって複数のモデルを
データセットに配置することとが含まれている。この方
法には、各モデルに輪郭データを適合化すること、パラ
メトリックな成分を各モデルに対して平均してテンプレ
ートモデルを作成することとが含まれており、ここでは
姿勢およびパラメトリックな成分を変更することができ
る。
【００１６】アライニングにはさらにデータセットをテ
ンプレートモデルにアライニングすることが含まれる。
テンプレートモデルへのデータセットのアライニングに
はさらに、各データセットにおける個々の複数の輪郭点
を相応するモデルに関連づけることと、各モデルを等方
的にスケーリングしてテンプレートモデルに適合化させ
ることとが含まれる。
ンプレートモデルにアライニングすることが含まれる。
テンプレートモデルへのデータセットのアライニングに
はさらに、各データセットにおける個々の複数の輪郭点
を相応するモデルに関連づけることと、各モデルを等方
的にスケーリングしてテンプレートモデルに適合化させ
ることとが含まれる。
【００１７】複数のランドマークをデータセットに割り
当てることにはさらに、テンプレートモデルを使用して
モデル表面を関連づけることが含まれる。
当てることにはさらに、テンプレートモデルを使用して
モデル表面を関連づけることが含まれる。
【００１８】複数のランドマークの割り当てには、モデ
ルを完全に各データセットに適合化させることと、この
モデルの複数の表面の各々において点を定めることとが
含まれており、ここでこれはテンプレートモデルの複数
のノードの各々に最も近い。ノードとは、テンプレート
モデルを構成する少なくとも３つのポリゴンが交わる点
のことである。
ルを完全に各データセットに適合化させることと、この
モデルの複数の表面の各々において点を定めることとが
含まれており、ここでこれはテンプレートモデルの複数
のノードの各々に最も近い。ノードとは、テンプレート
モデルを構成する少なくとも３つのポリゴンが交わる点
のことである。
【００１９】ランドマークの平均化には、各ランドマー
クの信頼度を決定することと、各信頼度を評点すること
と、相応する信頼度を評点した値のメンバーシップ関数
にしたがってランドマークを平均化することとが含まれ
る。
クの信頼度を決定することと、各信頼度を評点すること
と、相応する信頼度を評点した値のメンバーシップ関数
にしたがってランドマークを平均化することとが含まれ
る。
【００２０】統計的モデルは、主成分分析によって決定
される。
される。
【００２１】本発明の１実施形態によれば、機械によっ
て読み出し可能なプログラム記憶装置が提供され、ここ
で記憶装置は左心室に対する３次元統計的形状モデルを
生成するステップを実行する機械によって実行可能な命
令からなるプログラムを具現するものである。ここでこ
の方法には、テンプレートモデルの作成と、複数の左心
室輪郭データセットをそろえることと、このデータセッ
トに複数のランドマークを割り当てることとが含まれ
る。この方法にはさらにランドマークの平均化と、そろ
えらた複数の形状モデルから統計的モデルを決定するこ
ととが含まれる。
て読み出し可能なプログラム記憶装置が提供され、ここ
で記憶装置は左心室に対する３次元統計的形状モデルを
生成するステップを実行する機械によって実行可能な命
令からなるプログラムを具現するものである。ここでこ
の方法には、テンプレートモデルの作成と、複数の左心
室輪郭データセットをそろえることと、このデータセッ
トに複数のランドマークを割り当てることとが含まれ
る。この方法にはさらにランドマークの平均化と、そろ
えらた複数の形状モデルから統計的モデルを決定するこ
ととが含まれる。
【００２２】
【実施例】ここでは左心室（ＬＶ＝left ventricle）の
統計的形状モデルを発展させるために方法が提案され
る。本発明で前提とされるのは、患者およびボランティ
アの両方の磁気共鳴（ＭＲ＝Magnetic Resonance）デー
タセットから選別したセグメント化されたＬＶ事例の集
合がすでに存在することである。これらのＬＶはSiemen
s社のＡＲＧＵＳツールを使用してセグメント化された
ものであり、このツールによって個々の画像スライスに
２次元（２−Ｄ）の輪郭が描画される。図１を参照する
と、各ＭＲデータセットは、約６〜７つの短軸方向のス
ライス、例えば１０１と、少なくとも１つの長軸方向の
スライス、例えば１０２とを有する。このデータセット
は疎であるが、ＬＶを十分にカバーしており、これは例
えば図１に示されている通りである。ここで注意すべき
であるのは、ＬＶを基準として画像スライスの位置はデ
ータセット毎に変化し得ることである。したがって輪郭
は、ＬＶの別の断面を描画することがあり、ランドマー
クとして直接使用することはできないのである。
統計的形状モデルを発展させるために方法が提案され
る。本発明で前提とされるのは、患者およびボランティ
アの両方の磁気共鳴（ＭＲ＝Magnetic Resonance）デー
タセットから選別したセグメント化されたＬＶ事例の集
合がすでに存在することである。これらのＬＶはSiemen
s社のＡＲＧＵＳツールを使用してセグメント化された
ものであり、このツールによって個々の画像スライスに
２次元（２−Ｄ）の輪郭が描画される。図１を参照する
と、各ＭＲデータセットは、約６〜７つの短軸方向のス
ライス、例えば１０１と、少なくとも１つの長軸方向の
スライス、例えば１０２とを有する。このデータセット
は疎であるが、ＬＶを十分にカバーしており、これは例
えば図１に示されている通りである。ここで注意すべき
であるのは、ＬＶを基準として画像スライスの位置はデ
ータセット毎に変化し得ることである。したがって輪郭
は、ＬＶの別の断面を描画することがあり、ランドマー
クとして直接使用することはできないのである。
【００２３】これらの入力値が与えられると、ＬＶの統
計的モデルを作成するために、この方法によて、ユーザ
定義ランドマークベース手法が使用される。ユーザ定義
ランドマークベース手法は、困難であると共に時間を浪
費し得る。それはこのような点を指定するベースである
ＬＶに明確な特徴がほとんどない可能性があるからであ
る。
計的モデルを作成するために、この方法によて、ユーザ
定義ランドマークベース手法が使用される。ユーザ定義
ランドマークベース手法は、困難であると共に時間を浪
費し得る。それはこのような点を指定するベースである
ＬＶに明確な特徴がほとんどない可能性があるからであ
る。
【００２４】このような事態に対処するため、本発明の
１実施形態では、ランドマークの密な集合が半自動的に
生成される。上記のようにＬVは、簡単に特定される明
確な点をほとんど有しないが、形状全体にはいくつかの
類似性があり、これは曲率の複数の領域として表され
る。モデルベースのアプローチは、疎な輪郭の間を内挿
し、形状全体を使用してモデルをそろえるために採られ
る。新たな関連づけ（ランドマーク）の密な集合は、モ
デルの表面の間で距離測定に基づいて生成される。これ
らのランドマークは、ランドマークとその輪郭との近さ
に基づく重み付きの総和を使用して平均化される。統計
的形状モデルは、これらのランドマークを使用して主成
分分析によって生成される。
１実施形態では、ランドマークの密な集合が半自動的に
生成される。上記のようにＬVは、簡単に特定される明
確な点をほとんど有しないが、形状全体にはいくつかの
類似性があり、これは曲率の複数の領域として表され
る。モデルベースのアプローチは、疎な輪郭の間を内挿
し、形状全体を使用してモデルをそろえるために採られ
る。新たな関連づけ（ランドマーク）の密な集合は、モ
デルの表面の間で距離測定に基づいて生成される。これ
らのランドマークは、ランドマークとその輪郭との近さ
に基づく重み付きの総和を使用して平均化される。統計
的形状モデルは、これらのランドマークを使用して主成
分分析によって生成される。
【００２５】本発明は種々の形態のハードウェア、ソフ
トウェア、ファームウェア、専用プロセッサまたはこれ
らの組み合わせによって実現し得ることを理解された
い。１実施形態において本発明は、アプリケーションプ
ログラムとしてソフトウェア的に実現することができ、
これは具体的にはプログラム記憶装置において実現され
る。このアプリケーションプログラムは、任意の有利な
アーキテクチャからなるマシンにアップロードして実行
することができる。有利はこのマシンは、例えば１つま
たは複数の中央演算装置（ＣＰＵ＝central processing
unit）と、ランダムアクセスメモリ（ＲＡＭ＝random
access memory）と、入力／出力（Ｉ／Ｏ）インタフェ
ースのようなハードウェアを有するコンピュータプラッ
トホー上で実現される。このコンピュータプラットホー
ムはまたオペレーティングシステムと、マイクロ命令コ
ードとを含む。ここで記載される種々のプロセスおよび
機能は、このマイクロ命令コードの一部であってもよい
