JP2004105729A - コンピュータ支援による断層撮影マンモグラフィデータの分析 - Google Patents

Abstract

【課題】　断層撮影マンモグラフィデータ（８８）を処理するための方法及びシステムを提供する。
【解決手段】　ＣＡＤアルゴリズムは、セグメント化（７４）、特徴の抽出（７８）、及び特徴の分類（８２）を含む種々の種類の分析を行なう。収集されたデータ（８８）は、ＣＡＤアルゴリズムにより並行して処理され、１つの処理パスから生じた情報を、並行処理パスにおけるデータ処理を向上させるか又は修正するために用いることができる。処理されたデータ（１１０）を用いて、検査のために放射線医によりマークを付けられた関心のある特徴を備えた強調されたマンモグラフィ画像を提供することができる。関心のある特徴は、放射線医による検査を支援するために分類する（８２）こともできる。
【選択図】　　　図１

Description

　本発明は、一般に、医療用撮像手法に関する。具体的には、本発明は、断層撮影マンモグラフィに関連するコンピュータ支援の検出又は診断（ＣＡＤ）を利用する技法に関する。

　先進国において、女性の８人に１人は生涯のうちに乳癌を患う。今日の女性の間では、乳癌は、癌に起因する死亡率において肺癌に次ぐものである。しかしながら、癌が早い段階で検出された場合には、乳癌から回復する可能性は高い。認知性及び撮像技術が向上したことにより、早期の検出及び診断の可能性も向上し、乳癌についての生存率は近年改善されている。

　特に、Ｘ線マンモグラフィ（従来のフィルム形式及びより最近のデジタル手段の両方）が、無症候性スクリーニング（asymptomatic screening）に有効であることが証明されてきた。更に、従来のマンモグラフィ及びデジタル方式のマンモグラフィは、スクリーニングマンモグラフィ又は臨床的な胸部の診察による可能性のある異常が識別された後の診断手法に対しても有効であることが証明されてきた。しかしながら、スクリーニングマンモグラフィの結果の１０パーセントより多くが、標準的なマンモグラフィの繰り返しや、超音波診断、生検、及び針吸引を含む更に別の診断手法が推奨される結果となっている。更に、外科生検のために調べられたしこりにおける悪性腫瘍の実際の率は２５％よりも少ない。これらの要因は、とりわけ、代替的なスクリーニング及び画像診断装置の開発に関心を向けることとなった。

　特に関心が持たれているのは、断層撮影診断装置、すなわち、一連の投影を捕捉して、一連のデータの再構成を行なう画像診断装置である。従来の画像診断装置とは違って、断層撮影診断装置により捕捉された幅広い範囲のデータは、二次元画像スライス、又は三次元容積集合又は撮像された被検体のレンダリングのような種々の次元におけるデータ分析を可能にする。断層撮影診断装置の例は、コンピュータ断層撮影（ＣＴ）、陽電子放射断層撮影（ＰＥＴ）、核医学撮像、熱音響断層撮影（ＴＣＴ）、電気インピーダンス断層撮影（ＥＩＴ）、及び近赤外線光学的断層撮影（ＮＩＲ）を含むが、これらに限定されない。

　断層撮影診断装置において、ＣＴは最も普及し、また最も完全に開発されたものである。しかしながらＣＴ画像診断装置は、歴史的に現在のスキャナ構成により結果として生じる放射線量の非効率性に起因して、マンモグラフィでは受け入れられなかった。特に、現在のＣＴスキャナは、胸部に対して横方向の画像を収集し、胸腔全体を透過するためにより高度のＸ線照射を必要とし、従って、胸部以外の組織のかなりの量が放射線に曝されることになる。従って、これらの望ましくないＣＴの結果を克服する技法が望まれている。同様に、他の断層撮影マンモグラフィ技法の継続的な開発もまた望まれている。

　代替的なスクリーニング及び診断用胸部撮像療法に対する関心が高まっているため、更に、コンピュータ支援検出及び診断（ＣＡＤ）アルゴリズムを開発して、放射線医のマンモグラフィ画像の再検討を補い且つ支援することが望ましい。ＣＡＤは、典型的には、一連の集められた画像の様々な種類の分析に基づくものであり、該集められた画像は、ＣＡＤアルゴリズムにより強調表示される病状を考慮して分析される。ＣＡＤはＸ線マンモグラフィ、磁気共鳴画像法、及び超音波のために提案されたが、断層胸部撮影診断装置においては可能性のあるツールとしてはみなされてこなかったため、該断層胸部撮影診断装置は積極的に開発されていない。しかしながら、ＣＡＤは、再検討する放射線医に有用な支援及び時間の節約をもたらすことから、マンモグラフィに関連する断層撮影診断装置におけるＣＡＤの開発は望ましい。特に、断層撮影収集において収集されるデータ量が増大することにより、ＣＡＤによって得られる時間節約及び支援は、従来の投影撮像におけるよりも断層撮影イメージングにおいて更に重要となる。また、断層撮影データの性質に起因して、ＣＡＤは、ラドン空間データ、再構成二次元スライスデータ、及び再構成三次元容積データからの情報を利用するための新規な状況を表すものとなる。本技法は、これらの１つ又はそれ以上の問題に対処することを目的とする。

　本技法は、断層撮影マンモグラフィ技法を用いて観察された異常な構造を検出し且つ診断するためにＣＡＤを用いる、新規な方法及び装置を提供する。具体的には、この技法は、断層撮影イメージング・システムにより生成された断層撮影マンモグラフィ像を処理するための方法及びシステムを提供する。この技法は、ＣＡＤを利用して、断層撮影マンモグラフィ像内の異常な構造を検出及び／又は診断を支援するものである。

　本技法の一態様によれば、断層撮影システムにより収集されたマンモグラフィデータを分析するための方法が提供される。この方法は、断層撮影データ集合を断層撮影マンモグラフィシステムから収集することを含む。断層撮影データ集合を、１つ又はそれ以上のセグメント化されたデータ集合へとセグメント化する。１つ又はそれ以上のセグメント化されたデータ集合の１つ又はそれ以上の特徴を処理して、１つ又はそれ以上の特徴処理データ集合を生成する。１つ又はそれ以上の特徴処理データ集合を、次に再検討者に提供する。

　本技法は、更に、断層撮影データをラドン空間において分析する方法を提供する。この方法は、断層撮影投影データ集合を断層撮影イメージング・システムから収集することを含む。関心のある特徴を断層撮影投影データ集合において識別する。断層撮影投影データから生じた再構成データを、関心のある特徴に基づいて処理し、該関心のある特徴を再構成されたデータ集合において強調されるようにする。

