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 - Google Patents
心臓磁気共振潅流データのための統合的画像記録方法 Download PDFInfo
- Publication number
- JP2004105737A JP2004105737A JP2003325063A JP2003325063A JP2004105737A JP 2004105737 A JP2004105737 A JP 2004105737A JP 2003325063 A JP2003325063 A JP 2003325063A JP 2003325063 A JP2003325063 A JP 2003325063A JP 2004105737 A JP2004105737 A JP 2004105737A
- Authority
- JP
- Japan
- Prior art keywords
- image
- recording
- images
- pixel
- template match
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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
【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。
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C1の集合と二次クリークC2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Vc(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、E2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。g2 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。E1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。e1 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、e1 iとe2 ii’との間の間隔はs1 iにより表わされる。L(g2 ii’;s1 i)がエッジe2 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(g2 ii’;s1 i)は式17により定義されるように評価される。ここではe1 iとg2 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s1 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;E2)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、E2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Iii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Iii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(E1;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、E2とE1との間のジョイントエントロピーが、E2と間隔変換、E1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E2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(E2;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Hi1(s)は式31により定義されている。さらにHi1(s)は各iごとに同じように分布すると仮定し、Hi0(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(E2;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g2 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。
Claims (20)
- 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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US41124402P | 2002-09-17 | 2002-09-17 | |
US10/263,867 US7127093B2 (en) | 2002-09-17 | 2002-10-03 | Integrated image registration for cardiac magnetic resonance perfusion data |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004105737A true JP2004105737A (ja) | 2004-04-08 |
Family
ID=31996801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003325063A Withdrawn JP2004105737A (ja) | 2002-09-17 | 2003-09-17 | 心臓磁気共振潅流データのための統合的画像記録方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7127093B2 (ja) |
JP (1) | JP2004105737A (ja) |
CN (1) | CN100401978C (ja) |
NL (1) | NL1024314C2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824289A (zh) * | 2014-02-17 | 2014-05-28 | 哈尔滨工业大学 | 一种快照光谱成像中基于模板的阵列图像配准方法 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6965645B2 (en) * | 2001-09-25 | 2005-11-15 | Microsoft Corporation | Content-based characterization of video frame sequences |
US7920908B2 (en) | 2003-10-16 | 2011-04-05 | David Hattery | Multispectral imaging for quantitative contrast of functional and structural features of layers inside optically dense media such as tissue |
US7805002B2 (en) * | 2003-11-07 | 2010-09-28 | Axonx Fike Corporation | Smoke detection method and apparatus |
US20060056701A1 (en) * | 2004-03-02 | 2006-03-16 | Gozde Unal | Joint segmentation and registration of images for object detection |
US7522779B2 (en) * | 2004-06-30 | 2009-04-21 | Accuray, Inc. | Image enhancement method and system for fiducial-less tracking of treatment targets |
US7366278B2 (en) * | 2004-06-30 | 2008-04-29 | Accuray, Inc. | DRR generation using a non-linear attenuation model |
US7231076B2 (en) * | 2004-06-30 | 2007-06-12 | Accuray, Inc. | ROI selection in image registration |
US7327865B2 (en) | 2004-06-30 | 2008-02-05 | Accuray, Inc. | Fiducial-less tracking with non-rigid image registration |
US7426318B2 (en) * | 2004-06-30 | 2008-09-16 | Accuray, Inc. | Motion field generation for non-rigid image registration |
CN101084528B (zh) * | 2004-12-20 | 2011-09-14 | 皇家飞利浦电子股份有限公司 | 用于集成可移动人体的医疗诊断信息和几何模型的方法、系统 |
US7330578B2 (en) * | 2005-06-23 | 2008-02-12 | Accuray Inc. | DRR generation and enhancement using a dedicated graphics device |
JP4203498B2 (ja) | 2005-09-22 | 2009-01-07 | アドバンスド・マスク・インスペクション・テクノロジー株式会社 | 画像補正装置、パターン検査装置、画像補正方法、及び、パターン欠陥検査方法 |
US7587232B2 (en) * | 2006-02-28 | 2009-09-08 | Kabushiki Kaisha Toshiba | Magnetic resonance imaging apparatus, magnetic resonance data processing apparatus, magnetic resonance data processing program and magnetic resonance imaging apparatus control method |
US20070247454A1 (en) * | 2006-04-19 | 2007-10-25 | Norbert Rahn | 3D visualization with synchronous X-ray image display |
WO2008002797A2 (en) * | 2006-06-26 | 2008-01-03 | Koninklijke Philips Electronics, N.V. | Semiautomatic myocardial region of interest definition |
WO2009045368A1 (en) * | 2007-09-28 | 2009-04-09 | Johns Hopkins University | Combined multi-detector ct angiography and ct myocardial perfusion imaging for the diagnosis of coronary artery disease |
WO2009077955A1 (en) * | 2007-12-18 | 2009-06-25 | Koninklijke Philips Electronics N.V. | Consistency metric based image registration |
DE102008049467B4 (de) * | 2008-09-29 | 2016-12-29 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Registrierung von tomographischen Volumendatensätzen des Darms |
US8478012B2 (en) * | 2009-09-14 | 2013-07-02 | General Electric Company | Methods, apparatus and articles of manufacture to process cardiac images to detect heart motion abnormalities |