し、または上記のオペレーティングシステムを介して実
行されるアプリケーションプログラムの一部であっても
よい（またはこれらの組み合わせであってもよい）。こ
れに加えてこのコンピュータプラットホームには別の種
々の周辺装置、例えば付加的なデータ記憶装置およびプ
リント装置を接続することができる。
トウェア、ファームウェア、専用プロセッサまたはこれ
らの組み合わせによって実現し得ることを理解された
い。１実施形態において本発明は、アプリケーションプ
ログラムとしてソフトウェア的に実現することができ、
これは具体的にはプログラム記憶装置において実現され
る。このアプリケーションプログラムは、任意の有利な
アーキテクチャからなるマシンにアップロードして実行
することができる。有利はこのマシンは、例えば１つま
たは複数の中央演算装置（ＣＰＵ＝central processing
unit）と、ランダムアクセスメモリ（ＲＡＭ＝random
access memory）と、入力／出力（Ｉ／Ｏ）インタフェ
ースのようなハードウェアを有するコンピュータプラッ
トホー上で実現される。このコンピュータプラットホー
ムはまたオペレーティングシステムと、マイクロ命令コ
ードとを含む。ここで記載される種々のプロセスおよび
機能は、このマイクロ命令コードの一部であってもよい
し、または上記のオペレーティングシステムを介して実
行されるアプリケーションプログラムの一部であっても
よい（またはこれらの組み合わせであってもよい）。こ
れに加えてこのコンピュータプラットホームには別の種
々の周辺装置、例えば付加的なデータ記憶装置およびプ
リント装置を接続することができる。
【００２６】さらに、添付の図面に示したいくつかのシ
ステムを構成するコンポーネントおよび方法ステップは
ソフトウェア的に実現されるため、システムコンポーネ
ント間（またはプロセスステップ間）の接続は、本発明
のプログラムの仕方に依存して変わり得ることを理解さ
れたい。ここに示した本発明の教示があれば、該当する
技術分野における通常の知識を有する者は、本発明の上
記および同様の実現方式または考え得る。
ステムを構成するコンポーネントおよび方法ステップは
ソフトウェア的に実現されるため、システムコンポーネ
ント間（またはプロセスステップ間）の接続は、本発明
のプログラムの仕方に依存して変わり得ることを理解さ
れたい。ここに示した本発明の教示があれば、該当する
技術分野における通常の知識を有する者は、本発明の上
記および同様の実現方式または考え得る。
【００２７】本発明の１実施形態によれば、疎な入力値
に対するモデルベースのそろえが行われ、また各ランド
マークの状態の信頼性を近似的に表すこのランドマーク
の重み付けが決定される。
に対するモデルベースのそろえが行われ、また各ランド
マークの状態の信頼性を近似的に表すこのランドマーク
の重み付けが決定される。
【００２８】ＬＶモデルの定式化には、内側の面、すな
わち心内膜と、外側の面、すなわち心外膜である２つの
壁が使用される。このＬＶモデルはパラメトリックコン
ポーネントと、局所的なスプライン状のメッシュとを使
用して表され、ここでこのパラメトリックコンポーネン
トは、実質的に楕円体であり、ＬＶの全体的な形状を表
すことのでき、また例えば、心尖から心底までの長さ、
心外膜の外側壁半径、弁面（valve plane）の高さなど
を含み、上記のスプライン状のメッシュは、パラメトリ
ックコンポーネントから離れて変形しかつより細かな特
徴を表す局所的なスプライン状のメッシュである。この
スプライン状のメッシュはモデルの外側の面を形成す
る。図２の左側には内側壁２０１および外側壁２０２の
両方が示されており、図２の右側には外側壁２０２、す
なわちパラメトリックコンポーネントからのスプライン
状のメッシュの変形と、ベースとなるパラメトリックコ
ンポーネント２０３とが示されている。内側壁も同じ構
成を有する。
わち心内膜と、外側の面、すなわち心外膜である２つの
壁が使用される。このＬＶモデルはパラメトリックコン
ポーネントと、局所的なスプライン状のメッシュとを使
用して表され、ここでこのパラメトリックコンポーネン
トは、実質的に楕円体であり、ＬＶの全体的な形状を表
すことのでき、また例えば、心尖から心底までの長さ、
心外膜の外側壁半径、弁面（valve plane）の高さなど
を含み、上記のスプライン状のメッシュは、パラメトリ
ックコンポーネントから離れて変形しかつより細かな特
徴を表す局所的なスプライン状のメッシュである。この
スプライン状のメッシュはモデルの外側の面を形成す
る。図２の左側には内側壁２０１および外側壁２０２の
両方が示されており、図２の右側には外側壁２０２、す
なわちパラメトリックコンポーネントからのスプライン
状のメッシュの変形と、ベースとなるパラメトリックコ
ンポーネント２０３とが示されている。内側壁も同じ構
成を有する。
【００２９】このようにモデルを定式化することの利点
は、このモデルがそれに組み込まれているオブジェク
ト、すなわちパラメトリックコンポーネントの粗い表現
を有することである。本発明の１実施形態によれば、モ
デルの表し方のこのような面は、別個のモデル事例をそ
ろえて平均モデルを作成する際に利用することができ
る。
は、このモデルがそれに組み込まれているオブジェク
ト、すなわちパラメトリックコンポーネントの粗い表現
を有することである。本発明の１実施形態によれば、モ
デルの表し方のこのような面は、別個のモデル事例をそ
ろえて平均モデルを作成する際に利用することができ
る。
【００３０】データセットに適合化する場合、このモデ
ルは様々に変形することができる。このモデルはその姿
勢を変更可能である。モデルはパラメトリックコンポー
ネントを調整して、その一般的な形状を変更することが
できる。さらに、スプライン状のメッシュを拡張してデ
ータの任意の局所的な特徴を表すようにすることも可能
である。この方法では平均的なＬＶモデルを作成する過
程において、別個の段階でこれらの変形モードをすべて
使用する。
ルは様々に変形することができる。このモデルはその姿
勢を変更可能である。モデルはパラメトリックコンポー
ネントを調整して、その一般的な形状を変更することが
できる。さらに、スプライン状のメッシュを拡張してデ
ータの任意の局所的な特徴を表すようにすることも可能
である。この方法では平均的なＬＶモデルを作成する過
程において、別個の段階でこれらの変形モードをすべて
使用する。
【００３１】この方法ではテンプレートモデルＴを作成
し、このテンプレートを使用してデータセットをそろ
え、そろえられた各データセットにモデルＭｉを適合化
し、テンプレートモデルを使用してモデル面間に関連づ
け（ランドマーク）を行い、これらのランドマークを平
均化して、個差を無視した平均的形状を作成する。
し、このテンプレートを使用してデータセットをそろ
え、そろえられた各データセットにモデルＭｉを適合化
し、テンプレートモデルを使用してモデル面間に関連づ
け（ランドマーク）を行い、これらのランドマークを平
均化して、個差を無視した平均的形状を作成する。
【００３２】ｎ個のデータセットの各々に対して、ユー
ザによりＬＶの姿勢が指定され、ここでこれは短軸と、
外側壁から中隔壁への方向とを決定することにより行わ
れる。モデルＬｉ（ただしｉ＝１，…，ｎ）は、この情
報を使用してデータにポジションニングされる。このモ
デルは、輪郭データＤｉ（ただしｉ＝１，…，ｎ）に適
合化され、ここでこの適合化は、このモデルにその姿勢
とパラメトリックコンポーネントとの変更を許容するこ
とによって行われる。局所的な変形は行われない。ＬＶ
は短軸を中心としてたいていは回転対称であるため、適
合化中にモデルＬｉの姿勢はほとんど変化しない。した
がって別個のモデルの同じパラメタによって同じ領域が
表され、例えば心内中隔壁半径パラメタ（endocardial
septal wall radius）によって、各モデルの心内中隔膜
半径が表されることになる。テンプレートモデルＴは、
複数のモデルのパラメトリックコンポーネントのパラメ
タを平均化することによって作成される。Ｔの中心が原
点となるように、またその軸が座標軸になるように設定
される。
ザによりＬＶの姿勢が指定され、ここでこれは短軸と、
外側壁から中隔壁への方向とを決定することにより行わ
れる。モデルＬｉ（ただしｉ＝１，…，ｎ）は、この情
報を使用してデータにポジションニングされる。このモ
デルは、輪郭データＤｉ（ただしｉ＝１，…，ｎ）に適
合化され、ここでこの適合化は、このモデルにその姿勢
とパラメトリックコンポーネントとの変更を許容するこ
とによって行われる。局所的な変形は行われない。ＬＶ
は短軸を中心としてたいていは回転対称であるため、適
合化中にモデルＬｉの姿勢はほとんど変化しない。した
がって別個のモデルの同じパラメタによって同じ領域が