　更に、本技法は、断層撮影データを分析する方法を提供する。この方法は、第１処理パスを介して断層撮影データ集合を分析し、該断層撮影データ集合内の関心のある特徴を識別することを含む。関連する断層撮影データ集合を、関心のある特徴に基づいて、第２処理パスを介して処理する。

　本技法は、更に、一般に放射線源及び検出器を備える断層撮影スキャナを含む断層撮影マンモグラフィシステムを提供する。コンピュータシステムが、システム制御装置により断層撮影スキャナと作動可能に接続され、メモリ要素、オペレータ用ワークステーション、及び１つ又はそれ以上の出力装置と作動可能に接続される。コンピュータシステムは、断層撮影スキャナから断層撮影データ集合を収集し、該断層撮影データ集合を１つ又はそれ以上のセグメント化されたデータ集合にセグメント化する。コンピュータシステムは、更に、１つ又はそれ以上のセグメント化されたデータ集合の１つ又はそれ以上の特徴を処理して、１つ又はそれ以上の特徴処理データ集合を生成し、１つ又はそれ以上の特徴処理データ集合を再検討者に提供するように構成される。

　この技法は、更に、一般に放射線源及び検出器を備える断層撮影スキャナを含む断層撮影イメージング・システムを提供する。コンピュータシステムは、システム制御装置により断層撮影スキャナと作動可能に接続され、メモリ要素、オペレータ用ワークステーション、及び１つ又はそれ以上の出力装置と作動可能に接続される。コンピュータシステムは、第１処理パスを介して断層撮影データ集合を分析し、該断層撮影データ集合内の関心のある特徴を識別し、該関心のある特徴に基づいて第２処理パスを介して関連する断層撮影データ集合を処理するように構成される。

　更に、この技法は、断層撮影画像データ集合を収集する手段を含む断層撮影マンモグラフィシステムを提供する。断層撮影マンモグラフィシステムは、更に、断層撮影画像データ集合を１つ又はそれ以上のセグメント化されたデータ集合へとセグメント化する手段と、１つ又はそれ以上のセグメント化されたデータ集合の１つ又はそれ以上の特徴を処理して、１つ又はそれ以上の特徴処理データ集合を生成する手段とを含む。更に、断層撮影マンモグラフィシステムは、１つ又はそれ以上の特徴処理データ集合を再検討者に提供する手段を含む。

　この技法は、更に、断層撮影システムにより収集されたマンモグラフィデータを分析するための有形媒体を提供する。有形媒体上に格納されたコードは、断層撮影データ集合を断層撮影マンモグラフィシステムから収集するルーチンを含む。ルーチンは、更に、断層撮影データ集合を１つ又はそれ以上のセグメント化されたデータ集合へとセグメント化するため、及び１つ又はそれ以上のセグメント化されたデータ集合の１つ又はそれ以上の特徴を処理して、１つ又はそれ以上の特徴処理データ集合を処理するために提供される。１つ又はそれ以上の特徴処理されたデータ集合を再検討者に提供するために、更に別のルーチンが提供される。

　本発明の前述並びに他の利点及び特徴は、以下の詳細な説明を読み、図面を参照することにより明らかになるであろう。

　図１は、断層撮影画像データを収集し処理するためのマンモグラフィ・イメージング・システム１０を概略的に示す。図示された実施形態において、システム１０は、本技術に従って、原画像データを収集し、且つ表示及び分析のために該画像データを処理するように設計されたコンピュータ断層撮影（ＣＴ）システムである。システム１０の別の実施形態は、陽電子放射断層撮影（ＰＥＴ）マンモグラフィシステム、核医学胸部イメージング・システム（シンチマンモグラフィ）、熱音響断層撮影胸部イメージング・システム（ＴＣＴ）、電気インピーダンス・マンモグラフィシステム（ＥＩＴ）、近赤外線マンモグラフィシステム（ＮＩＲ）、及びＸ線トモシンセシス・マンモグラフィシステム（ＸＲ）を含むことができる。

　図１に示すＣＴの実施形態において、イメージング・システム１０は、コリメータ１４に隣接して配置されたＸ線放射源１２を含む。この例示的な実施形態において、Ｘ線放射線源１２の線源は、典型的にはＸ線管である。しかしながら、他の画像診断装置は、異なる撮像エネルギ又は放射線源を有する。例えば、ＰＥＴ及び核医学撮像のような画像診断装置は、注射可能な放射線ヌクレオチドを放射線源１２として利用し、該放射線源１２は、断層撮影イメージング・システムにおいて利用される代替的な撮像エネルギ又は放射線源を含む。

　図１のＣＴの実施形態に戻ると、コリメータ１４により、放射線の流れ１６が、患者１８等の被検体が配置された領域内を透過することが可能になる。放射線の一部分２０は、被検体又は被検体の周囲を透過し、全体を参照符号２２で表す検出器アレイに衝突する。アレイの検出器素子は、入射Ｘ線ビームの強さを表す電気信号を生成する。これらの信号を収集及び処理して、被検体内の特徴に関する画像を再構成する。

　放射線源１２は、ＣＴ検査シーケンスのための電源信号と制御信号の両方を供給するシステム制御装置２４によって制御される。更に、検出器２２は、該検出器２２において生成される信号の収集を指令するシステム制御装置２４に接続される。システム制御装置２４はまた、ダイナミックレンジの初期調整、デジタル画像データのインターリーブのため等のような、種々の信号処理及びフィルタリング処理機能を実行することができる。一般に、システム制御装置２４は、検査プロトコルを実行し、収集されたデータを処理するように、イメージング・システムの動作を指令する。本明細書においては、システム制御装置２４はまた、一般に汎用又は特定用途のデジタル・コンピュータに基づいた信号処理回路、該コンピュータによって実行されるプログラム及びルーチン並びに構成パラメータ及び画像データを格納するための関連するメモリ回路、インターフェース回路等を含む。

　図１に示す実施形態において、システム制御装置２４は、線形位置決めサブシステム２６及び回転サブシステム２８に接続される。回転サブシステム２８は、Ｘ線源１２、コリメータ１４、及び検出器２２を、撮像されることになる領域の周りで１回又は複数回、回転させることができる。回転サブシステム２８は、ＣＴマンモグラフィシステムにおけるヒトの胸部のような撮像されることになる領域を受けるように適切に構成されたガントリを含むことができる。従って、システム制御装置２４を用いて、ガントリを動作させることができる。線形位置決めサブシステム２６は、撮像されることになる領域を直線的に移動させて、患者１８の特定領域の画像を生成することができる。

