JP2004510515A - 器官のような物体の３次元仮想検査を行うシステムおよび方法 - Google Patents

Abstract

内臓のような物体の３次元視覚化画像を、体積視覚化技術を使用して発生する方法を提供する。この技術は、多走査画像化方法と、多解像度画像化方法と、複雑な３次元物体のスケルトンを発生する方法とを含む。用途は、仮想膀胱鏡検査と、仮想喉頭鏡検査と、仮想血管造影検査とをとりわけ含む。

Description

【０００１】
【発明の属する技術分野】
本発明は、体積を基礎とする３次元仮想検査を行うシステムおよび方法に関し、より特には、増強された視覚化およびナビゲーション特性を与えるシステムに関する。
【０００２】
【従来の技術】
結腸癌は、世界中で主な死因であり続けている。初期において人間の結腸にポリープとして現れる癌の成長の初期の検出は、患者の回復の可能性を大幅に改善することができる。現在、患者の結腸においてポリープまたは他の塊を検出する２つの慣例的な方法がある。第１の方法は、大腸鏡検査であり、大腸鏡と呼ばれる可撓性光ファイバチューブを使用し、結腸を、前記大腸鏡を直腸に物理的に入れることによって、視覚的に検査する。医師は、前記チューブを操作し、結腸におけるなにか異常な成長を探索することができる。前記大腸鏡検査は、信頼できるが、費用および時間の双方が比較的かかり、患者にとって侵略的で不快な痛い手続きである。
【０００３】
第２の検出技術は、バリウム浣腸および結腸の２次元Ｘ線画像化である。前記バリウム浣腸を使用し、結腸をバリウムで覆い、２次元Ｘ線画像を撮って、結腸の画像を獲得する。しかしながら、バリウム浣腸は、必ずしも結腸全体の図を与えるとは限らず、前記動作を行うときにしばしばオペレータ依存であり、患者を過度の放射線に曝し、大腸鏡ほど感度がよくはない。上述した慣例的な手段における不完全さのため、結腸をポリープに関して検査する、より確実で、それほど侵入的でなく、それほど費用がかからない方法が望ましい。肺のような人間の他の器官を、塊に関して、確実で費用効果的な方法において検査する方法も望ましい。
【０００４】
米国における癌死の別の主要な原因は、膀胱癌である。１９９５年において、５００００の膀胱癌の新しいケースが報告され、この病気の結果として１１０００人の死が報告された。膀胱癌に関する最も一般的な試験は、尿“ディップスティック”または慣例的な尿検査の使用である。しかしながら、これらのような試験は、膀胱癌の検出において、そのより後期の発達段階においてのみ有効であり、癌の成長のサイズまたは位置に関するどのような情報も与えない。現在、膀胱の異常を調べる主な方法である膀胱鏡検査は、正確な結果を与え、任意の以上の関連する細部および位置に関する情報を与えることができる。しかしながら、膀胱鏡検査は、医師に限られた視野しか与えず、サイズの客観的な表示が不足している。加えて、膀胱鏡検査は、厳しい尿道の狭窄あるいは活発な膀胱の出血を有する患者には望ましくない。したがって、特に癌の進行の初期段階において、膀胱癌に関して患者を選別する代わりの手順を開発することが望ましい。
【０００５】
コンピュータ断層撮影およびＭＲＩ（磁気共鳴撮影画像）のような現在利用可能な医療画像化装置を用いる人間の器官の２次元（“２Ｄ”）視覚化は、患者の診断に広く使用されてきた。３次元画像を、操作機械から発生された２次元ピクチャ間に堆積または補間することによって形成することができる。器官の画像化と、３次元空間におけるその体積の視覚化とは、その物理的な侵入がないことと、データ操作の容易さとにより、有利である。しかしながら、３次元体積画像の調査は、内部から器官を仮想的に見る利点を完全に利用するために、正確に行わなければならない。
【０００６】
環境の３次元（“３Ｄ”）体積仮想画像を見るときに、機能的モデルを使用し、仮想空間を調査しなければならない。ある可能なモデルは、ビューワに関して仮想空間を調査する基準点として使用することができる仮想カメラである。一般的な３Ｄ仮想環境内のナビゲーションの文脈におけるカメラ制御は、以前に研究されている。仮想空間のナビゲーションに提案された２つの慣例的な形式のカメラ制御がある。第１のものは、オペレータがカメラを異なった位置および向きにおいて操作し、所望のビューを達成する、カメラのオペレータ完全制御である。オペレータは、前記カメラを実際に操縦する。これは、オペレータが、興味のある特定の区分を調査し、他の区分を無視することを可能にする。しかしながら、大きい領域におけるカメラの完全な制御は、面倒で骨が折れ、オペレータは、調査の開始点と終了点との間のすべての重要な特徴を見るとは限らない。
【０００７】
カメラ制御の第２の技術は、計画ナビゲーション方法であり、この方法は、カメラに、とるべき予め決められた経路を割り当て、オペレータによって変更することができない。これは、予定された“オートパイロット”を有するのと同じである。これは、オペレータが、見ている仮想空間において集中することを可能にし、調査している環境の壁の中に進むことについての心配をする必要がない。しかしながら、この第２の技術は、ビューワに、コースを変更するか、飛行経路に沿って見られた興味ある領域を調査する柔軟性を与えない。
【０００８】
上述した２つのナビゲーション方法を使用し、これらの個々の欠点を最小にしながら双方の技術の利点を実現することが望ましい。柔軟なナビゲーション技術を、無侵入無痛完全検査を行うために仮想３Ｄ空間において表された人間または動物の器官の調査に用いることが望ましい。望まれるナビゲーション技術は、さらに、滑らかな経路と器官中および周囲の完全な調査とを保証しながら柔軟性を許す、オペレータによる３Ｄ空間における仮想器官の完全な調査を考慮する。加えて、器官を見るのに必要な計算を最小にする技術を使用することによって、実時間設定における器官の調査を表示することができることが望ましい。また、望まれる技術は、任意の仮想物体の調査に等しく適用可能であるべきである。
【０００９】
本発明の他の目的は、見ている物体の一部の視覚化をカスタマイズするために、特定の体積要素を変化する程度に透明または半透明にするために、不透明係数を表現における各々の体積要素に割り当てることである。物体の断面を、前記不透明係数を使用して構成することもできる。
【００１０】
発明の要約
本発明は、人間の器官のような物体の３次元視覚化画像を、体積視覚化技術を使用して発生し、前記仮想画像を、オペレータが、予め規定された飛行経路に沿って移動し、ポリープ、嚢胞、または、器官における他の異常な特徴を識別するために、前記予め規定された経路から離れて、前記画像における興味のある特定の部分に位置および見る角度の双方を調節することを可能にするガイド付きナビゲーションシステムを使用して仮想画像を調査する。
【００１１】