表され、例えば心内中隔壁半径パラメタ（endocardial
septal wall radius）によって、各モデルの心内中隔膜
半径が表されることになる。テンプレートモデルＴは、
複数のモデルのパラメトリックコンポーネントのパラメ
タを平均化することによって作成される。Ｔの中心が原
点となるように、またその軸が座標軸になるように設定
される。
【００３３】要約するとデータセットをそろえるため、
この方法によって、各データセットＤｉの個々の輪郭点
が、対応するモデルＬｉに関連づけられる。この方法で
は、モデルＬｉが等方的にスケーリングされ、単一のテ
ンプレートＴに適合化される。この同じスケーリングを
データセットＤｉに適用する。この方法によって解析さ
れるのは：モデルは、ノードおよびエッジとして表され
たポリゴンである。Ｎｉｊ＝｛（ｘｉｊ，ｙｉｊ，ｚ
ｉｊ）｝，ｊ＝１…ｌをモデルのＬｉのノード、Ｄｉｋ
＝｛（ｘｉｋ，ｙｉｋ，ｚｉｋ）｝，ｋ＝１…ｍを輪郭
Ｄｉのおける点を表すベクトルとする。各輪郭点のモデ
ルベースの座標Ｃｉｋ＝｛（ｘｉｋ，ｙｉｋ，
ｚｉｋ）｝ｋ＝１…ｍはつぎのように定義される：
この方法によって、各データセットＤｉの個々の輪郭点
が、対応するモデルＬｉに関連づけられる。この方法で
は、モデルＬｉが等方的にスケーリングされ、単一のテ
ンプレートＴに適合化される。この同じスケーリングを
データセットＤｉに適用する。この方法によって解析さ
れるのは：モデルは、ノードおよびエッジとして表され
たポリゴンである。Ｎｉｊ＝｛（ｘｉｊ，ｙｉｊ，ｚ
ｉｊ）｝，ｊ＝１…ｌをモデルのＬｉのノード、Ｄｉｋ
＝｛（ｘｉｋ，ｙｉｋ，ｚｉｋ）｝，ｋ＝１…ｍを輪郭
Ｄｉのおける点を表すベクトルとする。各輪郭点のモデ
ルベースの座標Ｃｉｋ＝｛（ｘｉｋ，ｙｉｋ，
ｚｉｋ）｝ｋ＝１…ｍはつぎのように定義される：
【００３４】
【数１】
【００３５】したがってＣｉｋは、輪郭データ点と、最
も近いノードＮｉｊを有するモデルＬｉとを関連づけ
る。Ｎｉ(Ｄｉｊ)を最も近いノードと名付けると、Ｄ
ｉｊ ＝Ｃｉｋ＋Ｎｉ(Ｄｉｊ)である。
も近いノードＮｉｊを有するモデルＬｉとを関連づけ
る。Ｎｉ(Ｄｉｊ)を最も近いノードと名付けると、Ｄ
ｉｊ ＝Ｃｉｋ＋Ｎｉ(Ｄｉｊ)である。
【００３６】
【数２】
【００３７】変換の後、Ｌｉ（ｉ＝１…ｎ）のサイズお
よび姿勢は、最も適合するＴに変更される。この変形を
輪郭に適用する。新しい輪郭座標Ｄ'ｉはつぎの式によ
って与えられる。
よび姿勢は、最も適合するＴに変更される。この変形を
輪郭に適用する。新しい輪郭座標Ｄ'ｉはつぎの式によ
って与えられる。
【００３８】
Ｄｉｋ' ＝ Ｈ(Ｎｉ(Ｄｉｋ)＋Ｃｉｋ) （
４）
ここでＮｉ(Ｄｉｋ)は、輪郭点Ｄｉｋの最も近いモデル
ノードの座標である。この時点ですべての輪郭データセ
ットＤ'ｉがテンプレートＴを中心としてそろえおよび
センタリングされる。
ノードの座標である。この時点ですべての輪郭データセ
ットＤ'ｉがテンプレートＴを中心としてそろえおよび
センタリングされる。
【００３９】各データセットＤ'ｉに１モデルＭｉが適
合する。これは、モデルの姿勢の変化、パラメトリック
コンポーネントおよび局所的なメッシュを含む完全な適
合である。これによってこれらの輪郭データセットに対
して最も良好に適合するモデルの集合が得られる。
合する。これは、モデルの姿勢の変化、パラメトリック
コンポーネントおよび局所的なメッシュを含む完全な適
合である。これによってこれらの輪郭データセットに対
して最も良好に適合するモデルの集合が得られる。
【００４０】ランドマークを割り当てるために思い起こ
して欲しいのは、テンプレートモデルＴがノードおよび
エッジからなるポリゴンとして表され、モデルＭｉがＴ
を中心としてセンタリングされていることである。各ノ
ードＴｉに対して、モデルＭ ｉの各面における最も近い
点をサーチする。
して欲しいのは、テンプレートモデルＴがノードおよび
エッジからなるポリゴンとして表され、モデルＭｉがＴ
を中心としてセンタリングされていることである。各ノ
ードＴｉに対して、モデルＭ ｉの各面における最も近い
点をサーチする。
【００４１】∀Ｓｉ(ｘ,ｙ,ｚ)∈Ｍｉに対して
Ｒｉｊ(ｘ,ｙ,ｚ)＝｛Ｓｉ(ｘ,ｙ,ｚ)｜Min‖Ｓｉ(ｘ,ｙ,ｚ)−Ｔｊ‖｝
（５）
したがって各モデルＭｉは、ｌ個のランドマーク、Ｒ
ｉｊの集合を有しており、これらは、各モデルにおいて
テンプレートＴのノードに最も近い点であることによっ
てリンクされる。
ｉｊの集合を有しており、これらは、各モデルにおいて
テンプレートＴのノードに最も近い点であることによっ
てリンクされる。
【００４２】ランドマーク位置はすべてのモデルから平
均化され、平均形状が作成される。単純な平均をとるの
ではなく、本発明の方法では重み付き平均が使用され
る。これは、輪郭データセットが密ではないからであ
る。ランドマークが異なれば、別個の輪郭環境が得られ
る。ベースとなるＬＶを基準としてた位置においてこの
方法が高い信頼性を有するようにするデータ点によって
取り囲まれるランドマークもあれば、データ点の比較的
少ないモデル面の領域にあるランドマークもある。ラン
ドマークの信頼度を表すためにつぎの式を利用する。
均化され、平均形状が作成される。単純な平均をとるの
ではなく、本発明の方法では重み付き平均が使用され
る。これは、輪郭データセットが密ではないからであ
る。ランドマークが異なれば、別個の輪郭環境が得られ
る。ベースとなるＬＶを基準としてた位置においてこの
方法が高い信頼性を有するようにするデータ点によって
取り囲まれるランドマークもあれば、データ点の比較的
少ないモデル面の領域にあるランドマークもある。ラン
ドマークの信頼度を表すためにつぎの式を利用する。
【００４３】
【数３】
【００４４】ここでηは、データ点、Ｄｉｍの数であ
り、このＤｉｍに対してＲｉｊは最も近いランドマーク
である。この値によって、つぎのようなデータ点を多く
有するランドマークが大きな評点を得る。すなわちこの
データ点に対してこれが最も近くのランドマークであり
かつこのランドマークへの距離が短いデータポイントを
有するランドマークが大きな評点を得るのである。
り、このＤｉｍに対してＲｉｊは最も近いランドマーク
である。この値によって、つぎのようなデータ点を多く
有するランドマークが大きな評点を得る。すなわちこの
データ点に対してこれが最も近くのランドマークであり
かつこのランドマークへの距離が短いデータポイントを
有するランドマークが大きな評点を得るのである。
【００４５】しかしながらこのような信頼度レベルを重
み付けとして直接使用して平均モデルを導き出すことは
実用的ではないと考えられる。それはその値が、図３に
示したように０から２００以上に及ぶことがあるからで
ある。この方法においてｃｉ ｊを重み付き総和に直接使
用して平均モデルを導き出す場合、殊にノイズの多いデ
ータがある際には大きな重み付けを有するランドマーク
が過剰に反応してしま可能性がある。このような状況を
避けるため、信頼度レベルをメンバーシップ関数によっ
て評点する。ここではファジーメンバーシップ関数が選
択される。したがって、大きな重み付けを有するランド
マークは、平均モデルに対して丁度十分な程度に寄与す
ることができる。より正確にいうと、信頼度レベルが高
い場合、平均レベルに対して高い成立度（degree of me
mbership）を有しており、そのメンバーシップが１とし
て設定され、その他の場合、そのメンバーシップは１未
満に設定されるのである。相応するメンバーシップ関数
は、トレーニングデータを入念に検証することによって
与えられる。図３の曲線３０１は、１４個のトレーニン
グデータセットのランドマークの信頼度レベルの分布を
示している。膨大な実験に基づいて、メンバーシップ関
数は、ガウス関数および一様な関数を用いて構成され
る。
み付けとして直接使用して平均モデルを導き出すことは
実用的ではないと考えられる。それはその値が、図３に
示したように０から２００以上に及ぶことがあるからで
ある。この方法においてｃｉ ｊを重み付き総和に直接使
用して平均モデルを導き出す場合、殊にノイズの多いデ
ータがある際には大きな重み付けを有するランドマーク
が過剰に反応してしま可能性がある。このような状況を
避けるため、信頼度レベルをメンバーシップ関数によっ
て評点する。ここではファジーメンバーシップ関数が選
択される。したがって、大きな重み付けを有するランド
マークは、平均モデルに対して丁度十分な程度に寄与す
ることができる。より正確にいうと、信頼度レベルが高
い場合、平均レベルに対して高い成立度（degree of me
mbership）を有しており、そのメンバーシップが１とし
て設定され、その他の場合、そのメンバーシップは１未
満に設定されるのである。相応するメンバーシップ関数
は、トレーニングデータを入念に検証することによって