　更に、当業者には理解されるように、放射線源を、システム制御装置２４内に配置されたＸ線制御装置３０によって制御することができる。特に、Ｘ線制御装置３０は、電源信号及びタイミング信号をＸ線源１２に供給するように構成される。別の実施形態においては、放射線源１２、検出器アレイ２２、及びＸ線制御装置３０は適切な類似物を含む。モータ制御装置３２を用いて、回転サブシステム２８及び線形位置決めサブシステム２６の移動を制御することができる。

　更に、システム制御装置２４はまた、データ収集システム３４を備えた状態で示される。この例示的な実施形態において、検出器２２は、システム制御装置２４に、より具体的にはデータ収集システム３４に接続される。データ収集システム３４は、検出器２２の読み出し電子回路によって集められたデータを受け取る。一般に、データ収集システム３４は、検出器２２からサンプリングされたアナログ信号を受け取り、コンピュータ３６による後続の処理のために、データをデジタル信号に変換する。

　コンピュータ３６は、典型的には、システム制御装置２４に接続される。データ収集システム３４によって集められたデータを、コンピュータ３６に、更にメモリ３８に送ることができる。このような例示的なシステム１０では、大量のデータを格納するために任意の形式のメモリを使用することができる点を理解されたい。また、コンピュータ３６は、典型的には、キーボード及び他の入力装置を備えたオペレータ用ワークステーション４０を介して、オペレータからコマンド及び走査パラメータを受け取るように構成される。オペレータは、入力装置を介してシステム１０を制御することができる。このように、オペレータは、コンピュータ３６からの再構成された画像及びシステムに関連する他のデータを観察し、撮像を開始すること等ができる。

　オペレータ用ワークステーション４０に接続された表示装置４２を用いて、再構成された画像を観察し、撮像を制御することができる。更に、走査した画像を、コンピュータ３６及びオペレータ用ワークステーション４０に接続されるプリンタ４３で印刷することができる。更に、オペレータ用ワークステーション４０を、医用画像管理システム（ＰＡＣＳ）４４に接続することができる。異なる場所にいる他者が画像及び画像データにアクセスすることができるように、ＰＡＣＳ４４は、放射線情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）のような遠隔システム４６、或いは内部ネットワーク又は外部ネットワークに接続することができる点に留意されたい。

　コンピュータ３６及びオペレータ用ワークステーション４０は、標準用又は特殊用途のコンピュータ・モニタ及び関連する処理回路を含む他の出力装置に接続することができる点にも留意されたい。システム・パラメータの出力、検査の要求、画像の観察等のために、１つ又はそれ以上のオペレータ用ワークステーション４０がシステム内に接続されていてもよい。一般に、表示装置、プリンタ、ワークステーション、及びシステム内に提供されている同様の装置は、データ収集構成要素に対して構内にあってもよく、或いは、インターネット、仮想私設ネットワーク等のような一つ又はそれ以上の構成可能なネットワークを介して画像収集システムにリンクさせ、施設又は病院内の他の場所、又は全く別の場所等、これらの構成要素から離れた位置にあってもよい。

　図２を全体的に参照すると、本実施形態において用いられる例示的なイメージング・システムが、ＣＴマンモグラフィシステム５０として示される。図２は、ＣＴマンモグラフィ専用の幾何学的形状を示し、画像の収集は、女性がうつ伏せに試験テーブルの上に横たわり、彼女の胸部が下垂して穴の中に垂れ下がった状態で行われる。この構成において、ＣＴマンモグラフィシステム５０は、Ｘ線管及び検出器が水平面において胸部の周りを回転している状態で、該胸部の前頭面に生成された画像を収集する。従って、このＣＴマンモグラフィ構成により、周囲組織に対する不必要な被曝が阻止される。

　特に、ＣＴスキャンシステム５０は、回転軸５４を含むフレーム５２を備えて示される。回転軸５４は、正反対に配置された放射線源１２及び検出器アレイ２２によって定められた回転サーキット５６内にあり、該放射線源及び該検出器アレイは、回転サブシステム２８の一部を含む回転走査アーム又はロータ上に装着されている。検出器アレイ２２は、該アレイ２２上に弓形に配置された多数の検出器５８からなる。典型的な実施形態においては、回転軸５４は画像フィールドの中心にほぼ一致する。図２に示されるように、放射線源１２と検出器アレイ２２とは、回転軸５４から等距離である必要はない。

　図示された実施形態において、患者１８は患者用テーブル６２の上にうつ伏せに横たわる。この位置においては、患者１８の胸部６４が検査目的のために撮像用容積６６内に振り子式に配置される。胸部の周りの体は開口表面６８上で支持される。

　典型的な動作において、Ｘ線源１２は焦点から検出器アレイ２２に向けてＸ線ビームを投射する。検出器２２は、通常、撮像される領域内及びその周りを透過するＸ線を検出する複数の検出器素子５８で形成される。各検出器素子５８は、Ｘ線ビームが検出器５８に衝突する時の該素子の位置におけるＸ線ビームの強さを表す電気信号を生成する。更に、システム制御装置２４及びデータ収集システム３４を介して、コンピュータ３６が複数のＸ線写真像を集めることができるように、放射線源１２及び検出器アレイ２２を撮像される領域の周りで回転させる。このように、画像形成のために特定のモードにおいて３６０度より小さいか又は大きい投射を組み込むことができる画像すなわちスライスが収集される。放射線源１２及び検出器２２を、撮像される領域の周りで回転させることに加えて、線形位置決めサブシステム２６を用いて直線的に移動させ、撮像される領域、すなわち胸部６４の様々な水平面を撮像することができる。画像は、Ｘ線源１２の前方にある鉛シャッタ及び異なる検出器開口部２２のいずれかを用いて、所望の厚さまでコリメートされる。コリメータ１４（図１を参照）は、典型的には、Ｘ線源１２から出るＸ線ビームの寸法及び形状を定める。

　或いは、本構成においては、立体的ＣＴ（ＶＣＴ）撮像の幾何学的配置を用いることができる。ＶＣＴ撮像の幾何学的配置が存在する場合には、全ての水平面が並行して同時に収集され、すなわち、放射線源１２及び検出器２２は、撮像容積６６全体が瞬時に撮像されるように構成される。通常は、線形位置決めサブシステム２６には、このようなＶＣＴ撮像の構成は無い。このようなＶＣＴシステムにおいて収集されたＶＣＴ投影データは、全ての角度から撮られた従来のＸ線データと類似するものであり、ＶＣＴマンモグラフィシステムで収集及び分析することができる。