物体の仮想調査を行う方法は、コントラストエージェントの存在によって膨張した物体の少なくとも１つの画像化走査を行うステップを含む。加えて、コントラストエージェントを取り除いた前記物体の少なくとも１つの画像化走査を得る。前記走査を、複数のボクセルで形成された対応する体積データセットに変換する。次に、画像分割を行い、各々の走査のボクセルを複数のカテゴリに分類する。各々の走査の体積データセットを、共通座標系に登録する。次に、表示動作を、前記体積データセットの少なくとも２つにおける対応する画像が実際的に同時に表示される場合、行うことができる。前記体積データセットの１つにおいて行われる仮想ナビゲーション動作の結果、対応するナビゲーション動作が、少なくとも１つの他の体積データセットにおいて起こる。
【００１２】
好適には、前記膨張した物体の少なくとも１つの走査は、前記物体の横走査および冠状走査を含む。同様に、前記コントラストエージェントを取り除いた物体の走査は、前記物体の横走査および冠状走査を含むことが望ましい。この手順は、特に、前記物体が膀胱である場合、仮想膀胱鏡検査を行うのによく適合する。この場合において、前記走査は、一般に、磁気共鳴画像化の形態をとり、前記コントラストエージェントを尿とすることができる。
【００１３】
本発明による他の方法は、物体の仮想調査を行うものである。この方法において、前記物体に画像化走査を行い、画像走査データを得る。得られた画像走査データを、複数の体積ユニットまたはボクセルに変換する。前記ボクセル間を補間することによって、拡張されたデータセットを発生する。次に、画像分割を行い、前記ボクセルを複数のカテゴリに分類することができる。前記物体内の体積を、前記物体の管腔内の種ボクセルからの領域成長アルゴリズムを使用すること等によって、前記拡張されたデータセットから抽出する。次に、解像度が低下したデータセットを、前記拡張されたデータセットから発生する。前記拡張されたデータセットからのデータを効率的に格納し、呼び出すために、このデータを、ツリーデータ構造において格納する。次に、画像を、前記拡張されたデータセットおよび解像度が低下したデータセットの双方に関して描画することができる。次に、これらの画像のうち一方を、見るために選択する。一般に、前記解像度が低下したデータセットを、ナビゲーションまたは画像相互作用中に選択し、前記拡張されたデータセットを、高解像度静止表示に関して選択する。
【００１４】
仮想血管造影法を行う方法も提供する。この方法において、大動脈の少なくとも一部の画像化走査データを得る。前記画像化走査データを、複数のボクセルを含む体積表現に変換する。前記体積表現を分割し、前記ボクセルを複数のカテゴリのうちの１つに分類する。次に、前記分割された体積表現を解析し、大動脈壁における動脈瘤の少なくとも一部のボクセル表示を識別する。識別された前記動脈瘤の部分から、少なくとも１つの閉鎖表面を、動脈瘤の少なくとも一部のボクセル表示の周囲に発生する。前記閉鎖表面は、前記動脈瘤の輪郭の推定を与える。ナビゲーション経路を、前記大動脈の管腔を通じて確立することができ、長さ、直径、体積および配置のような、前記動脈瘤の特徴を決定することができる。
【００１５】
前記仮想血管造影法を行う方法を使用し、動脈瘤の進行を検出および監視することができ、前記仮想血管造影法を行う方法を、ステントグラフトを配置する必要がある特徴を決定するのに使用することができる。
【００１６】
複数のボクセルで形成された中空物体の３次元画像表現に関するスケルトンを規定する方法も提供する。ルートボクセルを、前記中空物体内で最初に確認する。次に、距離マップを、前記中空物体内のすべてのボクセルに関して発生する。前記距離マップを、重み付きユークリッド距離を有する２６接続キュービックプレートを使用して形成する。前記距離マップにおける局所最大値を有するこれらのボクセルを、前記中空物体におけるブランチの終点として識別する。各々の局所最大値ボクセルに関して、前記ルートボクセルに接続された最も短い経路、または、以前に規定された最短経路を決定する。最短経路の集合を、前記物体の粗いスケルトンとする。この技術は、呼吸器系および心臓血管系のような多ブランチ構造に特に好適である。
【００１７】
【発明の実施の形態】
本願において記載した方法およびシステムを、調査すべき任意の物体に適用することができるが、説明する好適実施形態は、人体における器官、特に結腸の調査である。結腸は、長く、捩れており、患者から金銭と、物理的プローブの不快感および危険性との双方を軽減する仮想調査に特に好適である。制限なく、調査できる器官は、肺、胃、胃腸系の一部、心臓および血管を含む。
【００１８】
図１は、体積視覚化技術を使用する仮想大腸鏡検査を行うのに必要なステップを示す。ステップ１０１は、必要ならば、医師または特定の走査機器のいずれかによって調査のために見るために走査すべき結腸を準備する。この準備は、前記結腸を、口から摂取され、胃を通過した後、前記結腸に入る“カクテル”または液体で洗浄することを含む。前記カクテルは、患者に前記結腸内に存在する排泄物を放出させる。使用する物質の一例は、ゴリテリーである。加えて、結腸の場合において、前記結腸を走査および調査が容易になるように拡張するために、空気またはＣＯ_２を前記結腸内に押し入れることができる。これを、直腸内に配置された小さいチューブによって行い、約１０００ｃｃの空気を前記直腸内に押し入れ、前記直腸を膨張させる。使用するスキャナの形式に応じて、前記結腸における排泄物を前記結腸の壁自身から識別するために、患者にバリウムのような対照物質を飲ませ、なんらかの排出されていない大便を覆う必要があるかもしれない。代わりに、前記結腸を仮想的に調査する方法は、本明細書において後に説明するように、前記仮想調査の前またはその間に、仮想排泄物を除去することができる。ステップ１０１は、図１において点線によって示すように、すべての調査において行う必要があるわけではない。
【００１９】
ステップ１０３は、調査すべき器官を走査する。前記スキャナを、結腸を走査するスパイラルＣＴスキャナ、または、例えばキセノンガスで標識付けされた肺を走査するゼニタＭＲＩ機械のような、当該技術分野においてよく知られた装置とすることができる。前記スキャナは、前記体積視覚化に必要なデータを発生するために、呼吸を止めている間に、ボディの周りの異なった位置から多数の画像を得ることができなければならない。単一ＣＴ画像の一例は、５ｍｍ幅、１：１ないし２：１ピッチのＸ線ビームを使用し、４０ｃｍ視界を、前記結腸の左結腸曲の上部から直腸まで行う。
【００２０】
前記物体の個別のデータ表現を、走査以外の他の方法によって発生することができる。参照によってここに含まれる、１９８８年７月２６日に出願され、１９９１年８月８日に発行された、カウフマンによる“連続的な３次元幾何学的表現を、３次元ボクセルベースシステム内の個別の３次元ボクセルベース表現に変換する方法”というタイトルの米国特許第５０３８３０２号において記載されている技術によって、物体を表現するボクセルデータを幾何学的モデルから得ることができる。加えて、本発明によって３次元ボクセルに変換し、調査することができる画像のコンピュータモデルから、データを発生することができる。この形式のデータの一例は、スペースシャトルを取り巻く乱流のコンピュータシミュレーションである。