与えられる。図３の曲線３０１は、１４個のトレーニン
グデータセットのランドマークの信頼度レベルの分布を
示している。膨大な実験に基づいて、メンバーシップ関
数は、ガウス関数および一様な関数を用いて構成され
る。
【００４６】
【数４】
【００４７】ここでthは、信頼度レベルの分布から導き
出された閾値である。図３の曲線３０２は数式（７）で
定義されるメンバーシップ関数である。
出された閾値である。図３の曲線３０２は数式（７）で
定義されるメンバーシップ関数である。
【００４８】ランドマークと、それに対応する信頼度が
すべて得られると、平均モデルはつぎのようにして定義
される：
すべて得られると、平均モデルはつぎのようにして定義
される：
【００４９】
【数５】
【００５０】平均ＬＶ形状モデルが一旦得られてしまえ
ば、トレーニングデータに主成分分析を適用することに
よってこのＬＶ形状モデルの変形種を解析することがで
きる。計算した主成分によって「変化のモード」、すな
わち、形状が変化するのにつれてランドマーク点が一緒
にどのくらい移動しやすいかが得られる。
ば、トレーニングデータに主成分分析を適用することに
よってこのＬＶ形状モデルの変形種を解析することがで
きる。計算した主成分によって「変化のモード」、すな
わち、形状が変化するのにつれてランドマーク点が一緒
にどのくらい移動しやすいかが得られる。
【００５１】各モデルの形状は、ｊ個のランドマークに
よって得られる。ここに示した３Ｄトレーニングモデル
に基づいて、３ｊ＊３ｊの共分散行列Ｓをつぎの式を使
用して計算することができる。
よって得られる。ここに示した３Ｄトレーニングモデル
に基づいて、３ｊ＊３ｊの共分散行列Ｓをつぎの式を使
用して計算することができる。
【００５２】
【数６】
【００５３】この行列は、特殊ないくつかの有利な性質
を有している。それはこれがいくつかの方向に他の方向
よりも変化を示すからである。この変化の方向および重
要度（importance）はＳの固有値分解から導出され、こ
こでこれはつぎの方程式（１０）を解くことによって行
われる。
を有している。それはこれがいくつかの方向に他の方向
よりも変化を示すからである。この変化の方向および重
要度（importance）はＳの固有値分解から導出され、こ
こでこれはつぎの方程式（１０）を解くことによって行
われる。
【００５４】
【数７】
【００５５】トレーニングセットにおける任意の形状
は、平均の形状と、最初のｔ個のモードから得られたそ
の変化の重み付きの総和とを使用して近似することがで
きることに注意されたい。ここでｂ＝（ｂ１，ｂ２，ｂ
３，…，ｂｔ）は重み付けのベクトルであり、これは各
固有ベクトルに対してどの程度の変化が生じたかを示
す。
は、平均の形状と、最初のｔ個のモードから得られたそ
の変化の重み付きの総和とを使用して近似することがで
きることに注意されたい。ここでｂ＝（ｂ１，ｂ２，ｂ
３，…，ｂｔ）は重み付けのベクトルであり、これは各
固有ベクトルに対してどの程度の変化が生じたかを示
す。
【００５６】本発明の有利な実施形態による方法を使用
して、図４ａ〜ｄに示したように、１４個の被験体から
なるプールから３次元統計的ＬＶモデルを生成した。図
４ａは、心外膜面の側面図を示しており、図４ｂはこの
心外膜面の上面図を示している。図４ｃは心内膜面の上
面図を示しており、図４ｄは心内膜面の側面図を示して
いる。各データセットは、ユーザが心内膜および心外膜
の境界の輪郭を描くことによって作成される。
して、図４ａ〜ｄに示したように、１４個の被験体から
なるプールから３次元統計的ＬＶモデルを生成した。図
４ａは、心外膜面の側面図を示しており、図４ｂはこの
心外膜面の上面図を示している。図４ｃは心内膜面の上
面図を示しており、図４ｄは心内膜面の側面図を示して
いる。各データセットは、ユーザが心内膜および心外膜
の境界の輪郭を描くことによって作成される。
【００５７】表１は、最も影響の大きな成分の相対的な
寄与を示している。この表から９０％以上の形状の変化
を、最初の１０個の固有ベクトルによって捉えることが
できる。
寄与を示している。この表から９０％以上の形状の変化
を、最初の１０個の固有ベクトルによって捉えることが
できる。
【００５８】
【表１】
【００５９】図５ａ〜ｄには再構成された形状の正面お
よび上面図が示されており、ここでこの形状は最初の２
つのモデルパラメタ（ｂ１，ｂ２）を変更することによ
って得られる。殊に図５ａは、３つの標準偏差による変
化の第１のモードを心外膜面に対して示しており、図５
ｂは、３つの標準偏差による変化の第１のモードを心内
膜面に対して示している。さらに図５ｃは３つの標準偏
差による変化の第２のモードを心外膜面に対して示して
おり、図５ｄは３つの標準偏差による変化の第２のモー
ドを心内膜面に対して示している。データに示されてい
る変化の４０％以上を占める第１の固有ベクトルは、Ｌ
Ｖのサイズ情報を捉える。第２のパラメタは、ＬＶの上
部の外観を変化させている。より高い別のモードは、Ｌ
Ｖ形状の非対称な性質を示している。
よび上面図が示されており、ここでこの形状は最初の２
つのモデルパラメタ（ｂ１，ｂ２）を変更することによ
って得られる。殊に図５ａは、３つの標準偏差による変
化の第１のモードを心外膜面に対して示しており、図５
ｂは、３つの標準偏差による変化の第１のモードを心内
膜面に対して示している。さらに図５ｃは３つの標準偏
差による変化の第２のモードを心外膜面に対して示して
おり、図５ｄは３つの標準偏差による変化の第２のモー
ドを心内膜面に対して示している。データに示されてい
る変化の４０％以上を占める第１の固有ベクトルは、Ｌ
Ｖのサイズ情報を捉える。第２のパラメタは、ＬＶの上
部の外観を変化させている。より高い別のモードは、Ｌ
Ｖ形状の非対称な性質を示している。
【００６０】左心室に対する３次元統計的形状モデルを
生成するための方法である図６を参照すると、ここには
テンプレートモデルの作成６０１と、複数の左心室輪郭
データセットのアライニング６０２と、複数のランドマ
ークのデータセットへの割り当て６０３とが含まれてい
る。この方法にはさらにランドマークの平均化６０４
と、そろえられた複数の形状モデルからの統計的モデル
の決定６０５とが含まれている。
生成するための方法である図６を参照すると、ここには
テンプレートモデルの作成６０１と、複数の左心室輪郭
データセットのアライニング６０２と、複数のランドマ
ークのデータセットへの割り当て６０３とが含まれてい
る。この方法にはさらにランドマークの平均化６０４
と、そろえられた複数の形状モデルからの統計的モデル
の決定６０５とが含まれている。
【００６１】上記により左心室に対する３次元統計的形
状モデルを生成する方法が得られる。ここでは疎なＬＶ
輪郭データセットが与えられると、この方法によって平
均のＬＶが生成され、ここでこれはデータセットをそろ
え、ランドマークを選択し、各ランドマークに対する信
頼度を表す重み付けを設定することによって行われた。
さらにこの方法によって、そろえられた形状モデルのセ
ットから主成分分析により統計的モデルが導き出され
た。この方法は、１４個のＬＶデータセットからなるセ
ットに成功裏に適用された。予想したように、形状の全
変化の大部分が、最初のいくつかの固有ベクトル内で捕
捉される。
状モデルを生成する方法が得られる。ここでは疎なＬＶ
輪郭データセットが与えられると、この方法によって平
均のＬＶが生成され、ここでこれはデータセットをそろ
え、ランドマークを選択し、各ランドマークに対する信
頼度を表す重み付けを設定することによって行われた。
さらにこの方法によって、そろえられた形状モデルのセ
ットから主成分分析により統計的モデルが導き出され
た。この方法は、１４個のＬＶデータセットからなるセ
ットに成功裏に適用された。予想したように、形状の全
変化の大部分が、最初のいくつかの固有ベクトル内で捕
捉される。
【００６２】これで左心室に対する３次元統計的形状モ
デルを生成する実施形態を説明したが、上に教え示した
こと考慮すれば、当業者により変更および変形が可能に
なることである。したがってここに開示した本発明の特
定の実施形態における変更は、付属の請求項によって定
められる本発明の範囲および精神内にあることを理解さ
れたい。特許法の求める詳細さで本発明を記載したが、
請求しかつ特許法によって保護されることを望むものは
請求項に示されている。
デルを生成する実施形態を説明したが、上に教え示した
こと考慮すれば、当業者により変更および変形が可能に
なることである。したがってここに開示した本発明の特
定の実施形態における変更は、付属の請求項によって定
められる本発明の範囲および精神内にあることを理解さ
れたい。特許法の求める詳細さで本発明を記載したが、
請求しかつ特許法によって保護されることを望むものは
請求項に示されている。
【図１】５つの短軸画像面と、２つの長軸画像面とから