　従って、Ｘ線源１２及び検出器２２が回転するにつれて、該検出器２２は、減弱されたＸ線ビームのデータを集める。次に、検出器２２から集められたデータを前処理及び較正して、走査された被検体の減衰係数の線積分を表すように該データを調整する。次に、一般に投影と呼ばれる処理されたデータを、フィルタリング処理及び逆投影して、走査された領域の画像を形成する。上述のように、一般に、コンピュータ３６は、ＣＴシステム１０全体を制御するために用いられる。システム制御装置２４により可能となった特徴を制御するように、システムの動作を制御するメイン・コンピュータを適合させることができる。更に、オペレータ用ワークステーション４０は、再構成された画像を見ることができるように、コンピュータ３６及び表示装置に接続される。

　再構成されると、図１及び図２のシステムによって生成された画像は、患者１８の胸部６４の特徴を明らかにする。画像は、これらの特徴を示すために表示することができる。病態のような病状、より一般的には医学的事象を診断する従来の手法においては、放射線医又は医師が、画像６４の表示のハードコピーを検討し、関心のある特定の特徴を識別する。このような特徴は、病変や、しこり、微小石灰化、並びに個々の開業医の技能と知識に基づいて画像において識別可能な他の特徴を含むことができる。

　本技法は、ＣＡＤアルゴリズムによるこれらの能力の一部を実行するものである。当業者には理解されるように、ＣＡＤアルゴリズムは、生体組織の異常のような関心のある特定の特徴を識別し、又は少なくとも該特徴を局所化する可能性を提供し、このような特徴を区別して処理することができる。通常、特定のＣＡＤアルゴリズムは、識別されることになる特徴の種類、及び画像データを生成するのに用いられる断層撮影診断装置に基づいて選択される。ＣＡＤ技法は、エッジ、識別可能な構造、境界、色又は強度の変化又は遷移、分光情報の変化又は遷移等のような、既知の画像特性或いは予測される画像特性を参照することによって、関心のある特徴を識別するセグメント化アルゴリズムを用いることができる。ＣＡＤアルゴリズムによって、検出だけを容易にすることができ、又は更に診断をも容易にすることができる。後続の処理及びデータ収集は、完全に開業医の判断時になされ、また開業医の専門的知識に基づいている。

　ＣＡＤアルゴリズムは、幾つかの部品又はモジュールを含むものと見なすことができ、図３に示されるように、本技法においてこれらの全てを実施することができる。ブロック７２として示される断層撮影画像収集の後、ＣＡＤアルゴリズムが自動的に実行されて、収集された断層撮影画像データ集合を処理することができる。一般に、ＣＡＤアルゴリズムは、種々のモジュール又はサブルーチンを含むことができる。これらのモジュールは、断層撮影画像データ集合へのアクセス、データ又は画像のセグメント化（ブロック７４）、訓練（ブロック７６）、特徴の選択又は抽出（ブロック７８）、及び視覚化（ブロック８０）を含むことができる。ＣＡＤアルゴリズムの付加的なモジュールは、分類（ブロック８２）を含むことができる。更に、再構成前の収集投影データ集合、二次元の再構成されたデータ（軸方向モード及びスカウト・モードの両方において）、三次元の再構成されたデータ（容積データ又は多平面の再フォーマット）、又はこうしたフォーマットの適切な組み合わせに基づいて、ＣＡＤ処理を実行することができる。収集された投影データ集合は、二次元の走査に対する多数の一次元の投影、又は三次元の走査に対する多数の二次元の投影を有するものとすることができる。

　収集されたデータ又は再構成されたデータを用いて、セグメント化７４、特徴の選択７８、及び分類８２を視覚化８０の前に行なうことができる。これらの基本的プロセスは、並行して又は様々に組み合わせて行なうことができる。図３に示される種々のＣＡＤモジュールに加えて、全体のプロセスに影響を与える他のプロセスを本技法で提供することができる。例えば、断層撮影画像データの収集７２に影響を与える収集パラメータ８４を、オペレータによるか又は自動化された方法で与えることができる。このような収集パラメータ８４は、収集された断層撮影データ集合に影響を与える場合があり、したがって、用いられるＣＡＤプロセスの結果を左右することになる。同様に、患者の病歴、既知の生理学的体質、機器特有の問題、又は患者の感度及び気質のような種々の状況変数８６が、収集パラメータ８４の選択に寄与することができる。

　収集された投影データ集合は、二次元の走査に対する多数の一次元の投影、又は三次元の走査に対する多数の二次元の投影を有するものとすることができる。ＣＡＤアルゴリズムを実行する断層撮影データ集合は、生の画像収集データであってもよく、或いは部分的又は完全に処理されたデータであってもよい。例えば、このデータは、ＣＴ撮像における投影又はラドン範囲の画像収集データのような断層撮影データ源から生じたものであってもよく、単一又は複数の再構成された二次元画像、又は三次元の再構成された容積画像データのような診断用断層撮影データであってもよく、或いは生データ又は再構成されたデータの好適な組み合わせであってもよい。

　図４においてより詳細に示されるＣＡＤアルゴリズムのセグメント化部分７４は、断層撮影データ集合８８の全て又はその一部の計算された特徴に基づいて、特定の関心領域を識別することができる。関心領域を識別する前に、ブロック９０に示されるように、断層撮影データ８８を前処理することができる。前処理９０は、ダイナミックレンジの調整、コントラスト強調、ノイズ低減、平滑化、鮮明化、及び他の種類のフィルタリング処理（例えば、低域、高域、帯域）のような種々のデータ操作を含むことができる。

　前処理９０の後、データ集合全体を用いるか、又はしこりの可能性がある領域や、星状病変、又は微小石灰化のようなデータ集合の一部を用いて、関心領域を多くの方法で求めることができる。特定のセグメント化技法は、識別されることになる生体組織によって決まり、典型的には、反復しきい値化、Ｋ平均セグメント化、エッジ検出、エッジ連結、曲線の当てはめ、曲線の平滑化、二次元又は三次元の形態的フィルタリング、領域の増大、ファジィ・クラスター化、画像／容積の測定、経験則、知識ベース則、判断樹、神経ネットワーク等に基づくものとすることができる。ブロック９２に示されるように、セグメント化は手作業で行ってもよく、オペレータは選択機構及び表示された画像を用いて、差別的処理のために画像の１つ又はそれ以上の部分を選択することが可能となる。更に、自動セグメント化９４を用いることができ、しこりの形状及び寸法といった予備知識を用いて、関心領域を自動的に描くことができる。更に、手作業方法と自動化方法とを組み合わせて、半自動的セグメント化方法が可能になる。

