JP2004105737A

JP2004105737A - 心臓磁気共振潅流データのための統合的画像記録方法

Info

Publication number: JP2004105737A
Application number: JP2003325063A
Authority: JP
Inventors: Ravi Bansal; ラヴィ　バンサル; Gareth Funka-Lea; ギャレス　ファンカ−リー
Original assignee: Siemens Corporate Research Inc
Current assignee: Siemens Corporate Research Inc
Priority date: 2002-09-17
Filing date: 2003-09-17
Publication date: 2004-04-08
Also published as: CN100401978C; US20040052409A1; CN1494870A; NL1024314A1; NL1024314C2; US7127093B2

Abstract

【課題】心筋、心内膜および／または心外膜をＭＲ画像シーケンスで自動的にセグメント化するためのアプローチを提供する。
【解決手段】複数のピクセルを有する第１の画像上に対象輪郭領域を設定し、
　前記第１の画像以外の時間に相応して第２の画像を受信し、
　ピクセル強度を第２の画像に対して計算し、
　エッジパラメータを前記第１の画像および第２の画像の少なくとも１つに対して評価し、
　前記第１の画像と第２の画像との間のテンプレートマッチを計算し、
　ピクセル位置のペアを、前記第１の画像および第２の画像の少なくとも１つから前記テンプレートマッチに相応して選択し、
　評価されたエッジパラメータを前記計算されたテンプレートマッチに相応して、前記第１の画像の前記選択された個所と前記第２の画像の前記選択された個所とのピクセル値ペアに対して記録し、
　変化したピクセル位置を前記記録に相応して検知する。
【選択図】図１

Description

　本発明は、心臓磁気共振潅流データの統合的画像記録方法に関する。

　対象物検出および／または対象物認知のための外観ベースの方法では、対象物を表わす画像のセグメント化が、画像シーケンスを時間ごとにキャプチャする間にダイナミックに運動することによって複雑化する。その適用例は、心臓潅流画像データのセグメント化である。

　虚血性心臓疾患、心臓への血流障害は典型的には肥満またはプラーク堆積から生じる。これらは酸素血流を心臓に供給する血管を狭窄化する。心臓に供給される血液が減少することは典型的には、心筋（ＭＣ）への血液潅流の低下として現れる。医学的に心筋潅流測定は日常的に、シングルフォトン放射コンピュータトモグラフ（ＳＰＥＣＴ）画像および／または陽電子放射トモグラフ（ＰＥＴ）画像により実行される。これら既存の技術の欠点および制限は空間的解像度の低いこと、ＳＰＥＣＴの減衰アーティファクトおよびＰＥＴの適用性の制限である。

　磁気共振（ＭＲ）画像を使用した心筋潅流分析は大きな将来性を有しており、血流を量的に分析することができる。ＭＲ潅流分析では典型的には６０から１００の単軸の心臓２次元（２Ｄ）ＭＲ画像が、造影剤を血液に注入した後にキャプチャされる。残念なことに心臓は鼓動しているから、キャプチャされたＭＲ画像のコントラストは典型的には急速に変化する。造影剤は右心室（ＲＶ）から左心室（ＬＶ）へ流れ、心筋へ潅流する。

　潅流分析を実行するためには、心筋を潅流スキャンでキャプチャされたすべてのＭＲ画像にセグメント化する必要がある。心筋をすべてのＭＲ画像にセグメント化することは現在、マニュアルで実行され、熟練者の技術を必要とする。このことは時間の掛る面倒な作業であり、典型的には各スキャンで６０から１００の画像が存在する。この問題は、画像のコントラストが急速に変化するためますます複雑となる。造影剤がＬＶにあれば、血液貯留が増白し、心筋の内壁、すなわち心内膜をセグメント化するのが容易になる。しかし造影剤がＬＶにないと、心内膜のセグメント化は非常に困難である。

　心臓の外境界、すなわち心外膜のセグメント化はスキャンでキャプチャされたすべての画像において常に困難である。コントラストが変化することに加えて、患者の呼吸および／または呼吸による心臓形状の変化による総体運動がある。