US10970655B2 (en) * | 2010-05-03 | 2021-04-06 | Technion Research & Development Foundation Ltd | Surgery planning based on predicted results |
US9265458B2 (en) | 2012-12-04 | 2016-02-23 | Sync-Think, Inc. | Application of smooth pursuit cognitive testing paradigms to clinical drug development |
US9380976B2 (en) | 2013-03-11 | 2016-07-05 | Sync-Think, Inc. | Optical neuroinformatics |
US20150134306A1 (en) * | 2013-11-13 | 2015-05-14 | International Business Machines Corporation | Creating understandable models for numerous modeling tasks |
CN106204520B (zh) * | 2015-07-17 | 2019-05-24 | 北京大学第一医院 | 一种磁共振图像选择定位的方法及装置 |
US10346993B2 (en) * | 2015-11-17 | 2019-07-09 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing in magnetic resonance imaging |
CN109727279B (zh) * | 2018-06-04 | 2022-07-29 | 南京师范大学 | 一种矢量数据与遥感影像的自动配准方法 |
CN110517300B (zh) * | 2019-07-15 | 2022-03-18 | 温州医科大学附属眼视光医院 | 基于局部结构算子的弹性图像配准算法 |
CN116012344B (zh) * | 2023-01-29 | 2023-10-20 | 东北林业大学 | 一种基于掩码自编码器CNN-Transformer的心脏磁共振图像配准方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5359513A (en) * | 1992-11-25 | 1994-10-25 | Arch Development Corporation | Method and system for detection of interval change in temporally sequential chest images |
US5970182A (en) * | 1995-11-15 | 1999-10-19 | Focus Imaging, S. A. | Registration process for myocardial images |
US6363163B1 (en) * | 1998-02-23 | 2002-03-26 | Arch Development Corporation | Method and system for the automated temporal subtraction of medical images |
US6067373A (en) * | 1998-04-02 | 2000-05-23 | Arch Development Corporation | Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes |
US7254437B2 (en) * | 1998-04-17 | 2007-08-07 | Kabushiki Kaisha Toshiba | MR imaging providing tissue/blood contrast image |
US6292683B1 (en) * | 1999-05-18 | 2001-09-18 | General Electric Company | Method and apparatus for tracking motion in MR images |
JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
JP4294881B2 (ja) * | 2000-05-12 | 2009-07-15 | 富士フイルム株式会社 | 画像の位置合わせ方法および装置 |
US6529770B1 (en) * | 2000-11-17 | 2003-03-04 | Valentin Grimblatov | Method and apparatus for imaging cardiovascular surfaces through blood |
JP4112368B2 (ja) * | 2001-02-13 | 2008-07-02 | 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 | 連続したデータセットの分析 |
DE10120980B4 (de) * | 2001-05-01 | 2009-12-03 | Pulsion Medical Systems Ag | Verfahren, Vorrichtung und Computerprogramm zur Bestimmung des Blutflusses in einer Gewebe- oder Organregion |
US6901277B2 (en) * | 2001-07-17 | 2005-05-31 | Accuimage Diagnostics Corp. | Methods for generating a lung report |
US7158692B2 (en) * | 2001-10-15 | 2007-01-02 | Insightful Corporation | System and method for mining quantitive information from medical images |
-
2002
- 2002-10-03 US US10/263,867 patent/US7127093B2/en not_active Expired - Fee Related
-
2003
- 2003-09-17 JP JP2003325063A patent/JP2004105737A/ja not_active Withdrawn
- 2003-09-17 CN CNB031249493A patent/CN100401978C/zh not_active Expired - Fee Related
- 2003-09-17 NL NL1024314A patent/NL1024314C2/nl not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824289A (zh) * | 2014-02-17 | 2014-05-28 | 哈尔滨工业大学 | 一种快照光谱成像中基于模板的阵列图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100401978C (zh) | 2008-07-16 |
US20040052409A1 (en) | 2004-03-18 |
CN1494870A (zh) | 2004-05-12 |
NL1024314A1 (nl) | 2004-03-18 |
NL1024314C2 (nl) | 2006-02-21 |
US7127093B2 (en) | 2006-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2004105737A (ja) | 心臓磁気共振潅流データのための統合的画像記録方法 | |
US7822246B2 (en) | Method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body | |
US8682054B2 (en) | Method and system for propagation of myocardial infarction from delayed enhanced cardiac imaging to cine magnetic resonance imaging using hybrid image registration | |
US7831088B2 (en) | Data reconstruction using directional interpolation techniques | |
EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
JP5438029B2 (ja) | 短軸遅延強調心臓mriの自動三次元セグメント化 | |
EP2120208A1 (en) | Method and system for lesion segmentation | |
Stegmann et al. | Unsupervised motion-compensation of multi-slice cardiac perfusion MRI | |
JP4785371B2 (ja) | 動的制約を用いる多次元構造の抽出方法及びシステム | |
US7986836B2 (en) | Method, a system and a computer program for segmenting a surface in a multidimensional dataset | |
JP6747785B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
Li et al. | 3D coronary artery reconstruction by 2D motion compensation based on mutual information | |
US8805122B1 (en) | System, method, and computer-readable medium for interpolating spatially transformed volumetric medical image data | |
JP2005020338A (ja) | 異常陰影検出方法および装置並びにプログラム | |
JP4571378B2 (ja) | 画像処理方法および装置並びにプログラム | |
Karani et al. | An image interpolation approach for acquisition time reduction in navigator-based 4D MRI | |
US8165375B2 (en) | Method and system for registering CT data sets | |
US10885643B2 (en) | Image processing apparatus, image processing method, and storage medium | |
Gleason et al. | Automatic screening of polycystic kidney disease in x-ray CT images of laboratory mice | |
Chica et al. | Example-guided segmentation | |
Bansal et al. | Integrated image registration for cardiac MR perfusion data | |
Cao et al. | Motion tracking in medical images | |
Meyer et al. | A multi-modality segmentation framework: application to fully automatic heart segmentation | |
KR20220086937A (ko) | 다단계 심층 강화학습을 이용한 3차원 형태-해부학적 기준점 검출 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060810 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20080626 |