【００２１】
ステップ２０４は、前記走査された画像を３次元体積要素（ボクセル）に変換する。結腸を調査する好適実施形態において、前記走査データを、１ｍｍまたは２．５ｍｍの増量において５ｍｍ厚スライスに再フォーマットし、１ｍｍスライスにおいて再構成し、各々のスライスを５１２×５１２画素として表す。こうすることによって、約１ｍｍ^３のボクセルを形成する。このようにして、多数の２Ｄスライスを、前記走査の長さに応じて発生する。次に、前記２Ｄスライスの組を、３Ｄボクセルに再構成する。前記スキャナからの２Ｄ画像の３Ｄボクセルへの変換処理を、走査機械それ自身か、コンピュータのような別個の機械のいずれかによって、当該技術分野において既知の技術で行うことができる（例えば、参照によってここに含まれる、１９８８年１１月１１日に出願され、１９９１年１月１５日に発行された、カウフマン他による“ボクセルベースデータを格納し、アクセスし、処理する方法および装置”というタイトルの米国特許第４９８５８５６号を参照）。
【００２２】
ステップ１０５は、オペレータが調査すべき選択された器官の部分を規定することを可能にする。医師は、ポリープが発達しそうな前記結腸の特定の部分に興味を持つかもしれない。見るべき経路の開始点および終了点を、医師／オペレータによって指示することができる。慣例的なコンピュータおよびコンピュータインタフェース（例えば、キーボード、マウスまたはスペースボール）を使用し、調査すべき前記結腸の部分を指定することができる。座標を有するグリッド系をキーボード入力に使用することができ、または、医師／オペレータは、所望の点において“クリック”することができる。前記結腸の全体像も、望むならば見ることができる。
【００２３】
ステップ１０７は、調査している仮想器官の計画されたまたはガイド付きナビゲーション動作を行う。ガイド付きナビゲーション動作を行うことを、任意の時間においてオペレータによって手動で調節することができる、予め規定されたまたは自動的に予め決定された飛行経路に沿って環境を通るナビゲーティングとして規定する。前記走査データを３Ｄボクセルに変換した後、前記器官の内部を、選択された開始点から選択された終了点まで通過しなければならない。前記仮想調査を、前記仮想空間を通って進む、前記終了点をさすレンズを有する小さいカメラを有することにおいてモデル化する。前記ガイド付きナビゲーション技術は、前記カメラとのあるレベルの相互作用を与え、その結果、前記カメラは、オペレータの相互作用がない場合において仮想空間を通って自動的にナビゲートすることができ、同時に、必要な場合、オペレータが前記カメラを操作することを可能にする。ガイド付きナビゲーションを達成する好適な例は、ポテンシャル場を用いて前記カメラの動きを制御する、図２および３において詳細に示す物理的に基づいたカメラモデルを使用することである。
【００２４】
ステップ１０７と同時に行うことができるステップ１０９は、前記ガイド付きナビゲーション動作の選択された経路の沿った前記カメラの視点から前記器官の内部を表示する。３次元表示を、マーチングキューブ技術のような当該技術分野において既知の技術を使用して発生することができる。しかしながら、前記結腸の実時間表示を発生するために、前記仮想器官の表示に必要な膨大な数のデータの計算を減らす技術が必要である。図９は、この表示ステップをより詳細に示す。
【００２５】
図１に示す方法を、ボディにおける多数の器官を同時に走査することに用いることもできる。例えば、患者を、結腸および肺の双方における癌の成長に関して調査してもよい。図１の方法を、ステップ１０３において興味あるすべての領域を走査し、ステップ１０５において調査すべき現在の器官を選択するように変更する。例えば、医師／オペレータは、最初に結腸を選択して仮想調査し、後に肺を調査してもよい。代わりに、異なった専門の二人の異なった医師が、彼らの個々の専門に関係する、異なった走査された器官を仮想調査してもよい。ステップ１０９に続いて、調査すべき次の器官を選択し、その部分を規定し、調査する。これを、調査が必要なすべての器官が処理されるまで続ける。
【００２６】
図１に関連して説明したステップを、体積要素によって表すことができる任意の物体の調査に用いることもできる。例えば、建築構造物または無生物を同様に表し、調査することができる。
【００２７】
図２は、ステップ１０７におけるガイド付きナビゲーション技術を行う“サブマリン”カメラ制御モデルを示す。ガイド付きナビゲーション中にオペレータ制御がない場合、通常設定ナビゲーションは、前記結腸の一方の選択された端から他方までの飛行経路に沿って前記カメラを自動的に向ける計画されたナビゲーションと同様である。前記計画されたナビゲーション段階中、前記カメラは、前記結腸の表面のより良好な視界を得る、前記結腸の中心においてとどまる。興味ある領域に出合った場合、前記ガイド付きナビゲーションを使用する仮想カメラのオペレータは、前記カメラを相互作用的に特定の領域に近づけ、前記カメラの動きおよび角度を管理し、前記直腸の壁と不本意に衝突することなしに前記興味ある領域を詳細に研究することができる。オペレータは、前記カメラを、キーボードやマウスのような標準的なインタフェース装置、または、スペースボールのような非標準的な装置で制御することができる。カメラを仮想環境において完全に操作するために、前記カメラに関して６自由度が必要である。前記カメラは、水平、垂直およびＺ方向（軸２１７）において移動することができ、他の３自由度（軸２１９）において回転することができ、前記カメラが仮想環境のすべての側面および角度に移動し、操作することができるようにしなければならない。前記ガイド付きナビゲーションに関するカメラモデルは、２つの質点ｘ_１２０３およびｘ_２２０５を接続する、延びない重さのないロッド２０１を含み、双方の質点はポテンシャル場２１５を受ける。前記ポテンシャル場を、前記カメラを前記器官の壁から押しのけるために、前記器官の壁における高さとして規定する。
【００２８】
前記質点の位置をｘ_１およびｘ_２によって与え、これらは同じ質量ｍを有するとする。カメラをサブマリンｘ_１２０３の頭に取り付け、このカメラの見る方向はｘ_２ｘ_１と一致する。前記サブマリンは、前記２個の質点が前に規定したポテンシャル場Ｖ（ｘ）からの力と、任意の摩擦力と、任意のシミュレートされた外力とによって影響を受けると、並進運動と、前記モデルの質量ｘの中心の周囲の回転とを行うことができる。ｘ_１、ｘ_２と、ｘとの間の関係は、以下の通りである。
【数１】