　従って必要なのは、心筋、心内膜および／または心外膜をＭＲ画像シーケンスで自動的にセグメント化するためのアプローチである。

　この課題は本発明より、複数のピクセルを有する第１の画像上に対象輪郭領域を設定し、
　前記第１の画像以外の時間に相応して第２の画像を受信し、
　ピクセル強度を第２の画像に対して計算し、
　エッジパラメータを前記第１の画像および第２の画像の少なくとも１つに対して評価し、
　前記第１の画像と第２の画像との間のテンプレートマッチを計算し、
　ピクセル位置のペアを、前記第１の画像および第２の画像の少なくとも１つから前記テンプレートマッチに相応して選択し、
　評価されたエッジパラメータを前記計算されたテンプレートマッチに相応して、前記第１の画像の前記選択された個所と前記第２の画像の前記選択された個所とのピクセル値ペアに対して記録し、
　変化したピクセル位置を前記記録に相応して検知することによって解決される。

　本発明のシステムは、エッジパラメータを評価するための評価ユニットと、この評価ユニットと信号通信し、エッジパラメータを第１入力画像のピクセルと第２入力画像のピクセルとの間のテンプレートマッチに相応して記録するための記録ユニットと、前記評価ユニットおよび前記記録ユニットと信号通信し、前記第２入力画像のエントロピーが上昇する場合、変化したピクセル位置を前記記録に相応して検出するためのＣＰＵとを有する。

　心臓磁気共振潅流データを統合画像記録するため相応の方法は、対象物の輪郭領域を複数のピクセルを有する第１画像に供給し、第２画像を前記第１画像の時間以外の時間に相応して受信し、第２画像に対するピクセル強度を計算し、前記第１画像と第２画像の少なくとも１つに対するエッジパラメータを評価し、前記第１画像と第２画像との間のテンプレートマッチを計算し、ピクセル位置ペアを前記第１画像および第２画像の少なくとも１つから前記テンプレートマッチに相応して選択し、評価されたエッジパラメータを前記計算されたテンプレートマッチと相応して、前記第１画像の前記選択された位置におけるピクセル値ペアと、前記第２画像の前記選択された位置におけるピクセルペア値とに対して記録し、変化したピクセル位置を前記記録に相応して検出するのである。

　本発明は、心筋（ＭＣ）をセグメント化するための統合画像記録アルゴリズムを提供する。心臓の磁気共振（ＭＲ）画像シーケンスは造影剤の注入後にキャプチャされる。心筋への造影剤の潅流分析にはＭＣをキャプチャされた各画像にセグメント化することが必要である。このセグメンテーションタスクは、画像のコントラストが急速に変化するためとりわけ困難である。相応にして本発明は情報記録フレームワークを提供するものであり、これは２チャンネルの情報、すなわちピクセル強度と位置勾配情報とを統合し、心筋を確実かつ精確にセグメント化する。

　図１は、本発明の実施例による心臓磁気共振潅流データを使用した統合画像記録のためのシステム１００のブロック回路図を示す。システム１００は少なくとも１つのプロセッサまたはＣＰＵ１０２を有し、システムバス１０４と信号通信する。読み出し専用メモリ（ＲＯＭ）１０６，ランダムアクセスメモリ（ＲＡＭ）１０８，ディスプレイアダプタ１１０，Ｉ／Ｏアダプタ１１２，ユーザインタフェースアダプタ１１４，通信アダプタ１２８，および画像アダプタ１３０もシステムバス１０４と信号通信する。ディスプレイユニット１１６はシステムバス１０４とディスプレイアダプタ１１０を介して信号通信する。ディスク記憶ユニット１１８，例えば磁気的または光学的ディスク記憶ユニットがシステムバス１０４とＩ／Ｏアダプタ１１２を介して信号通信する。マウス１２０，キーボード１２２，および眼球追跡デバイス１２４がシステムバス１０４とユーザインタフェースアダプタ１１４を介して信号通信する。磁気共振画像デバイス１３２はシステムバス１０４と画像アダプタ１３０を介して信号通信する。エッジ評価ユニット１７０および画像記録ユニット１８０もシステム１００に含まれており、ＣＰＵ１０２およびシステムバス１０４と信号通信する。評価ユニット１７０と記録ユニット１８０は少なくとも１つのプロセッサまたはＣＰＵ１０２と結合して図示されているが、これらのコンポーネントは有利にはコンピュータプログラムコードの形態で実現され、メモリ１０６，１０８および１１８の少なくとも１つに記憶される。このコンピュータプログラムコードはＣＰＵ１０２により実行される。当業者であれば理解できるように択一的実施例も可能である。例えばコンピュータプログラムコードの一部またはすべてをプロセッサチップ１０２に配置されたレジスタに実現することもできる。当業者であれば本発明の枠内で評価ユニット１７０および記録ユニット１８０、およびシステム１００の他のエレメントを改善することができる。