　自動化方法と手作業方法との組み合わせが用いられる場合には、後処理段階９８を実行することができる。後処理９８は、手作業及び自動的なセグメント化プロセスの結果を調整するために、種々の組み合わせ技法を含むことができる。これらの組み合わせ技法は、しきい値の調整、外形の調整、及び他の微調整段階のためのような自動セグメント化プロセスによりもたらされる制御点の手作業の調整を含むことができる。セグメント化されたデータ集合９８は、セグメント化プロセス９２、９４及び随意的な後処理プロセスによりもたらされる。

　再び図３を参照すると、セグメント化されたデータ集合９８に対して、図５を参照することにより更に詳細に説明される特徴抽出を行なう。ＣＡＤアルゴリズムの特徴抽出の態様は、所望の画像を含むデータで計算を実行する段階を含む。形状、寸法、密度、及び曲率といった関心領域の統計値を用いて、画像ベースのデータから多数の特徴の基準を抽出することができる。投影空間データについては、あるビュー又は位置における特徴投影の位置、形状、又は寸法のような特徴を用いて、例えば、ビュー間に一貫性を与えることができる。非収集ベースのデータ又は患者の病歴のような患者ベースのデータ９９については、データ自体が特徴として機能する。

　例えば、図５に示されるように、ＣＡＤアルゴリズムと関連する典型的なプロセスは、セグメント化されたデータ集合９８の特徴の識別１００を含む。特徴識別プロセス１００は、形状、寸法、外見、強度、放射線密度、勾配、エッジ強度、位置、近接性、ヒストグラム、対称性、偏心率、配向、境界、モーメント、フラクタル次元、エントロピー等のような、関心のある特徴を表す多数の基準についてのセグメント化されたデータ９８を処理する。特徴識別プロセス１００は、更に、年齢、喫煙、家族歴、妊娠歴、体重、ＢＩＲＡＤ分類、遺伝子又はプロテオミクスのプロファイル、ホルモン状態等のような患者の病歴に関する情報についての患者データ９９を、しきい値又は重み係数を調整すること等により、該特徴識別プロセス１００の態様を重み付けすることができる要因のために処理することができる。

　次に、特徴選択データは、特徴評価プロセス１０２を経て、これにより、ＣＡＤアルゴリズムは、距離の基準に基づいた異なる分類グループの中への可分性に従って、選択された特徴を評価する。適当な距離の基準の例は、発散、バッタチャリアの距離及びマハラノビスの距離を含むが、当業者であれば、他の可能な距離基準について精通しているであろう。次いで、データ集合における評価された特徴は、特徴格付けプロセス１０４を経て、これにより該評価された特徴は、適用可能な距離基準に従って格付けされる。

　特徴格付けプロセス１０４に続いて、次元削減プロセス１０６により、相関する特徴が排除されるように、データ集合を処理することができる。この方法において、データ集合に存在する他の特徴と極めて相関関係があると判断される特徴を排除することにより、多数の識別された特徴を少数に削減することができる。この方法により、二重の分析を最小限に抑え、診断医による後続の再検討又は後続の自動プロセスに対して、該特徴集合を管理可能な数に削減することができる。

　相関する特徴が排除された後、特徴選択プロセス１０８が残りの特徴に適用される。典型的な特徴選択プロセス１０８は、格付けプロセス１０４から最も高く格付けされた特徴から始まる選択された特徴集合を生成することと、及び降順の格付けに基づいて該集合に特徴を付加することとからなる。幾つかの最適化基準又はアルゴリズムにより求められた特徴集合の性能が、もはや特徴の付加によっては改善されないときには、該特徴集合は決定され、付加的な特徴は該セットに付加されなくなる。

　前述の特徴抽出プロセスの一部又は全ての生成物は、特徴処理データ集合１１０であり、図３を参照すると、これは次に視覚化８０を受けることができる。ＣＡＤアルゴリズムの視覚化プロセス８０により、人間又は機械の観察者による再検討のために有用な画像を再構成することが可能になる。このようにして、ＣＡＤアルゴリズムによって実行された処理及びモジュールのいずれか又は全てに基づいて、様々な種類の画像を、主治医又はこのような情報を必要とする他の誰に対しても提示することができる。ＣＡＤプロセスは、差別的方法で断層撮影データ集合８８の全て又はその一部に適用することができることから、その結果は別々に表示するか、或いは単一の画像として合成して表示することができる。このような単一画像の合成は、セグメント化プロセスを単純化することによりＣＡＤから得られる利点を改善すると共に、再検討されることになるデータの量又は複雑さを増大させることが無い。

　視覚化８０は、二次元又は三次元のレンダリングや、特徴マーカーの重ね合わせ、色又は強度の変化等を含むことができる。重ね合わされたマーカーは、特徴の分類、分類に関連する確率、該特徴の三次元の位置情報のような情報を、再構成された解剖学的データを不明瞭にすることなく伝達することができる。更に、マーカーは表示されるポインタ又はテキストからなるが、更にまた、色分けされたオーバーレイ、色又は強度の変化、或いはオペレータにより認識され及び理解される他の任意の追加物を含むことができる。典型的には、ＣＡＤは、このようなマーカーを多数のデータのいずれかにおいて表示する能力を与える。これにより、再検討者は、様々な程度又は種類のセグメント化プロセス、特徴抽出プロセス、又は分類プロセスのような、一連のＣＡＤ演算による結果が重ね合わされた単一のデータ又は画像だけを見ることが可能となる。このような場合においては、マーカーは、色又は形状等によって区別することができ、その結果、再検討者が、どの演算がマーカーを生成したかを判断することができるようになる。

　上述の特徴局所化段階に加えて、図３に示され、図６においてより詳細に示される随意的な特徴分類プロセス８２を用いて、更に、特徴診断をＣＡＤアルゴリズムの一部として実行することができる。特徴分類プロセス８２は、断層撮影データ集合の選択された特徴を、正常及び異常病変に範疇分けすることができる。ＣＡＤアルゴリズムの分類の態様も同様に、部分的に又は完全に手作業又は自動化することができる。特に、分類アルゴリズムを用いて、正常又は異常な生体組織或いは病変に分類すること等によって、関心領域を具体的に識別することができる。分類のために、とりわけ、ベイズ分類器、神経ネットワーク、規則ベースの方法、又はファジィ論理技術を用いることができる。１つより多いＣＡＤアルゴリズムを並行して用いることができる点に留意されたい。該並行動作は、画像データの一部分に対してＣＡＤ演算を個別に実行する段階と、全てのＣＡＤ演算の結果を組み合わせる（論理的に「ａｎｄ」又は「ｏｒ」演算、或いは両方）段階とを含むことができる。更に、多数の病態又は関心のある生体組織の特徴を検出するＣＡＤ演算を連続して又は並行して実行することができる。