ここで、ｒ、θおよびφは、ベクトルｘｘ_１の極座標である。前記モデルの運動エネルギーＴを、ｘ_１およびｘ_２の運動の運動エネルギーの和として規定する。
【数２】

【００２９】
次に、前記サブマリンモデルの動きに関する式を、ラグランジュ方程式を使用して得る。
【数３】

ここで、ｑ_ｊｓは、前記モデルの一般化座標であり、これを、時間ｔの変数として考えることができる。
【数４】

ψは我々のカメラシステムのロール角を示し、これを後に説明する。Ｆ_ｉｓを一般化された力と呼ぶ。前記サブマリンの制御を、シミュレートされた外力をｘ_１に用いることによって行う。
【数５】

ｘ_１およびｘ_２の双方は、前記ポテンシャル場からの力と、各々の質点の速度の反対方向において作用する摩擦とによって影響を受けるとする。したがって、発生される力は、以下のように式化される。
【数６】

ここで、ｋは前記システムの摩擦係数を示す。外力Ｆ_ｅｘｔを、図２に示すように、発生された画像における所望の方向２０７におけるマウスボタンの単純なクリックによって、オペレータによって適用する。このとき、このカメラモデルはその方向において動く。これは、オペレータがマウスボタンの１クリックのみによって前記カメラの少なくとも５自由度を制御することを可能にする。式（２）、（３）および（５）から、我々のサブマリンモデルの５つのパラメータの加速度を以下のように得ることができる。
【数７】

ここで、
【外１】

および
【外２】

は、各々、ｘの一次導関数および二次導関数を示し、
【数８】

は、点ｘにおけるポテンシャルの勾配を示す。
【外３】

の
【外４】

および
【外５】

の
【外６】

を、遠心力およびコリオリ力と呼び、これらは、前記サブマリンの角速度の交換に関係がある。前記モデルが、前記サブマリンのロッドに関して規定された慣性モーメントを持たないため、これらの項は、φの数値計算のオーバーフローを生じる傾向にある。幸いにも、これらの項は、前記サブマリンモデルの角速度が重要な場合にのみ重要になり、これは、本質的に、前記カメラが速く動き過ぎることを意味する。器官を適切に見ることができないため、カメラを非常に速く動かせるようにすることは無意味であるため、前記オーバーフロー問題を回避するため、我々のインプリメンテーションにおいてこれらの項を最小にする。
【００３０】
式（６）の最初の３つの式から、以下の条件を満たす場合、前記サブマリンを、前記ポテンシャル場に対する外力によって進ませることはできないことが分かる。
【数９】

前記サブマリンの速度と、外力
【外７】

とは、我々のインプリメンテーションにおいて上限を有するため、前記物体の境界において十分高いポテンシャル値を割り当てることによって、前記サブマリンが、前記環境において前記物体または壁に決して衝突しないことを保証することができる。
【００３１】
上述したように、前記カメラシステムのロール角Ψを考える必要がある。可能な１つのオプションは、オペレータに角度の完全な制御を与える。しかしながら、オペレータは、前記カメラを前記モデルのロッドの周りで自由に回転させることができるが、彼または彼女は、容易に方角を見失うかもしれない。好適な技術は、前記カメラの上部の方向を、質量ｍ_２を有する振り子３０１に接続し、この振り子は、図３に示すように前記サブマリンのロッドの周りを自由に回転するとする。振り子の方向ｒ_２を、
ｒ_２＝γ_２（ｃｏｓθｃｏｓφｓｉｎψ
＋ｓｉｎφｃｏｓψ，ｃｏｓθｓｉｎφｓｉｎψ
−ｃｏｓφｃｏｓψ，−ｓｉｎθｓｉｎψ）
のように表し、この式は、前記サブマリンの運動に伴うこの振り子の正確な運動を計算することができるが、システム方程式を複雑にし過ぎる。したがって、ロール角Ψを除くすべての一般化座標が一定であるとし、したがって、前記振り子システムに関する独立の運動エネルギーを、
【数１０】