　図２で参照番号２００は、システマチックデータの画像フレームの２つのシーケンスを示す。ここではピクセル強度が急速に変化し、かつサブピクセルが右へシフトする。従って画像の第１列、フレーム２１０から２１８はそれぞれテンプレートマッチングに基づく相互情報（ＭＩ）を使用して得られた結果を示し、ここではサブピクセルのシフトがないことが前提とされている。記録はピクセル強度だけを使用して実行された。そしてダウンカウンタは対象物領域（ＲＯＩ）だけを特定するために使用された。この仮定の下で、サブピクセルが累積的に急速にドリフトすると、シーケンスの終了部に向かっての顕著なシフトが生じる。これはフレーム２１８に示されている。画像の第２列、フレーム２２０から２２８はそれぞれテンプレートマッチングに基づくＭＩを使用して得られた結果である。ここでもサブピクセルがシフトしないことを前提としている。しかしここでは記録がエッジ情報を、ピクセル強度に加えて使用することにより実行された。またダウンカウンタはＲＯＩだけを特定するために使用された。エッジ情報による記録を使用したフレーム２２０から２２８は明らかにより精確である。

　図３では、参照番号３００により、深く鎮静された犬について得られた実際のＭＲ潅流データのフレームの２つのシーケンスが示されている。犬は深く鎮静されているので大きな動きは予測されない。画像の第１シーケンス、３１０から３２０は相互情報だけに基づくピクセル強度を使用して得られた結果を示す。これは図２の第１シーケンスのフレーム２１０から２１８に類似しているが、図２で選択された画像はサブピクセルシフトと急速なピクセル強度変化との合成データのシーケンスからのものである。図３の画像の第１シーケンスは、相互情報にだけ基づくグレースケールを使用して得られた結果である。全体ピクセルシフトだけを評価しているにもかかわらず、相互情報に基づくストラテジーは心筋をこの例で精確に位置決めしていることが視覚的に分る。画像の第２列、フレーム３２２から３３２は、サブピクセル精度によるストラテジーに基づくＭＩを使用して得られた結果を示す。ここではサブピクセルシフトも評価されている。残念なことに、サブピクセルシフトの評価は問題となる。これは例えば画像３３２にドリフトによって心筋が示されている。

　フレーム３１０から３２０の全体ピクセルＭＩだけのストラテジーは例では良好で十分に機能するが、図２のフレーム２１０から２１８の結果はサブピクセルシフトが大きなドリフトとなることを示している。このことは、サブピクセルシフトを評価するストラテジーに基づく相互情報は心筋の精確の評価につながることを示唆するものである。従ってこの仮説をテストするために、サブピクセルシフトを評価するストラテジーに基づく相互情報が実現された。しかし図３のフレームの第２シーケンス、３２２から３３２は、サブピクセルシフトの評価が試みから得られた結果は不正確であることを示し、サブピクセルシフトの評価では、評価された心筋にドリフトが生じる。このことが生じるのは、２つのランダム変数ｆとｙ（式３１により定義されるＩ（ｆ；ｙ））との間の相互情報（ｆ；ｙ）が、ジョイントエントロピーＨ（ｆ；ｙ）を最小にしようとする間に、マージナルエントロピーＨ（ｙ）を最小にしようと試みるという事実のためである。

　サブピクセルシフトを評価するためにはピクセル強度の補間が必要である。補間はイメージを効率的にスムージングし、従ってマージナルエントロピーＨ（ｙ）を低減する。スムージングによるマージナルエントロピーの低下を補償するために、アルゴリズムはオプション位置にシフトする。ここではピクセル強度により多くの変化がある。この結論は、輪郭の顕著なシフトが画像中にコントラストのないところだけで見られたという事実によりサポートされる。画像中にコントラストがないとき、すなわちすでに高いマージナルエントロピーＨ（ｙ）が存在するとき、輪郭のスプリアスシフトが存在しない。サブピクセルシフトの評価は、コントラストが急激に変化しているデータ中にスプリアスドリフトを引き起こすことがあるから、全体ピクセルシフトだけを評価することにした。しかしサブピクセルシフトによるドリフトを考慮するために、例証システムは情報の第２チャネルをエッジ情報の形態で取り入れ、心筋の輪郭を引き出した。