なる、本発明の１実施形態によるＬＶデータセットを示
す図である。
なる、本発明の１実施形態によるＬＶデータセットを示
す図である。
【図２】本発明の１実施形態による非統計的モデル編成
を示す図である。
を示す図である。
【図３】本発明の１実施形態による重み付けメンバーシ
ップ関数を示す線図である。
ップ関数を示す線図である。
【図４】ａおよびｂは心外膜表面の平均的なモデルを、
またｃおよびｄは心内膜表面の平均的なモデルを示す図
である。
またｃおよびｄは心内膜表面の平均的なモデルを示す図
である。
【図５】ａは本発明の１実施形態にしたがい、３つの標
準偏差による変形の第１モードにおける心外膜表面を示
す図であり、ｂは本発明の１実施形態にしたがい、３つ
の標準偏差による変形の第１モードにおける心内膜表面
を示す図であり、ｃは本発明の１実施形態にしたがい、
３つの標準偏差による変形の第２モードにおける心外膜
表面を示す図であり、ｄは、本発明の１実施形態にした
がい、３つの標準偏差による変形の第２モードにおける
心内膜表面を示す図である。
準偏差による変形の第１モードにおける心外膜表面を示
す図であり、ｂは本発明の１実施形態にしたがい、３つ
の標準偏差による変形の第１モードにおける心内膜表面
を示す図であり、ｃは本発明の１実施形態にしたがい、
３つの標準偏差による変形の第２モードにおける心外膜
表面を示す図であり、ｄは、本発明の１実施形態にした
がい、３つの標準偏差による変形の第２モードにおける
心内膜表面を示す図である。
【図６】本発明により、左心室に対する３次元統計的形
状モデルを生成する方法を示す流れ図である。
状モデルを生成する方法を示す流れ図である。
１０１ 短軸方向のスライス
１０２ 長軸方向のスライス
２０１ 内側壁
２０２ 外側壁
２０３ パラメトリックコンポーネント
３０１ ランドマークの信頼度レベルの分布
３０２ メンバーシップ関数
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 フイ ルオ
アメリカ合衆国 ニューヨーク ローチェ
スター ウエストヴュー コモンス 100
−ディー
Ｆターム(参考） 4C096 AA20 AB50 AC04 AD14 AD25
BA18 DC11 DC14 DC19 DC21
DC28 DC33 DC36
5B080 AA10 AA18
Claims (19)
- 【請求項１】 左心室に対する３次元統計的形状モデル
を疎な２次元輪郭入力値から生成する方法において、 データセットをそろえ、 ランドマークを選択し、 各ランドマークに対する信頼度を表す重み付けを設定
し、 そろえられた形状モデルのセットから、主成分分析によ
って統計的モデルを決定することを特徴とする、 左心室に対する３次元統計的形状モデルを疎な２次元輪
郭入力値から生成する方法。 - 【請求項２】 左心室に対する３次元統計的形状モデル
を疎な２次元輪郭入力値から生成する方法において、 テンプレートモデルを作成し、 複数の左心室輪郭データセットをそろえ、 該データセットに複数のランドマークを割り当て、 該ランドマークを平均化し、 そろえられた複数の形状モデルから統計的モデルを決定
することを特徴とする、 左心室に対する３次元統計的形状モデルを疎な２次元輪
郭入力値から生成する方法。 - 【請求項３】 前記のテンプレートモデルを作成するス
テップではさらに、 短軸および外側壁から中隔壁への方向にしたがって左心
室の姿勢を決定し、 該姿勢にしたがい前記データセットにて複数のモデルを
ポジショニングし、 各モデルを輪郭データに適合させ、ここで姿勢およびパ
ラメトリックコンポーネントは変更可能であり、 パラメトリックコンポーネントをモデル毎に平均化して
テンプレートモデルを作成する、 請求項２に記載の方法。 - 【請求項４】 前記のそろえのステップではさらに、 前記のデータセットをテンプレートモデルにそろえる、 請求項２に記載の方法。
- 【請求項５】 前記のデータセットをテンプレートモデ
ルにそろえるステップではさらに、 各データセットにおける複数の個々の輪郭点を、相応す
るモデルに関連づけ、 各モデルを等方的にスケーリングして前記のテンプレー
トモデルに適合するようにし、 前記のデータセットをスケーリングしてテンプレートモ
デルに適合するようにする、 請求項４に記載の方法。 - 【請求項６】 前記の複数のランドマークをデータセッ
トに割り当てるステップではさらに、 前記のテンプレートモデルを使用してモデル面を関連づ
ける、 請求項２に記載の方法。 - 【請求項７】 前記のランドマークを割り当てるステッ
プではさらに、 モデルを完全に各データセットに適合し、 前記モデルの複数の面の各々における点を決定し、 ここで該点は、前記テンプレートモデルの複数のノード
の各々に最も近い点である、 請求項２に記載の方法。 - 【請求項８】 前記ノードは、前記テンプレートモデル
を構成する少なくとも３つのポリゴンが交わる点であ
る、 請求項７に記載の方法。 - 【請求項９】 前記のランドマークの平均化ではさら
に、 各ランドマークの信頼度を決定し、 各信頼度を評点付けし、 相応する信頼度の評点付けされた値のメンバーシップ関
数にしたがってランドマークを平均化する、 請求項２に記載の方法。 - 【請求項１０】 前記統計的モデルを、主成分分析によ
って決定する、 請求項２に記載の方法。 - 【請求項１１】 左心室に対する３次元統計的形状モデ
ルを疎な２次元輪郭入力値から生成する方法を実行する
ために、マシンによって実行可能な命令のプログラムを
具現する、マシンによって読み出し可能なプログラム記
憶装置において、 前記の方法には、 テンプレートモデルを作成するステップと、 複数の左心室輪郭データセットをそろえるステップと、 該データセットに複数のランドマークを割り当てるステ
ップと、 ランドマークを平均化するステップと、 そろえられた複数の形状モデルから統計的モデルを決定
するステップとを含むことを特徴とする、 プログラム記憶装置。 - 【請求項１２】 前記のテンプレートモデルを作成する
ステップではさらに、 短軸および外側壁から中隔壁への方向にしたがって左心
室の姿勢が決定され、 該姿勢にしたがい前記データセットにて複数のモデルが
ポジショニングされ、 各モデルが輪郭データに適合化され、ここで姿勢および
パラメトリックコンポーネントは変更可能であり、 パラメトリックコンポーネントがモデル毎に平均化され
てテンプレートモデルが作成される、 請求項１１に記載のプログラム記憶装置。 - 【請求項１３】 前記のそろえのステップではさらに、 前記データセットがテンプレートモデルにそろえられ
る、 請求項１１に記載のプログラム記憶装置。 - 【請求項１４】 前記のデータセットをテンプレートモ
デルにそろえるステップではさらに、 各データセットにおける複数の個々の輪郭点が、相応す
るモデルに関連付けられ、 各モデルが等方的にスケーリングされて前記のテンプレ
ートモデルに適合するようにされ、 前記のデータセットがスケーリングされてテンプレート
モデルに適合するようにされる、 請求項１３に記載のプログラム記憶装置。 - 【請求項１５】 前記の複数のランドマークをデータセ
ットに割り当てるステップではさらに、 前記テンプレートモデルを使用してモデル面が関連付け
られる、 請求項１１に記載のプログラム記憶装置。 - 【請求項１６】 前記のランドマークを割り当てるステ
ップではさらに、 モデルが完全に各データセットに適合され、 前記モデルの複数の面の各々における点が決定され、 ここで該点は、前記テンプレートモデルの複数のノード
の各々に最も近い点である、 請求項１１に記載のプログラム記憶装置。 - 【請求項１７】 前記ノードは、前記テンプレートモデ
ルを構成する少なくとも３つのポリゴンが交わる点であ
る、 請求項１６に記載のプログラム記憶装置。 - 【請求項１８】 前記のランドマークの平均化ではさら
に、 各ランドマークの信頼度が決定され、 各信頼度が評点付けされ、 相応する信頼度の評点付けされた値のメンバーシップ関
数にしたがってランドマークが平均化される、 請求項１１に記載のプログラム記憶装置。 - 【請求項１９】 前記統計的モデルが、主成分分析によ
って決定される、請求項１１に記載のプログラム記憶装
置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/975,810 US6873718B2 (en) | 2001-10-12 | 2001-10-12 | System and method for 3D statistical shape model for the left ventricle of the heart |
| US09/975810 | 2001-10-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003180654A true JP2003180654A (ja) | 2003-07-02 |