として規定する。これは、前記モデルを前記ロール角に関して簡単にする。このモデルにおいて、重力
【数１１】

が質点ｍ_２において作用し、Ψの加速度を、
【数１２】

のようなラグランジュ方程式を使用して得ることができる。式（６）および（７）から、一般化座標
【外８】

およびこれらの導関数
【外９】

を、
【数１３】

のようなテイラー級数を使用し、前記サブマリンを自由に動かすことによって、漸近的に計算する。前記サブマリンの動きを滑らかにするために、時間ステップｈを、前記動きを滑らかにするためにできるだけ小さい、しかし、計算コストを減少するのに必要な程度に大きい平衡値として選択する。
【００３２】
ポテンシャル場の定義
図２におけるサブマリンモデルにおけるポテンシャル場は、前記仮想器官における境界（壁または他の物）を、前記サブマリンカメラが前記壁または他の境界と衝突しないことを保証するために、高いポテンシャルを前記境界に割り当てることによって規定する。前記カメラモデルがオペレータによって高いポテンシャル領域に移動するように試みられた場合、前記カメラモデルは、例えばオペレータが前記境界の背後またはポリープの内側の器官を調査することを望まない限り、そうすることが禁止される。仮想大腸鏡検査を行う場合において、ポテンシャル場値を、体積測定結腸データの各々の部分（体積要素）に割り当てる。興味ある特定の領域が図１のステップ１０５において開始点および終了点によって指定された場合、前記走査された結腸の選択された領域内のボクセルを、慣例的なブロッキング操作によって識別する。次に、ポテンシャル値を、前記選択された体積のすべてのボクセルｘに、以下の３つの距離値、すなわち、終了点からの距離ｄｔ（ｘ）と、前記結腸表面からの距離ｄｓ（ｘ）と、前記結腸空間の中心線からの距離ｄｃ（ｘ）とに基づいて割り当てる。ｄｔ（ｘ）を、慣例的な成長戦略によって計算する。前記結腸表面からの距離ｄｓ（ｘ）を、表面ボクセル内部からの慣例的な成長技術を使用して計算する。ｄｃ（ｘ）を決定するために、最初に前記ボクセルから前記結腸の中心線を抽出し、次に、ｄｃ（ｘ）を、慣例的な成長戦略を使用し、前記結腸の中心線から計算する。
【００３３】
前記ユーザに指定された開始点とユーザに指定された終了点とによって規定された前記選択された結腸領域の中心線を計算するために、ｄｓ（ｘ）の最大値を捜し出し、ｄｍａｘと示す。次に、興味ある領域内の各々のボクセルに関して、ｄｍａｘ−ｄｓ（ｘ）のコスト値を割り当てる。このようにして、前記結腸表面に近いボクセルは、高いコスト値を有し、前記中心線に近いボクセルは、比較的低いコスト値を有する。次に、前記コスト割り当てに基づいて、当該技術分野において既知である単一始点最短路技術を用い、始点から終点までの最小コスト経路を効率的に計算する。この低コストラインは、調査することを望む前記結腸区分の中心線または輪郭を示す。前記中心線を決定するこの技術は、本発明の好適な技術である。
【００３４】
興味ある領域の内部のボクセルｘに関するポテンシャル値Ｖ（ｘ）を計算するために、以下の式を用いる。
【数１４】