　図２の第２列は組合せストラテジーを使用して得られた結果を示す。ここでは全体ピクセルシフトだけが評価されており、記録フレームワークでのエッジ情報は輪郭を各数フレームごとに正しい位置へ引き出し、サブピクセルシフトは累積されていないことに注意されたい。

　次の図４を参照すると、参照番号４００は実際の患者ＭＲ潅流シーケンスでの統合的記録アルゴリズムを使用して使用して得られた結果を示す。ここでは全体ピクセルシフトだけが評価されている。フレーム４１０から４２０のシーケンス結果は実際の患者でのＭＲ潅流シーケンスに対して本発明の統合的記録アプローチを使用して得られた。ここでは統合的アプローチを使用することにより、アルゴリズムは心筋を確実に完全なシーケンスにセグメント化することができる。心筋をセグメント化するためのアルゴリズムはエッジ情報をテンプレート相関にそのまま使用することはできないことに注意されたい。ＭＲ潅流シーケンスではコントラストが急速に変化するからである。

　得られた画像シーメンスで、心筋境界をまったく観察することのできない画像が存在することがある。輪郭がエッジ情報だけを使用しても広がる場合には、これらの画像全体を破棄しなければならないこともある。このことは人間の介在を必要とする。グレースケールピクセル強度をエッジ情報の記録と、本発明の記録フレームワークのように統合すれば、この問題を克服できる。従って本発明のアルゴリズムは、人間の介在なしで輪郭を広げることができ、心筋をセグメント化することができる。ただし輪郭をシーケンス中の画像の１つに最初に手書きするのは必要である。

　図２からの結果は、全体ピクセルシフトだけを評価して得られた記録結果は、サブピクセルシフトが画像シーケンスに存在する場合は十分でないことを示している。しかしサブピクセルシフトの評価は画像シーケンス中にスプリアスドリフトを引き起こすことがある。これは図３に示すようにシーケンス中にコントラストの低い画像が存在する場合である。これらのスプリアスドリフトは、サブピクセルシフトを評価するときに、補間がマージナルエントロピーを低減するという事実によるものである。従って全体ピクセルシフトだけの評価でもサブピクセルシフトを考慮できるストラテジーを考え出した。このことを行うために統合的記録フレームワークは２つのチャネルの情報を統合する。ピクセル強度と局所的勾配であり、これらを１つの統一的記録フレームワークに統合する。全体ピクセルシフトだけを評価するので、サブピクセルエラーが評価された心臓位置に生じ得ることに注意されたい。しかしエッジ項は輪郭をシーケンス中に正しい位置まで引き戻し、サブピクセルシフトは累積されない。この結果は、ＭＩベースの記録ストラテジーを使用してサブピクセルシフトを評価しようとする一方、注意しなければならないことを強調する。

　ＭＲ潅流シーケンスのキャプチャ中に各画像を心臓サイクルの所望のフェーズ中に得るための努力がなされた。心臓の形状は局所的に変化する。択一的実施例では局所的変形が評価された輪郭に適用され、変化する心臓形状をより正確にセグメント化することができる。

　図５を参照すると、心臓磁気共振潅流データのための統合的画像記録のためのフローチャートが５００により一般的に示されている。スタートブロック５１０はマニュアルオペレーションブロック５１２に進み、ここでは医師が輪郭ＲＯＩを実施例の画像シーケンスからの基準画像に設定する。オペレーションブロック５１２は入力ブロック５１４に進み、このブロックはシーケンス画像を受け取る。入力ブロック５１４から機能ブロック５１５に進み、このブロックはピクセル強度をシーケンス画像に対して計算する。機能ブロック５１５は機能ブロック５１７に進み、このブロックはエッジパラメータをシーケンス画像に対して評価する。機能ブロック５１７は機能ブロック５１９に進み、このブロックは基準画像とシーケンス画像との間のテンプレートマッチを計算する。ブロック５１９は機能ブロック５２１に進み、このブロックはピクセルをシーケンス画像からテンプレートマッチに応じて選択する。ブロック５２１は機能ブロック５２２に進み、このブロックはエッジパラメータをテンプレートマッチに応じて記録する。ブロック５２２は機能ブロック５２４に進み、このブロックは変化したエッジピクセルの位置を検出する。ブロック５２４は終了ブロック５２６に進む。