　ここで図６を参照すると、特徴分類プロセス８２の一部を含むことができる１つ又はそれ以上のプロセスが示されている。最初に、特徴抽出プロセス７８からもたらされた特徴処理データ１１０は、特徴の正規化１１２を受ける。特徴正規化プロセス１１２は、既知の正常及び異常な関心のある症例のデータベースから生じた基準に対して、特徴の基準を正規化する。訓練プロセス７６を利用して、特徴正規化プロセス１１２を訓練し、前の知識及び経験に基づく分類プロセスを改善させることができる。

　次に、正規化された特徴データは、特徴カテゴリ化１１４を受け、これにより、該特徴は、それぞれの正規化された特徴の基準に基づいてグループ化され又はクラスタ化される。グループ化は、判断樹分析、判別関数分析、ベイズの最小危険法、クラスタ化技術、類似性尺度手法等を含む種々の方法により実行することができる。クラスタ化された特徴は、次いで、特徴ラベリングプロセス１１６において、コードにマーカーを挿入することによりラベル付けされる。特徴分類プロセス８２の結果は特徴が分類されたデータ集合１１８であり、これは次に再検討のために視覚化８０を受けることができる。

　図３に示されるように、訓練プロセス７６により、上述の特徴抽出プロセス７８及び特徴分類プロセス８２の両方を、修正又は改善することができる。訓練プロセス７６は、特徴抽出プロセス７８の多くのプロセスを利用して、既知の正常及び異常病変のサンプルを処理する。これにより、訓練プロセス７６は、従来の知識を特徴抽出プロセス７８に組み込む。訓練プロセス７６に利用可能な従来の知識は、訓練パラメータ１１９の形態で提供されることができ、該パラメータは、エキスパート入力、収集パラメータ８４、状況変数８６、及び例えば生検のような別の手法結果を含むことができるが、これらに限定されない。

　例えば、訓練プロセス７６は、既知の正常及び異常病変のサンプルから幾つかの候補特徴を計算することができる。次に、特徴選択アルゴリズムを用いて、有用な情報をもたらさない候補特徴、又は冗長な情報をもたらす候補特徴を捨て、有用な候補特徴だけを保持するようにすることができる。候補特徴の保持又は廃棄の決定は、候補特徴の様々な組み合わせを用いた分類結果に基づくものである。データ集合の次元の削減、すなわち、冗長な候補特徴を廃棄することは、計算時間を短縮し、格納及びデータ伝送に関連するオーバーヘッドを低減するという実用的な利点を有する。生じた特徴集合は、特徴評価１０２及び特徴格付け１０４に関して上述された１つ又はそれ以上の距離の基準を用いて、正常病変と異常病変との間の最適な差別化に基づいている。この最適な特徴集合は、次に、ＣＡＤシステムにおける関心領域上で抽出されて、特徴抽出プロセス７８を改善することができる。

　上記のように、ＣＡＤ処理は、再構成の前の収集投影データ集合上か、二次元再構成データ上か、又は三次元再構成データ上で実行することができ、或いはこのようなフォーマットの適切な組み合わせを実行することができる。また、この処理は、種々の並行パスが相互作用するか又は互いに影響を及ぼすことができるように、並行して実施することができる。例えば、図７に示されるように、別々のＣＡＤ処理パスを、典型的なＣＴの実施形態の技法によって生成された収集投影データ１２０、再構成スライス画像データ１２２、及び再構成された画像容積データ１２４に対して並行して実施することができる。収集投影データ１２０のセグメント化７４により取得された情報は、スライス画像データ１２２又は画像容積データ１２４を再構成する再構成プロセス１２５において利用されるか、又はこれらそれぞれのデータ集合１２２、１２４のセグメント化７４に影響を与えることができる。再構成されたスライス画像データ１２２のセグメント化から取得された情報は、再構成された画像容積データ１２４、或いは収集された投影データ１２０又は再構成された画像容積データ１２４のセグメント化７４に影響を与えることができる。同様に、再構成された画像容積データ１２４のセグメント化も、並行パスにおいて同様の結果を有することができる。更に、並行処理パスのいずれかの特徴抽出７８及び特徴分類８２は、残りのパスのいずれかに影響を与えるか又は影響を及ぼすことができる。

　例えば、図８に示されるように、収集された投影データ１２０は、胸部６４を透過することができる透過放射線２０を検出器アレイ２２により測定することによって取得することができる。胸部６４内の微小石灰化のような特徴１２６は、ピクセル位置１２８で測定された透過放射線２０に差別的に影響を及ぼす。放射線源１２及び検出器アレイ２２が回転軸５４の周りを回転すると、ピクセル位置１２８で測定されたような特徴１２６は、ビュー角度を表す縦軸１３４及び−ｍからｍまでの検出器の数を表す横軸１３４を利用して、図９で表されるようにラドン空間内に正弦波トレースを形成することになる。このような正弦波トレース１３０の存在は、収集された投影データ１２０をセグメント化するのに利用することができるが、更に、再構成されたスライス画像データにおける特徴のセグメント化を向上又は改善させることができ、従って、再構成された容積画像データに対しても同様とすることができる。

　従って、正弦波トレース１３０の識別は、図１０においてはスライス再構成１３６として表される再構成されたスライス画像データの差別的処理、或いは図１１においては胸部６４及び胸壁１４０の三次元レンダリング１３８の差別的処理を可能にすることができる。特に、収集された投影データの処理パスにおける正弦波トレース１３０の識別は、残りのパスにおけるセグメント化アルゴリズム７４、特徴抽出アルゴリズム７８、又は分類アルゴリズム８２を改善させることができ、その結果、それぞれのプロセスにおいて、この各アルゴリズムは位置決め、抽出又は分類特徴１２６に対してより敏感になる。同様に、再構成されたスライス画像データ１２２又は再構成された画像容積データ１２４においてより容易に識別可能である特徴１２６は、残りの処理パスのセグメント化、抽出、又は分類プロセスの感度を高めるように機能することができる。このようにして、収集された断層撮影データの利点を十分に利用することができる。

　本発明は、種々の変更形態及び代替形態をとる余地があるが、具体的な実施形態を例示として図面に示すと共に、本明細書に詳細に説明してきた。しかしながら、本発明は、開示された特定の形態に限定されることを意図していないことを理解されたい。むしろ、本発明は、特許請求の範囲により定義される本発明の精神及び範囲内に属する全ての変更形態、均等形態、及び代替形態を含む。