ここで、Ｃ_１、Ｃ_２、μおよびυは、タスクに関して選択された定数である。前記仮想カメラと前記仮想結腸表面との間のどのような衝突も回避するために、十分大きいポテンシャル値を、前記結腸の外部のすべての点に割り当てる。前記ポテンシャル場の勾配は、したがって、前記サブマリンモデルカメラが、移動しているとき、前記結腸壁に決して衝突しないようにするため、重要になる。
【００３５】
前記結腸における経路の中心線を決定する他の技術は、“ピールレイヤ”技術と呼ばれ、この技術を図４ないし８において示す。
【００３６】
図４は、前記体積測定結腸の２Ｄ断面を、示している前記結腸の２つの側壁４０１および４０３と共に示す。２つのブロッキング壁を、オペレータによって、調査する興味のある前記結腸の選択を規定するために、選択する。前記ブロッキング壁を超えて見ることはできない。これは、前記仮想表現を表示する場合の計算数を減少するのを助ける。前記ブロッキング壁は、側壁と共に、調査すべき前記結腸の含まれる体積測定形状を明らかにする。
【００３７】
図５は、前記仮想調査の飛行経路の２つの終点、開始体積要素５０１および終了体積要素５０３を示す。前記開始点および終了点を、図１のステップ１０５においてオペレータによって選択する。前記開始点及び終了点と結腸側面との間のボクセルを、図６において“ｘ”で示す領域によって示されるように識別し、マークする。前記ボクセルは、画素の３次元表現である。
【００３８】
次に、前記ピールレイヤ技術を、図６における識別されマークされたボクセルに用いる。すべてのボクセルの最外層（結腸壁に最も近い）を、残りのボクセルのただ１つの内部層が存在するようになるまで、１つずつ剥ぎ取る。すなわち、中心点から最も遠く離れた各ボクセルを、前記開始ボクセルと終了ボクセルとの間の経路の分離を生じなくなるまで除去する。図７は、前記仮想結腸におけるボクセルの除去の多数の反復が完了した後の中間結果を示す。前記結腸壁に最も近いボクセルを除去した。図８は、すべての剥ぎ取り反復が完了した後の、前記結腸の中心を下った前記カメラモデルの最終飛行経路を示す。これは、本質的に、前記結腸の中心におけるスケルトンを発生し、前記カメラモデルに関する所望の飛行経路になる。
【００３９】
Ｚバッファ可視性支援
図９は、器官の仮想３次元体積表現においてカメラモデルによって見られる仮想画像を表示する実時間可視性技術を説明する。図９は、図１におけるステップ１０９に対応する変更されたＺバッファを使用する表示技術を示す。前記カメラモデルからあるいは見ることができるボクセルの数は、非常に多い。計算し、視覚化しなければならない要素（またはポリゴン）の合計数を、前記走査された環境におけるボクセルの全体の組から減らさなければ、計算の全体数は、大きな内部領域に関して、前記視覚化表示プロセスを非常に遅くする。しかしながら、本発明において、前記結腸表面において可視であるこれらの画像のみを、表示に関して計算する必要がある。前記走査された環境を、より小さい区分またはセルに再分することができる。次に、前記Ｚバッファ技術は、前記カメラから可視であるセルの部分のみをレンダする。前記Ｚバッファ技術を、３次元ボクセル表示にも使用する。変更されたＺバッファの使用は、計算すべき可視ボクセルの数を減らし、医師または医療技術者による前記仮想結腸の実時間調査を可能にする。
【００４０】
前記中心線をステップ１０７において計算した興味ある領域を、前記表示技術を用いる前に再分する。セルは、可視性単位になるボクセルの集合的グループである。各セルは、他のセルを見ることができる多数の門を含む。前記結腸を、前記選択された開始点において開始し、中心線１００１に沿って前記終了点に向かって移動することによって再分する。次に、前記結腸を、前記中心経路に沿った予め規定されたしきい値距離に達した場合、セル（例えば、図１０におけるセル１００３、１００５および１００７）に分割する。前記しきい値距離は、前記視覚化技術を行うプラットフォームの特性と、その格納及び処理容量とに基づく。前記セルサイズは、前記プラットフォームによって格納し、処理することができるボクセル数に直接関係する。大きく変化させることができるが、しきい値距離の一例は５ｃｍである。各々のセルは、図１０に示すようなセルの外側を見る門として２つの断面を有する。
【００４１】
図９におけるステップ９０１は、前記カメラを現在含む選択された器官内のセルを識別する。この現在セルを、前記カメラの方向を与える可視であるすべての他のセルと同様に表示する。ステップ９０３は、以下にさらに詳細に説明するように、（規定された門を経て）前記カメラから可能的に可視であるセルの階層データのスタブツリー（ツリー図）を構成する。前記スタブツリーは、前記カメラに可視であるかもしれないすべてのセルに関するノードを含む。１つ以上のセルは単一方向において可視であるため、前記セルのいくつかは、妨害する物体がなにもなければ、透明であるかも知れない。ステップ９０５は、隣接するセルエッジの交点を含むセルからのボクセルのサブセットを格納し、どのセルが可視であるかをより効率的に決定するために、これらを前記スタブツリーの外部エッジにおいて格納する。
【００４２】
ステップ９０７は、ループノードが前記スタブツリーにおいて存在するかどうかをチェックする。ループノードは、単一セルの２つ以上のエッジが同じ近くのセルに接する場合、生じる。これは、単一セルが他のセルによって囲まれている場合、生じるかもしれない。ループノードが前記スタブツリーにおいて識別された場合、前記方法はステップ９０９に続く。ループノードがない場合、前記プロセスはステップ９１１に進む。
【００４３】
ステップ９０９は、前記ループノードを形成する２つのセルを１つの大きいノードに合体させる。次に、前記スタブツリーを適宜修正する。これは、ループノードのため、同じセルを２回見るという問題を除去する。このステップを、すべての識別されたループノードにおいて行う。次に、前記プロセスはステップ９１１に続く。
【００４４】
次に、ステップ９１１は、前記Ｚバッファを最も大きいＺ値で開始する。このＺ値は、前記スケルトン経路に沿って前記カメラからの距離を規定する。次に、前記ツリーを横切り、各ノードにおける交点値を最初にチェックする。ノード交点が覆われている場合、現在の門シーケンスが閉じることを意味し（前記Ｚバッファテストによって決定される）、前記ツリーの現在のブランチの横断を停止する。ステップ９１３は、前記ブランチの各々を横断し、前記ノードが覆われていないかどうかをチェックし、覆われていない場合、これらを表示する。
【００４５】
ステップ９１５は、オペレータのスクリーンにおいて表示すべき画像を、ステップ９１３において識別された可視セル内の体積要素から、合成による体積レンダリングのような当該技術分野において既知の種々の技術の１つを使用して構成する。示されるセルは、可能的に可視であると識別されたものだけである。この技術は、実時間表示を達成するために計算を必要とするセルの数を制限し、相応して、よりよい性能のための表示の速度を増す。この技術は、実際に表示されようとされなかろうとすべての可能な可視データ点を計算する従来技術に対する改良である。
【００４６】