　従って実施例のフレームワークでは医師が手動で、シーケンス画像の１つの画像において心筋の内側心内膜と外側心外膜との境界に輪郭を描く。この手書きの輪郭は自動的に、画像シーケンスの他の画像に広がり、ＭＣを自動的にセグメント化する。

　心筋セグメント化問題は画像記録問題の例である。セグメンテーションはテンプレートマッチングにより達成される。この記録フレームワークでは医師が手書きで、心外膜と心内膜を表わす輪郭をシーケンス中の２ＤＭＲ画像の１つに描く。この輪郭は対象領域（ＲＯＩ）を定義するのに使用され、これは位置的に手書き輪郭の周辺にある。このＲＯＩまたはテンプレートは次にシーケンス中の他の画像と関連付けられ、画像コントラストが急速に変化するので、テンプレートマッチングに対するマッチ基準に基づいた相互情報（ＭＩ）は全体ピクセルシフトだけを仮定する場合に使用される。

　サブピクセルシフトが画像にあると、グレースケール情報だけが使用されている場合には大きな運動に急速に累積されることがある。従ってエッジ情報を記録フレームワーク内に取り込み、記録パラメータをより良好に評価するのが有利である。画像中のことラストが急激に変化するため、心外膜と心内膜が画像中に観察されないことがある。この場合、グレースケール情報が輪郭を続けて広げるために使用される。

　ここで有益な例は、サブピクセル精度をＭＩベースのアプローチで達成しようと試みると、双一次補間により記録パラメータの評価が潜在的に悪化することである。従って記録パラメータの評価は全体ピクセルシフトにだけ制限され、さらなる精度を達成するにはエッジ情報を使用する。

　以前の画像記録方法はアプローチがその場限りにものであり、心臓磁気共振潅流データに対する統合的画像記録に適用するには適さない。

　本発明の方法は、数学的公式を記録フレームワークにまで進めた。輪郭が手書きされた画像、または輪郭が以前の反復法で評価された画像はテンプレートイメージと呼ばれる。輪郭が瞬時に広げられた画像はカレントイメージと呼ばれる。記録フレームワーク方法は２つのステップを含む。第１のステップで、各ピクセルがカレントイメージでエッジである確率を、局所勾配と、記録パラメータの瞬時評価の輪郭位置の関数として評価する。これら評価されたエッジ確率は第２のステップで記録パラメータの評価に使用される。

　これら２つのステップは収束するまで反復される。エッジ確率をカレントイメージで評価することはカレントイメージを２Ｄマルコフランダムフィールド（ＭＲＦ）として非連続性によりモデリングすることで開始される。テーブルＡは複数の数式をリストアップする。ＳをテーブルＡの式１により定義すると、これはカレントイメージの２Ｄグリッドにあるｍサイトの離散的集合を意味する。ＮをテーブルＡの式２により定義すると、これはテーブルＡの式３と４により定義される性質を有する近傍システムを意味する。一次クリークＣ_１の集合と二次クリークC_２の集合を式５と６によりそれぞれ定義する。Ｆを式７により定義されるようにＳに定義されるランダム変数のファミリとし、ｆを式８により定義されるようにＦの実現とする。エネルギー関数Ｕ（ｆ）は、式９により定義されるようにクリークポテンシャルＶ_ｃ（ｆ）の関数である。

　従ってランダムフィールドＦのギブス分布はＰ（ｆ）に対して式１０により定義される。これはまたＭＲＦにおける確率密度関数（ｐｄｆ）である。分割関数とも呼ばれるＺは正規化定数である。ｅを式１１で使用されるようにサイトｉとサイトｉ’との間のエッジを表わすランダム変数とし、Ｅ_２を式１１により定義されるようにエッジの集合とする。ｄを式１２により定義されるように観察データを表わすものとする。ｇ^２ _ｉｉ’はサイトｉにおけるカレントイメージの局所的強度勾配を表わす。Ｅ_１を式１３により定義されるように相応するエッジの集合を表わすものとする。ｅ^１ _ｉはテンプレートイメージでの輪郭Ｃ上にある。シンボル“＞＜”は輪郭Ｃでの相応のエッジを表わすために使用される。