Family
ID=25523425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002301071A Pending JP2003180654A (ja) | 2001-10-12 | 2002-10-15 | 左心室に対する３次元統計的形状モデルを疎な２次元輪郭入力値から生成する方法および該方法を実施するためのプログラムを記憶するプログラム記憶装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6873718B2 (ja) |
| JP (1) | JP2003180654A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100805387B1 (ko) | 2006-11-24 | 2008-02-25 | 충북대학교 산학협력단 | 내시경 영상의 변환 장치 및 방법 |
| JPWO2006013813A1 (ja) * | 2004-08-02 | 2008-05-01 | 国立大学法人京都大学 | 情報処理装置およびプログラム |
| JP2010515085A (ja) * | 2006-12-27 | 2010-05-06 | インテル・コーポレーション | 音声セグメンテーションの方法および装置 |
| JP2011200549A (ja) * | 2010-03-26 | 2011-10-13 | Fujitsu Ltd | ３次元テンプレート変形方法、装置及びプログラム |
| JP2013172989A (ja) * | 2006-12-19 | 2013-09-05 | Fujifilm Corp | 画像処理方法及び画像処理装置 |
| JP2016202920A (ja) * | 2015-04-24 | 2016-12-08 | パイ メディカル イメージング ビー ヴイＰｉｅ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ Ｂ．Ｖ． | ４ｄ ｍｒ画像データのフロー分析 |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7286866B2 (en) | 2001-11-05 | 2007-10-23 | Ge Medical Systems Global Technology Company, Llc | Method, system and computer product for cardiac interventional procedure planning |
| US7346381B2 (en) | 2002-11-01 | 2008-03-18 | Ge Medical Systems Global Technology Company Llc | Method and apparatus for medical intervention procedure planning |
| US7499743B2 (en) | 2002-03-15 | 2009-03-03 | General Electric Company | Method and system for registration of 3D images within an interventional system |
| US7778686B2 (en) | 2002-06-04 | 2010-08-17 | General Electric Company | Method and apparatus for medical intervention procedure planning and location and navigation of an intervention tool |
| GB0225716D0 (en) * | 2002-11-05 | 2002-12-11 | Univ Edinburgh | Virtual models |
| US7221786B2 (en) * | 2002-12-10 | 2007-05-22 | Eastman Kodak Company | Method for automatic construction of 2D statistical shape model for the lung regions |
| US7747047B2 (en) | 2003-05-07 | 2010-06-29 | Ge Medical Systems Global Technology Company, Llc | Cardiac CT system and method for planning left atrial appendage isolation |
| US7565190B2 (en) | 2003-05-09 | 2009-07-21 | Ge Medical Systems Global Technology Company, Llc | Cardiac CT system and method for planning atrial fibrillation intervention |
| US7343196B2 (en) * | 2003-05-09 | 2008-03-11 | Ge Medical Systems Global Technology Company Llc | Cardiac CT system and method for planning and treatment of biventricular pacing using epicardial lead |
| DE10328765B4 (de) * | 2003-06-25 | 2005-11-24 | aviCOM Gesellschaft für angewandte visuelle Systeme mbH | Vorrichtung und Verfahren zur Verbindung der Darstellung des elektrischen Herzfeldes mit der Darstellung des zugehörigen Herzens |
| US7813785B2 (en) | 2003-07-01 | 2010-10-12 | General Electric Company | Cardiac imaging system and method for planning minimally invasive direct coronary artery bypass surgery |
| US7344543B2 (en) * | 2003-07-01 | 2008-03-18 | Medtronic, Inc. | Method and apparatus for epicardial left atrial appendage isolation in patients with atrial fibrillation |
| US7244233B2 (en) * | 2003-07-29 | 2007-07-17 | Ntd Laboratories, Inc. | System and method for utilizing shape analysis to assess fetal abnormality |
| US7308299B2 (en) | 2003-10-22 | 2007-12-11 | General Electric Company | Method, apparatus and product for acquiring cardiac images |
| US7308297B2 (en) | 2003-11-05 | 2007-12-11 | Ge Medical Systems Global Technology Company, Llc | Cardiac imaging system and method for quantification of desynchrony of ventricles for biventricular pacing |
| US7574247B2 (en) * | 2003-11-17 | 2009-08-11 | Siemens Medical Solutions Usa, Inc. | Automatic coronary isolation using a n-MIP ray casting technique |
| DE10357205A1 (de) * | 2003-12-08 | 2005-07-14 | Siemens Ag | Verfahren zur Erzeugung von Ergebnis-Bildern eines Untersuchungsobjekts |