図１１Ａは、ガイド付きナビゲーションによって調査されており、オペレータに表示する必要がある器官の２次元画像表現である。器官１１０１は、２つの側壁１１０２と、経路の中心における物体１１０５とを示す。この器官を、４つのセルＡ１１５１、Ｂ１１５３、Ｃ１１５５およびＤ１１５７とに分割した。カメラ１１０３は、セルＤ１１５７の方に面しており、コーン状視野を認めることができる視野ベクトル１１０７、１１０８によって規定される視野を有する。可能的に見ることができるセルは、セルＢ１１５３、Ｃ１１５５およびＤ１１５７である。セルＣ１１５５は、セルＢによって完全に取り囲まれ、したがって、ノードループを構成する。
【００４７】
図１１Ｂは、図１１Ａにおけるセルから構成されたスタブツリーの表現である。前記カメラを含むノードＡ１１０９は、前記ツリーのルートにある。妨害されない可視の経路である視線または視野コーンは、ノードＢ１１１０へ引かれる。ノードＢは、ノードＣ１１１２およびノードＤ１１１４の双方への直接可視視線を有し、これらを接続する矢印によって示す。前記見るカメラの方向におけるノードＣ１１１２の視線は、ノードＢ１１１０と結合する。ノードＣ１１１２およびノードＢ１１１０は、したがって、図１１Ｃに示すような１つの大きいノードＢ´１１２２に合体する。
【００４８】
図１１Ｃは、ノードＢ´１１２２（ノードＢおよびノードＣの双方を含む）およびノードＤ１１１４に隣接する前記カメラを含むノードＡ１１０９を示す。ノードＡ、Ｂ´およびＤを、少なくとも部分的にオペレータに対して表示する。
【００４９】
図１２Ａ−１２Ｅは、視線を妨害する物体を含むセルと共に、前記変更されたＺバッファの使用を説明する。物体を、前記仮想結腸の一部におけるある老廃物とすることができる。図１２Ａは、１０のポテンシャルセル、Ａ１２５１、Ｂ１２５３、Ｃ１２５５、Ｄ１２５７、Ｅ１２５９、Ｆ１２６１、Ｇ１２６３、Ｈ１２６５、Ｉ１２６７およびＪ１２６９を有する仮想空間を示す。前記セルのいくつかは、物体を含む。カメラ１２０１がセルＩ１２６７に位置し、視野ベクトル１２０３によって示されるようにセルＦ１２６１の方を向いている場合、スタブツリーを、図９における流れ図によって示す技術によって発生する。図１２Ｂは、図１２Ａにおいて示すような仮想表現に関して示す交点ノードによって発生されたスタブツリーを示す。図１２Ｂは、カメラ１２１０を含むため、前記ツリーのルートノードとしてセルＩ１２６７を示す。セルＦが前記カメラの視線に直接接続するため、（矢印で示すように）ノードＩ１２１１はノードＦ１２１３をさす。ノードＦ１２１３は、ノードＢ１２１５およびノードＥ１２１９の双方をさす。ノードＢ１２１５は、ノードＡ１２１７をさす。ノードＣ１２０２は、カメラ１２０１による視線から完全に妨げられ、したがって、前記スタブツリーに含まれない。
【００５０】
図１２Ｃは、ノードＩ１２１１をオペレータ用のディスプレイにおいてレンダした後のスタブツリーを示す。ノードＩ１２１１を、すでに表示されたため、前記スタブツリーから除去し、ノードＦ１２１３はルートになる。図１２Ｄは、ノードＦ１２１３をここでレンダし、ノードＩ１２１１を連結することを示す。次に、矢印によって接続された前記ツリーにおける次のノードをチェックし、これらがすでにカバーされたか（すでに処理されたか）を確かめる。この例において、ノードＢ５１５（と、したがって従属するノードＡと）を前記ディスプレイにおいてレンダする必要がないため、セルＩ１２６７において位置するカメラからの交差したノードのすべてがカバーされている。
【００５１】
図１２Ｅは、ノードＥ５１５をチェックし、その交点がカバーされたかどうかを決定することを示す。カバーされているため、図１２Ａ−１２Ｅのこの例においてレンダされたノードは、ノードＩおよびＦだけであり、ノードＡ、ＢおよびＥは不可視であり、これらのセルが表示される準備ができている必要はない。
【００５２】
図９に示す変更されたＺバッファ技術は、より少ない計算を可能にし、ボクセル、またはポリゴンのような他のデータ要素によって表された物体に用いることができる。
【００５３】
図１３は、その壁の一方に沿って大きいポリープが存在する結腸の２次元仮想ビューを示す。図１３は、さらに調査すべき患者の結腸の選択された区分を示す。このビューは、２つの結腸壁１３０１および１３０３を、１３０５として示す腫瘍と共に示す。層１３０７、１３０９および１３１１は、前記腫瘍の内部層を示す。医師が前記ポリープまたは腫瘍の層を剥がし、任意の癌または他の有害な要素に関して固まりの内部を見ることができることが望ましい。このプロセスは、実際には、前記固まりへ実際に切断することなしに、前記固まりの仮想生体組織検査を行う。前記結腸をボクセルによって仮想的に表現したら、物体の層を剥ぎ取るプロセスは、図４ないし８と共に説明したように、容易に行われる。特定の断面を調査できるように、前記固まりをスライスすることもできる。加えて、ユーザが規定したスライス１３１９を、前記腫瘍において任意の方法で形成することができる。ボクセル１３１９を、以下に説明するように、剥ぎ取ることができ、変更することもできる。
【００５４】
伝達関数を興味ある領域における各ボクセルに行うことができ、各ボクセルの半透明性を表す係数を変化させることによって、前記物体を透明、半透明または不透明にすることができる。不透明度係数を、各ボクセルにその密度に基づいて割り当てる。次に、マッピング関数は、前記密度値を、その半透明性を表す係数に変換する。高密度走査ボクセルは、壁か、単にオープンスペースの以外の他の密な物質のいずれかを示す。次に、オペレータまたはプログラムルーチンは、ボクセルまたはボクセルのグループの不透明度係数を変化させ、これらが前記サブマリンカメラモデルに対して透明または半透明にすることができる。例えば、オペレータは、腫瘍全体の内部または外部の腫瘍を見ることができる。また、透明ボクセルを形成し、図９の表示ステップに関して存在しないかのようにみせる。前記オブジェクトの区分の合成を、当該区分におけるボクセルの不透明度係数の重み付き平均を使用して形成することができる。
【００５５】
医師が、ポリープの種々の層を見て癌の領域を探すことを望む場合、これを、ポリープの外部の層１３０５を除去し、第１層１３０７を生じることによって行うことができる。加えて、第１内部層１３０７を取り除き、第２内部層１３０９を見ることができる。前記第２内部層を取り除き、第３内部層１３１１等を見ることができる。医師は、ポリープ１３０５をスライスし、所望の区分内のこれらのボクセルのみを見ることもできる。前記スライスする領域を、完全にユーザが規定することができる。
【００５６】
不透明係数を加えることは、仮想システムの調査を援助する他の方法でも使用されるかもしれない。老廃物が存在し、ある既知の範囲内の他の特性として密度を有する場合、前記老廃物を、調査中その不透明度係数を変更することによって前記仮想カメラに対して透明にすることができる。これは、患者が前記手順の前に腸洗浄剤を摂取することを回避することを可能にし、前記調査をより速くより容易にする。他の物体を、実際の適用に応じて同様に消すことができる。加えて、ポリープのようないくつかの物体を、コントラスト剤とそれに続く適切な伝達関数の使用によって電子的に強調することができる。
【００５７】