　式中、相応するエッジはもっとも短いユークリッド間隔を有するエッジである。相応するエッジ、ｅ^１ _ｉとｅ^２ _ｉｉ’との間の間隔はｓ^１ _ｉにより表わされる。Ｌ（ｇ^２ _ｉｉ’；ｓ^１ _ｉ）がエッジｅ^２ _ｉｉ’の尤度を表わすものとする。これは局所的画像勾配と輪郭ＣＵ上の相応するエッジまでの距離の関数である。これらの表示法を使用すると、エネルギー関数は二次近傍に対して式１４から１６により定義されるように所与の情報の下で表記される。尤度項Ｌ（ｇ^２ _ｉｉ’；ｓ^１ _ｉ）は式１７により定義されるように評価される。ここではｅ^１ _ｉとｇ^２ _ｉｉ’が条件的にランダム変数から独立していると仮定し、Ｐは式１８により定義されるようにｓ^１ _ｉの関数として評価される。ランダムフィールドのギブス分布は式１９により定義されるＰにより定められる。エネルギーＥ（ｆ；Ｅ_２）は、ランダムフィールドを評価する最大事後（ＭＡＰ）を評価するために最適化することができる。

　しかしこれは離散的ランダム変数と連続ランダム変数の両方が含まれるという古典的な最適化問題である。この問題を克服するために、Ｅ_２は通常、連続変数により近似される。しかし本発明のこの実施例はエッジ変数のインテグレートアウトを開示する。エッジ変数のインテグレートアウトのプロセスでは、変数の新たな集合Ｉ_ｉｉが現れる。これはすべての情報が与えられてもエッジが観察されなかった確率と見なすことができる。すなわち式１９により定義されるようなＰに対して数ステップの後、Ｅ（ｆ）は式２０により定義されるように見なすことができる。評価されたＩ_ｉｉは式２１により定義されるように、次のステップで記録パラメータをより良好に評価するために使用される。

　記録パラメータを評価するために、Ｙを式２２により定義されるようにテンプレートイメージのピクセル強度を表わすランダムフィールドとする。ｙを式２３により定義されるように特定の実現とする。Ｔは評価された２つの変換パラメータとする。するとオプションの記録パラメータＴ’はジョイント条件エントロピーの最小化として評価されるが、これは式２４から２６により定義される。ここでＨ（Ｅ_１；Ｔ）は定数と仮定され、Ｈ（ｘ）は式２７により定義されるようにシャノンのエントロピーである。上記式中の第１項は条件エントロピーであり、これは相互情報数式におけるグレースケール条件エントロピーに類似する。第２項は、カレントイメージにおいて評価されたエッジ、およびテンプレートイメージにおける輪郭上のエッジのエントロピーを最小にする。従って上記数式は２チャンネルの情報を統合し、より良好に記録パラメータを評価する。

　エントロピーフレームワーク内での問題を数式化するため、Ｅ_２とＥ_１との間のジョイントエントロピーが、Ｅ２と間隔変換、Ｅ_１のＳ（Ｔ）との間のジョイントエントロピーとして近似される。この仮定は、２つの画像が記録されるとき、間隔の分布エントロピーはＥ_２の下で最小となるという洞察に基づくものである。従ってＨは式２８により定義されるように評価される。ここでは各ピクセルが独立して分布していると仮定し、従ってジョイント分布ｐは式２９により定義される。従ってジョイントエントロピーＨ（Ｅ_２；Ｓ（Ｔ））は式３０により定義するように表現することができる。ここでＨ_ｉ１（ｓ）は式３１により定義されている。さらにＨ_ｉ１（ｓ）は各ｉごとに同じように分布すると仮定し、Ｈ_ｉ０（ｓ）はほぼ一定であると仮定すると、ジョイントエントロピーＨ（Ｅ_２；Ｓ（Ｔ））さらに式３２と３３により定義されるように近似される。このようにしてi.i.d.（独立かつ同一の分布）を仮定すれば、オプションの変換パラメータは式３４と３５に定義されるようにＴ’として評価される。

　実施例ではさらにエッジが２つのピクセル間ではなくエッジに位置していると仮定される。この単純化仮説の下で、２つステップの第１は式３６により定義されるようなエッジ確率の評価を含む。ここでｇ^２ _ｉはサイトｉでの局所的勾配程度を表わし、ｌｉはサイトｉにエッジが存在しない確率を表わす。２つのステップの第２は、いったんエッジ確率が先行のステップで評価されれば記録パラメータの評価を含む。そしてオプション記録パラメータＴ’が式３７により定義されるように評価される。ここで＜ｅ’＞は式３８により定義される。