本技法の態様による処理された画像を生成するのに用いるためのＣＴイメージング・システムの形態の例示的なイメージング・システムの概略図。 図１のＣＴマンモグラフィシステムの物理的な実施形態の概略図。 断層撮影マンモグラフィデータのＣＡＤ処理を実行するための例示的な段階を示すフローチャート。 ＣＡＤプロセスにより実行されるセグメント化プロセスの例示的な段階を示すフローチャート。 ＣＡＤプロセスにより実行される特徴抽出プロセスの例示的な段階を示すフローチャート。 ＣＡＤプロセスにより実行される特徴分類プロセスの例示的な段階を示すフローチャート。 ＣＡＤプロセスにより収集され再構成された断層撮影データの並行処理を示すフローチャート。 ＣＴマンモグラフィシステムによる断層撮影画像収集の概略図。 走査された異常により生じた正弦波トレース形態のＣＴの収集投影データ。 図９の投影データから再構成された二次元スライスデータ。 図９の投影データから再構成された三次元レンダリング。

符号の説明

　１０　イメージング・システム
　１２　放射線源
　１４　コリメータ
　１６　放射線流
　１８　患者
　２０　放射線の一部／透過放射線
　２２　検出器アレイ
　２４　システム制御装置
　２６　線形位置決めサブシステム
　２８　回転サブシステム
　３０　Ｘ線制御装置
　３２　モータ制御装置
　３４　データ収集システム
　３６　コンピュータ
　３８　メモリ
　４０　オペレータ用ワークステーション
　４２　表示装置
　４３　プリンタ
　４４　医用画像管理システム
　４６　遠隔システム
　５０　ＣＴ胸部走査システム
　５２　フレーム／ハウジング
　５４　回転軸
　５６　回転サーキット
　５８　検出器素子
　６２　患者用テーブル
　６４　胸部
　６６　撮像容積
　６８　開口表面
　７２　断層撮影画像収集
　７４　セグメント化
　７６　訓練
　７８　特徴抽出
　８０　視覚化
　８２　分類
　８４　収集パラメータ
　８６　状況変数
　８８　断層撮影データ
　９０　前処理
　９２　手作業のセグメント化
　９４　自動セグメント化
　９６　後処理
　９８　セグメント化されたデータ
　９９　患者データ
　１００　特徴の識別
　１０２　特徴の評価
　１０４　特徴の格付け
　１０６　次元の削減
　１０８　特徴の選択
　１１０　特徴処理データ
　１１２　特徴の正規化
　１１４　特徴のカテゴリ化
　１１６　特徴のラベリング
　１１８　特徴分類データ
　１１９　訓練パラメータ
　１２０　投影データ
　１２２　再構成スライス画像データ
　１２４　再構成画像容積データ
　１２６　特徴
　１２８　ピクセル位置
　１３０　正弦波トレース
　１３２　ピクセル位置軸
　１３４　角位置軸
　１３６　スライス再構成
　１３８　三次元レンダリング
　１４０　胸壁

Claims (40)