| US7454248B2 (en) | 2004-01-30 | 2008-11-18 | Ge Medical Systems Global Technology, Llc | Method, apparatus and product for acquiring cardiac images |
| SE528068C2 (sv) * | 2004-08-19 | 2006-08-22 | Jan Erik Solem Med Jsolutions | Igenkänning av 3D föremål |
| US8515527B2 (en) * | 2004-10-13 | 2013-08-20 | General Electric Company | Method and apparatus for registering 3D models of anatomical regions of a heart and a tracking system with projection images of an interventional fluoroscopic system |
| US7327872B2 (en) * | 2004-10-13 | 2008-02-05 | General Electric Company | Method and system for registering 3D models of anatomical regions with projection images of the same |
| EP1849120A2 (en) * | 2005-01-21 | 2007-10-31 | The Board of Governors for Higher Education State of Rhode Island And Providence Plantations | Integrate finite element and circulatory model for predicting hemodynamic effects of left ventricular impairment, resynchronization and remodeling |
| DE102005002950B4 (de) * | 2005-01-21 | 2007-01-25 | Siemens Ag | Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikels und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens |
| US9275190B2 (en) | 2007-04-23 | 2016-03-01 | Siemens Aktiengesellschaft | Method and system for generating a four-chamber heart model |
| US8731234B1 (en) * | 2008-10-31 | 2014-05-20 | Eagle View Technologies, Inc. | Automated roof identification systems and methods |
| KR101121379B1 (ko) * | 2009-09-03 | 2012-03-09 | 삼성메디슨 주식회사 | 복수의 뷰에 대한 복수의 단면 영상을 제공하는 초음파 시스템 및 방법 |
| JP5753794B2 (ja) * | 2010-01-07 | 2015-07-22 | 株式会社日立メディコ | 医用画像診断装置と医用画像の輪郭抽出処理方法 |
| CA2851366C (en) * | 2011-10-12 | 2021-01-12 | The Johns Hopkins University | Methods for evaluating regional cardiac function and dyssynchrony from a dynamic imaging modality using endocardial motion |
| US9230320B2 (en) * | 2012-03-30 | 2016-01-05 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating shape analysis for diagnosing malignant lung nodules |
| EP3537343B1 (en) * | 2013-07-02 | 2020-10-21 | Owl Navigation Inc. | Method and system for a brain image pipeline and brain image region location and shape prediction |
| KR101619802B1 (ko) * | 2014-06-18 | 2016-05-11 | 기초과학연구원 | 심장 좌심실의 3차원 영상 생성 방법 및 그 장치 |
| JP6382050B2 (ja) * | 2014-09-29 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置、画像処理装置、画像処理方法及び画像処理プログラム |
| JP6411183B2 (ja) * | 2014-11-13 | 2018-10-24 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置、画像処理装置及び画像処理プログラム |
| US10096105B2 (en) | 2016-09-08 | 2018-10-09 | Medtronic Cryocath Lp | Method of determining target treatment locations |
| US11172991B2 (en) | 2016-09-08 | 2021-11-16 | Medtronic, Inc. | Navigation with arbitrary catheter geometries and method of contact assessment |
| US10702342B2 (en) | 2016-09-08 | 2020-07-07 | Medtronic, Inc. | Navigation guidance method for complex catheters |
| EP3270308B9 (en) | 2017-06-14 | 2022-05-18 | Siemens Healthcare GmbH | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product |
| EP3671557A1 (en) * | 2018-12-20 | 2020-06-24 | RaySearch Laboratories AB | Data augmentation |
| CN114004940B (zh) * | 2021-12-31 | 2022-03-18 | 北京大学口腔医学院 | 面部缺损参照数据的非刚性生成方法、装置及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5601084A (en) * | 1993-06-23 | 1997-02-11 | University Of Washington | Determining cardiac wall thickness and motion by imaging and three-dimensional modeling |
| US5435310A (en) * | 1993-06-23 | 1995-07-25 | University Of Washington | Determining cardiac wall thickness and motion by imaging and three-dimensional modeling |
| US5923770A (en) * | 1996-09-30 | 1999-07-13 | Siemens Corporate Research, Inc. | 3D cardiac motion recovery system using tagged MR images |
| WO2002093188A2 (en) * | 2001-05-17 | 2002-11-21 | Siemens Corporate Research, Inc. | A variational approach for the segmentation of the left ventricle in mr cardiac images |
-
2001