　このアルゴリズムは、すべてのエッジ確率をゼロにセットし、温度１／Ｂをハイ値にセットすることにより初期化される。このアルゴリズムは記録パラメータを式３７に従って評価し、エッジ確率を式３６に従って更新し、温度と反復を収束するまで低減する。

　統合的記録フレームワークの結果は、２つの変換パラメータだけを評価する間に得られる。従って回転のないことが仮定される。すなわちサブピクセルシフトのないことが仮定される。この仮定が真でない個所では、サブピクセルシフトが累積されるので評価された記録にドリフトの生じることがある。

　当業者であれば理解できるように専用システムまたは他のノン・ヒューマン輪郭設定も実現可能である。従って本発明の実施例は、画像フレームにＲＯＩを最初に定義するための専用システムの可能な置換を意図するものであり、相互情報とエッジ情報の記録に基づく本発明のアルゴリズムを使用することで、輪郭を画像フレームのシーケンス全体を通じて広げることができる。

　本発明の方法は既存の画像システムと共に使用することができ、心臓潅流画像に加えて多くの外観ベースの画像キャプチャ問題に適用することができる。択一的実施例は、機械的視覚による組み立てラインでの自動対象物検知、セキュリティコントロールでの人の顔の検知等である。当業者であれば理解できるようにここで使用される用語「画像」は３次元、４次元、およびそれ以上の多次元データセットでも描写することができる。

　本発明のこれらのフューチャおよび利点は当業者であれば本明細書に基づいて容易に確認することができる。本明細書の技術思想はハードウエア、ソフトウエア、ファームウエア、専用プロセッサ、またはそれらの組合せで実現することができる。特に有利には本発明はソフトウエアとハードウエアの組合せとして実現される。さらにソフトウエアは有利にはプログラム記憶ユニットに埋め込まれたアプリケーションプログラムの形態で具体的に実現される。アプリケーションプログラムは更新することができ、適切なアーキテクチャを有するマシンによって実行される。有利にはこのマシンは、１つまたは複数の中央演算ユニット（ＣＰＵ）、ランダムアクセスメモリ（ＲＡＭ）および入出力インタフェース（Ｉ／Ｏ）を有するコンピュータプラットフォームに実現される。

　このコンピュータプラットフォームはまたオペレーティングシステムおよびマイクロ命令コードを含む。ここに記載された種々の処理および機能はマイクロ命令コードの一部、またはアプリケーションプログラムの一部、またはそれらの組合せであり、ＣＰＵにより実行される。