1. 　断層撮影システムにより収集されたマンモグラフィデータを分析するための方法であって、
   　断層撮影データ集合（８８）を断層撮影マンモグラフィシステム（１０）から収集し（７２）、
   　前記断層撮影データ集合（８８）を１つ又はそれ以上のセグメント化されたデータ集合（９８）へとセグメント化し（７４）、
   　前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の１つ又はそれ以上の特徴を処理して（７８）、１つ又はそれ以上の特徴処理データ集合（１１０）を生成し、
   　前記１つ又はそれ以上の特徴処理データ集合（１１０）を再検討者に提供する（８０）、
   ことを含む方法。
2. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）をコンピュータ断層撮影マンモグラフィシステム（５０）から収集する（７２）ことを含む請求項１に記載の方法。
3. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）をＰＥＴマンモグラフィシステムから収集する（７２）ことを含む請求項１に記載の方法。
4. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）を熱音響マンモグラフィシステムから収集する（７２）ことを含む請求項１に記載の方法。
5. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）を核医学胸部イメージング・システムから収集する（７２）ことを含む請求項１に記載の方法。
6. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）を電気インピーダンス・マンモグラフィシステムから収集する（７２）ことを含む請求項１に記載の方法。
7. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）を近赤外線マンモグラフィシステムから収集する（７２）ことを含む請求項１に記載の方法。
8. 　前記断層撮影データ集合（８８）を収集する（７２）ことが、前記断層撮影データ集合（８８）をＸ線トモシンセシス・マンモグラフィシステムから収集する（７２）ことを含む請求項１に記載の方法。
9. 　前記断層撮影データ（８８）をセグメント化する（７４）ことが、前記断層撮影データ（８８）を、オペレータにより、１つ又はそれ以上の領域の手作業の描写に基づいてセグメント化する（７４）ことを含む請求項１に記載の方法。
10. 　前記断層撮影データ（８８）をセグメント化する（７４）ことが、前記断層撮影データ（８８）を、自動的アルゴリズムにより、１つ又はそれ以上の領域の自動的描写に基づいてセグメント化する（７４）ことを含む請求項１に記載の方法。
11. 　前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の１つ又はそれ以上の特徴を処理する（７８）ことが、１つ又はそれ以上の特徴を前記１つ又はそれ以上のセグメント化されたデータ集合（９８）から抽出する（１００）ことを含む請求項１に記載の方法。
12. 　前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の１つ又はそれ以上の特徴を処理する（７８）ことが、距離の基準を用いて１つ又はそれ以上の特徴を評価すること（１０２）と、前記距離の基準に基づいて前記特徴を格付けすること（１０４）と、相関程度に基づいて１つ又はそれ以上の特徴を排除すること（１０６）と、性能アルゴリズムを用いて選択された特徴集合を最適化して（１０８）、前記１つ又はそれ以上の特徴処理データ集合を生成することのうち少なくとも１つを更に含む請求項１１に記載の方法。
13. 　処理システム（３６）を訓練して（７６）、前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の前記１つ又はそれ以上の特徴を処理する（７８）ことを更に含む請求項１１に記載の方法。
14. 　各々の特徴の１つ又はそれ以上の特徴の基準に基づいて、前記１つ又はそれ以上の特徴処理データ集合（１１０）の前記１つ又はそれ以上の特徴の各々を分類して（８２）、前記１つ又はそれ以上の特徴処理データ集合（１１０）を生成することを更に含む請求項１に記載の方法。
15. 　前記１つ又はそれ以上の特徴を分類する（８２）ことが、既知の正常及び異常な特徴の２つ又はそれ以上の従来の基準に基づいて前記特徴の基準を正規化する（１１２）ことと、該正規化された特徴の基準に基づいて前記１つ又はそれ以上の特徴をグループ化する（１１４）ことと、１つ又はそれ以上の特徴のグループをラベル付けする（１１６）ことを含む請求項１４に記載の方法。
16. 　前記１つ又はそれ以上の特徴をグループ化する（１１４）ことと、前記グループをラベル付けする（１１６）ことの少なくとも１つが、１つ又はそれ以上の格納されたデータ集合を利用して自動的アルゴリズムにより行われる請求項１５に記載の方法。
17. 　前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供する（８０）ことが、再検討のために、前記１つ又はそれ以上の特徴処理データ集合（１１０）をオペレータに表示することを含む請求項１に記載の方法。
18. 　前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供する（８０）ことが、更に別の処理及び分析の少なくとも１つについて、前記１つ又はそれ以上の特徴処理データ集合（１１０）を、後続する自動的プロセスに提供することを含む請求項１に記載の方法。
19. 　前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供する（８０）ことが、１つ又はそれ以上のマーカーを前記特徴処理データ集合（１１０）に重ね合わせることを含む請求項１に記載の方法。
20. 　前記１つ又はそれ以上のマーカーが、特徴の分類、分類の確率、及び三次元位置の少なくとも１つを伝達する請求項１９に記載方法。
21. 　断層撮影マンモグラフィシステム（１０）であって、
    　一般に検出器（２２）を備えた断層撮影スキャナと、
    　システム制御装置（２４）により前記断層撮影スキャナと作動可能に接続され、且つメモリ要素（３８）とオペレータ用ワークステーション（４０）と1つ又はそれ以上の出力装置（４２、４３）とに作動可能に接続されたコンピュータシステム（３６）と、
    を備え、前記コンピュータシステム（３６）が、断層撮影データ集合（８８）を前記断層撮影スキャナから収集し（７２）、前記断層撮影データ集合（８８）を１つ又はそれ以上のセグメント化されたデータ集合（９８）にセグメント化し（７４）、前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の１つ又はそれ以上の特徴を処理して（７８）、１つ又はそれ以上の特徴処理データ集合（１１０）を生成し、前記１つ又はそれ以上の特徴処理データ集合（１１０）を再検討者に提供する（８０）ように構成される、
    ことを特徴とする断層撮影マンモグラフィシステム（１０）。
22. 　前記断層撮影スキャナが放射線源（１２）を更に備える請求項２１に記載のシステム。
23. 　前記放射線源（１２）が注入された放射線ヌクレオチドである請求項２２に記載のシステム。
24. 　前記断層撮影スキャナがＰＥＴマンモグラフィシステムである請求項２３に記載のシステム。
25. 　前記断層撮影スキャナが核医学胸部イメージング・システムである請求項２３に記載のシステム。
26. 　前記断層撮影スキャナがコンピュータ断層撮影マンモグラフィシステムで（５０）ある請求項２２に記載のシステム。
27. 　前記断層撮影スキャナが熱音響マンモグラフィシステムである請求項２２に記載のシステム。
28. 　前記断層撮影スキャナが電気インピーダンス・マンモグラフィシステムである請求項２２に記載のシステム。
29. 　前記断層撮影スキャナが近赤外線マンモグラフィシステムである請求項２２に記載のシステム。
30. 　前記断層撮影スキャナがＸ線トモシンセシス・マンモグラフィシステムである請求項２２に記載のシステム。
31. 　前記コンピュータシステム（３６）が、オペレータ用ワークステーション（４０）におけるオペレータにより、１つ又はそれ以上の領域の手作業の描写に基づいて前記断層撮影データ集合（８８）をセグメント化するように構成された請求項２１に記載のシステム。
32. 　前記コンピュータシステム（３６）が、格納されたアルゴリズムにより、１つ又はそれ以上の領域の計算された描写に基づいて前記断層撮影データ集合（８８）をセグメント化するように構成された請求項２１に記載のシステム。
33. 　前記コンピュータシステム（３６）が、１つ又はそれ以上の特徴を前記１つ又はそれ以上のセグメント化されたデータ集合（９８）から抽出することにより、前記１つ又はそれ以上のセグメント化されたデータ集合（９８）の１つ又はそれ以上の特徴を処理する（７８）ように構成された請求項２１に記載のシステム。
34. 　前記コンピュータシステム（３６）が、距離の基準を用いて１つ又はそれ以上の特徴を評価し（１０２）、前記距離の基準に基づいて前記特徴を格付けし（１０４）、相関程度に基づいて１つ又はそれ以上の特徴を排除し（１０６）、性能アルゴリズムを用いて選択された特徴集合を最適化して（１０８）、前記１つ又はそれ以上の特徴処理データ集合（１１０）を生成するように更に構成された請求項３３に記載のシステム。
35. 　前記コンピュータシステム（３６）が、各々の特徴の１つ又はそれ以上の特徴の基準に基づいて、前記１つ又はそれ以上の特徴処理データ集合（１１０）の前記１つ又はそれ以上の特徴の各々を分類して（８２）、前記１つ又はそれ以上の特徴処理データ集合（１１０）を生成するように更に構成された請求項２１に記載のシステム。
36. 　前記コンピュータシステム（３６）が、既知の正常及び異常な特徴の２つ又はそれ以上の従来の基準に基づいて前記特徴の基準を正規化し（１１２）、該正規化された特徴の基準に基づいて前記１つ又はそれ以上の特徴をグループ化し（１１４）、１つ又はそれ以上の特徴のグループをラベル付けする（１１６）ことにより、前記１つ又はそれ以上の特徴を分類する（８２）ように構成された請求項３５に記載のシステム。
37. 　前記コンピュータシステム（３６）が、１つ又はそれ以上の出力装置（４２、４３）を介して、前記１つ又はそれ以上の特徴処理データ集合（１１０）をオペレータに表示することにより、前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供する請求項２１に記載のシステム。
38. 　前記コンピュータシステム（３６）が、更に別の処理及び分析の少なくとも１つについて、前記１つ又はそれ以上の特徴処理データ集合（１１０）を、前記コンピュータ（３６）内又は遠隔クライアント（４６）上に配置された後続する自動的プロセスに提供することにより、前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供する（８０）請求項２１に記載のシステム。
39. 　前記コンピュータシステム（３６）が、前記１つ又はそれ以上の特徴処理データ集合（１１０）を前記再検討者に提供して（８０）、１つ又はそれ以上のマーカーが前記特徴処理データ集合（１１０）上に重ね合わされるようになっている請求項２１に記載のシステム。
40. 　前記１つ又はそれ以上のマーカーが特徴の分類、分類の確率、及び三次元位置の少なくとも１つを伝達する請求項３９に記載のシステム。

Images