- 2001-10-12 US US09/975,810 patent/US6873718B2/en not_active Expired - Lifetime
-
2002
- 2002-10-15 JP JP2002301071A patent/JP2003180654A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2006013813A1 (ja) * | 2004-08-02 | 2008-05-01 | 国立大学法人京都大学 | 情報処理装置およびプログラム |
| US8149237B2 (en) | 2004-08-02 | 2012-04-03 | National University Corporation NARA Institute of Science and Technology | Information processing apparatus and program |
| KR100805387B1 (ko) | 2006-11-24 | 2008-02-25 | 충북대학교 산학협력단 | 내시경 영상의 변환 장치 및 방법 |
| JP2013172989A (ja) * | 2006-12-19 | 2013-09-05 | Fujifilm Corp | 画像処理方法及び画像処理装置 |
| JP2010515085A (ja) * | 2006-12-27 | 2010-05-06 | インテル・コーポレーション | 音声セグメンテーションの方法および装置 |
| JP2011200549A (ja) * | 2010-03-26 | 2011-10-13 | Fujitsu Ltd | ３次元テンプレート変形方法、装置及びプログラム |
| JP2016202920A (ja) * | 2015-04-24 | 2016-12-08 | パイ メディカル イメージング ビー ヴイＰｉｅ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ Ｂ．Ｖ． | ４ｄ ｍｒ画像データのフロー分析 |
Also Published As
| Publication number | Publication date |
|---|---|
| US6873718B2 (en) | 2005-03-29 |
| US20030097219A1 (en) | 2003-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2003180654A (ja) | 左心室に対する３次元統計的形状モデルを疎な２次元輪郭入力値から生成する方法および該方法を実施するためのプログラムを記憶するプログラム記憶装置 | |
| Mitchell et al. | 3-D active appearance models: segmentation of cardiac MR and ultrasound images | |
| Frangi et al. | Automatic construction of multiple-object three-dimensional statistical shape models: Application to cardiac modeling | |
| Lorenz et al. | Generation of point-based 3D statistical shape models for anatomical objects | |
| Lamecker et al. | Segmentation of the liver using a 3D statistical shape model | |
| US8571278B2 (en) | System and methods for multi-object multi-surface segmentation | |
| Van Assen et al. | SPASM: a 3D-ASM for segmentation of sparse and arbitrarily oriented cardiac MRI data | |
| US8358819B2 (en) | System and methods for image segmentation in N-dimensional space | |
| Frangi et al. | Automatic 3D ASM construction via atlas-based landmarking and volumetric elastic registration | |
| Rasoulian et al. | Group-wise registration of point sets for statistical shape models | |
| US7764838B2 (en) | System and method for extracting an object of interest from an image using a robust active shape model | |
| Cerrolaza et al. | Automatic multi-resolution shape modeling of multi-organ structures | |
| van Assen et al. | Cardiac LV segmentation using a 3D active shape model driven by fuzzy inference | |
| US10445891B2 (en) | Medical image processing apparatus and method | |
| US20140064588A1 (en) | Quantifying curvature of biological structures from imaging data | |
| Tobon-Gomez et al. | Automatic training and reliability estimation for 3D ASM applied to cardiac MRI segmentation | |
| Koehl et al. | Automatic alignment of genus-zero surfaces | |
| Heitz et al. | Statistical shape model generation using nonrigid deformation of a template mesh | |
| Pereañez et al. | A framework for the merging of pre-existing and correspondenceless 3D statistical shape models | |
| Vivodtzev et al. | Hierachical isosurface segmentation based on discrete curvature | |
| Rueckert et al. | Shape-based segmentation and tracking in 4D cardiac MR images | |
| Kirschner et al. | Construction of groupwise consistent shape parameterizations by propagation | |
| Fedorov et al. | Tetrahedral mesh generation for non-rigid registration of brain MRI: analysis of the requirements and evaluation of solutions | |
| Lötjönen et al. | Four-chamber 3-D statistical shape model from cardiac short-axis and long-axis MR images | |
| van Assen et al. | Three-dimensional active shape model matching for left ventricle segmentation in cardiac CT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051013 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071121 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071206 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080428 |