本発明の実施例による統合的画像記録システムに対するブロック回路図である。

合成データに対する２つの比較画像シーケンスを示し、第２のシーケンスは本発明の実施例によるシーケンスである。

イヌの心臓磁気共振潅流データに対する２つの比較画像シーケンスを示す。

本発明の実施例によるヒトの心臓磁気共振潅流データの画像シーケンスを示す。

本発明の方法の実施例のフローチャートである。

本発明で使用される数式を示す。

Claims

　心臓磁気共振潅流データの統合的画像記録方法において、
　複数のピクセルを有する第１の画像上に対象輪郭領域を設定し、
　前記第１の画像以外の時間に相応して第２の画像を受信し、
　ピクセル強度を第２の画像に対して計算し、
　エッジパラメータを前記第１の画像および第２の画像の少なくとも１つに対して評価し、
　前記第１の画像と第２の画像との間のテンプレートマッチを計算し、
　ピクセル位置のペアを、前記第１の画像および第２の画像の少なくとも１つから前記テンプレートマッチに相応して選択し、
　評価されたエッジパラメータを前記計算されたテンプレートマッチに相応して、前記第１の画像の前記選択された個所と前記第２の画像の前記選択された個所とのピクセル値ペアに対して記録し、
　変化したピクセル位置を前記記録に相応して検知する、
ことを特徴とする方法。
　前記第２の画像は前記第１の画像と時間的に連続している、請求項１記載の方法。
　前記第１の画像を、複数の第２の画像に相応して複数のテンプレートマッチを計算するための基準として維持する、請求項１記載の方法。
　前記記録はエントロピーフレームワークを第１および第２の画像に適用するステップを有する、請求項１記載の方法。
　ピクセル位置変化の検知はコントラストの変化により妥協されない、請求項１記載の方法。
　心臓磁気共振潅流データの統合的画像記録装置（１００）において、
　エッジパラメータを評価するための評価ユニット（１７０）と、
　該信号ユニットと信号通信し、エッジパラメータを第１入力画像のピクセルと第２入力画像のピクセルとの間のテンプレートマッチに相応して記録するための記録ユニット（１８０）と、
　前記評価ユニットおよび前記記録ユニットと信号通信し、変化したピクセル位置を前記記録に相応して、前記第２の画像のエントロピーが増大するときに検知するためのＣＰＵ（１０２）とを有する、
ことを特徴とする装置。
　前記第１および第２の入力画像の少なくとも１つは心臓磁気共振画像を有する、請求項６記載の装置。
　ＣＰＵ（１０２）と信号通信し、前記エッジパラメータおよび前記第１および第２の入力画像の少なくとも１つを表示するためのディスプレイアダプタ（１１０）と、
　前記ＣＰＵ（１０２）と信号通信し、ピクセル位置を表示された画像から再現し、変化したピクセル位置を入力画像中に指示するためのＩ／Ｏアダプタ（１１２）とを有する請求項６記載の装置（１００）。
　ＣＰＵ（１０２）と信号通信し、シーケンス画像の１つに対する対象輪郭選択の領域をユーザーから受けるとためのユーザインタフェースアダプタ（１１４）を有する、請求項６記載の装置（１００）。
　前記ＣＰＵ（１０２）と信号通信し、患者の磁気共振潅流画像シーケンスを供給するための磁気共振画像デバイス（１３２）と有する、請求項６記載の装置。
　心臓磁気共振潅流データの統合的画像記録装置において、
　複数のピクセルを有する第１の画像上にある対象輪郭領域を設定するための設定手段と、
　第２の画像を前記第１の画像以外の時間に相応して受信するための受信手段と、
　前記第１の画像と第２の画像とのテンプレートマッチを計算するための計算手段と、
　ピクセル位置のペアを前記第１の画像および第２の画像の少なくとも１つから前記テンプレートマッチに相応して選択するための選択手段と、
　評価されたエッジパラメータを前記計算されたテンプレートマッチに相応して、前記第１の画像にある選択された個所と、前記第２の画像にある選択された個所とのピクセル値ペアに対して記録するための記録手段と、
　変化したピクセル位置を前記記録に相応して検知するための検知手段とを有する、
ことを特徴とする装置。
　前記第２の画像は時間的に前記第１の画像と連続している、請求項１１記載の装置。
　前記第１の画像を、複数の第２の画像に相応して複数のテンプレートマッチを計算するための基準として維持するための維持手段を有する、請求項１１記載の装置。
　前記記録手段は、エントロピーフレームワークを第１および第２の画像に適用する適用手段を有する、請求項１１記載の装置。
　ピクセル位置の変化を検知するための前記検知手段はコントラストの変化により妥協されない、請求項１１記載の装置。
　マシンにより読み出し可能なプログラム記憶デバイスであって、マシンにより実行可能な命令プログラムにより実現されており、該マシンにより心臓磁気共振潅流データの統合的画像記録のための方法ステップが実行され、前記方法ステップは、
　複数のピクセルを有する第１の画像上に対象輪郭領域を設定するステップ、
　前記第１の画像以外の時間に相応して第２の画像を受信するステップ、
　ピクセル強度を第２の画像に対して計算するステップ、
　エッジパラメータを前記第１の画像および第２の画像の少なくとも１つに対して評価するステップ、
　前記第１の画像と第２の画像との間のテンプレートマッチを計算するステップ、
　ピクセル位置のペアを、前記第１の画像および第２の画像の少なくとも１つから前記テンプレートマッチに相応して選択するステップ、
　評価されたエッジパラメータを前記計算されたテンプレートマッチに相応して、前記第１の画像の前記選択された個所と前記第２の画像の前記選択された個所とのピクセル値ペアに対して記録するステップ、
　変化したピクセル位置を前記記録に相応して検知するステップ、
を有することを特徴とするプログラム記憶デバイス。
　前記第２の画像は前記第１の画像と時間的に連続している、請求項１６記載のプログラム記憶デバイス。
　前記方法ステップはさらに前記第１の画像を、複数の第２の画像に相応して複数のテンプレートマッチを計算するための基準として維持するステップを有する、請求項１６記載のプログラム記憶デバイス。
　前記記録はエントロピーフレームワークを第１および第２の画像に適用するステップを有する、請求項１６記載のプログラム記憶デバイス。
　ピクセル位置変化の検知はコントラストの変化により妥協されない、請求項１６記載のプログラム記憶デバイス。