図１４は、本明細書において記載の技術を使用して人間の器官のような物体の仮想調査を行うシステムを示す。患者１４０１は、プラットフォーム上で横になり、走査装置１４０５は、調査すべき１つ以上の器官を含む領域を調査する。走査装置１４０５は、前記患者の画像を実際に取得する走査部分１４０３と、エレクトロニクス部分１４０６とを含む。エレクトロニクス部分１４０６は、インタフェース１４０７と、中央処理ユニット１４０９と、走査データを一時的に格納するメモリ１４１１と、データを仮想ナビゲーションプラットフォームに送る第２インタフェース１４１３とを具える。インタフェース１４０７および１４１３を、単一のインタフェース構成要素に含めることができ、または、同じ構成要素とすることができる。部分１４０６における構成要素を、慣例的なコネクタによって共に接続することができる。
【００５８】
システム１４００において、装置１４０３の走査部分から与えられたデータを、処理するために部分１４０５に伝送し、メモリ１４１１に格納する。中央処理ユニット１４０９は、走査された２Ｄデータを３Ｄボクセルデータに変換し、その結果をメモリ１４１１の他の部分に格納する。代わりに、前記変換されたデータを、仮想ナビゲーション端末１４１６に伝送するために直接インタフェースユニット１４１３に送ることもできる。前記２Ｄデータの変換を、インタフェース１４１３から伝送した後に、仮想ナビゲーション端末１４１６において行ってもよい。好適実施形態において、オペレータが前記仮想調査を行うために、前記変換されたデータを、キャリア１４１４によって仮想ナビゲーション端末１４１６に伝送する。前記データを、記憶媒体において格納し、端末１４１６に物理的に伝送するか、衛星伝送を使用することによるような他の慣例的な方法において伝送することもできる。
【００５９】
前記走査されたデータをその３Ｄ表現に、前記視覚化レンダリングエンジンが前記データを３Ｄ形式にすることを要求するまで、変換しなくてもいい。これは、計算ステップとメモリ記憶空間とを節約する。
【００６０】
仮想ナビゲーション端末１４１６は、前記仮想器官または他の走査された画像を見るスクリーンと、エレクトロニクス部分１４１５と、キーボード、マウスまたはスペースボールのようなインタフェース制御１４１９とを含む。エレクトロニクス部分１４１５は、インタフェースポート１４２１と、中央処理ユニット１４２３と、前記端末を動作するのに必要な他の構成要素１４２７と、メモリ１４２５とを具える。端末１４１６における構成要素を、慣例的なコネクタによって一緒に接続する。前記変換されたボクセルデータを、インタフェースポート１４２１によって受け、メモリ１４２５に格納する。次に、中央処理ユニット１４２３は、前記３Ｄボクセルを仮想表現に組み立て、図２および３において説明したようなサブマリンカメラモデルを動作し、前記仮想調査を行う。前記サブマリンカメラが前記仮想器官を通って移動しているとき、図９において説明したような可視化技術を使用し、前記仮想カメラから可視のこれらの領域のみを計算し、これらをスクリーン１４１７において表示する。グラフィックスアクセラレータを、前記表示の発生において使用することもできる。オペレータは、インタフェース装置１４１９を使用し、前記走査された肉体のどの部分を調査したいかを示すことができる。さらに、インタフェース装置１４１９を使用し、図２およびその伴う記述において考察したように望まれるサブマリンカメラを制御し、動かすことができる。端末部分１４１５を、ニューヨーク州立大学ストーニーブロック校におけるコンピュータ科学部から一般的に利用可能なＣｕｂｅ−４専用システムボックスとすることができる。
【００６１】
走査装置１４０５および端末１４１６、またはこれらの部品を、同じユニットの一部とすることができる。単一のプラットフォームを使用し、前記走査画像データを受け、必要ならこれを３Ｄボクセルに接続し、前記ガイド付きナビゲーションを行う。
【００６２】
システム１４００における重要な特徴は、前記仮想器官を、患者の存在なしに、より後の時間において調査することができることである。加えて、前記仮想調査を、患者を走査している間に行うことができる。前記走査データを、２人以上の医師が前記器官の内部を同時に見ることを可能にする多数の端末に送ることもできる。したがって、ニューヨークにおける医師が、カリフォルニアにおける医師と同時に患者の器官の同じ部分を、このケースを討論しながら見ることができる。代わりに、前記データを、異なった時間において見ることができる。２人以上の医師が、異なったケースにおける同じデータの彼ら自身の調査を行うことができる。多数の仮想ナビゲーション端末を使用し、同じ走査データを見ることができる。前記器官をデータの個別の組を有する仮想器官として再生することによって、精度、コストおよび可能なデータ操作のような領域において多数の利点がある。
【００６３】
さらに、上述した技術を、画像分割動作が続く変更された腸準備動作を用いる改善された電子結腸洗浄技術の使用によって、仮想大腸鏡検査用途において拡張することができ、コンピュータ断層撮影（ＣＴ）または磁気共鳴画像（ＭＲＩ）走査中に前記結腸において残る流体および大便を検出し、前記仮想大腸鏡画像から除去することができる。これらのような技術の使用により、前記結腸の慣例的な物理的洗浄と、これに関係する不便さおよび不快さとは、最小になる、または完全に回避される。
【００６４】
図１５を参照し、電子結腸洗浄の第１ステップは、腸準備（ステップ１５１０）であり、このステップは、ＣＴまたは磁気共鳴画像（ＭＲＩ）走査の前に行い、前記結腸において残る残りの大便および流体が、ガスで満たされた結腸内部および結腸壁の画像特性と重大に異なる画像特性を与える条件を形成することを目的とする。好例の腸準備動作は、前記ＣＴまたはＭＲＩ走査の前日中、ニューヨーク、ウェストバリーのＥ−Ｚ−Ｍ，Ｉｎｃ．によって製造されるような２．１％Ｗ／Ｖの硫酸バリウム懸濁液の２５０ｃｃ３回の服用することを含む。前記３回の服用は、１日の間で分散させるべきであり、各々、３回の食事と共に摂ることができる。前記硫酸バリウムは、前記結腸内に残るどのような大便の画像も強調するように働く。前記硫酸バリウムの摂取に加えて、前記ＣＴまたはＭＲＩ走査前日中、液体の摂取を好適には増加させる。水を摂取させることもできるが、クランベリージュースは、腸の流体を増加させることが知られており、好適である。前記ＣＴ走査の前夜と、前記ＣＴ走査の朝との双方において、セントルイス、ミッソーリのマリンクロットによって製造されるＭＤ−ガストロビューとして商業的に利用可能な６０ｍｌのアミドトリゾ酸メグルミンおよびアミドトリゾ酸ナトリウム溶液を摂り、前記結腸流体の画像特性を強調することができる。リン酸ナトリウムを前記溶液に加え、前記結腸内の大便を液化することができ、これは、前記結腸流体および残りの大便のより均一な強調を与える。
【００６５】
上述した好例の予備腸準備動作は、ＣＴスキャン前の１ガロンのゴリテリーの摂取を必要とするかもしれない慣例的な結腸洗浄プロトコルの必要を除去することができる。
【００６６】
前記ＣＴスキャンを行う直前、インディアナポリス、インディアナのエリーリリーアンドカンパニーによって製造される１ｍｌのグルカゴンの静脈注射を施し、結腸の衰弱を最小にすることができる。次に、前記結腸を、ＣＯ_２または空気のような約１０００ｃｃの圧縮ガスを使用して膨張させ、前記ガスを、直腸チューブを経て入れることができる。この時点において、慣例的なＣＴスキャンを行い、前記結腸の領域からデータを取得する（ステップ１５２０）。例えば、データを、５ｍｍ、１．５−２．０：１ピッチのヘリカルモードにおいて動作するＧＥ／ＣＴＩスパイラルモードスキャナを使用して取得することができ、１ｍｍスライスにおいて再生することができ、前記ピッチを、患者の高さに基づいて既知の方法において調節する。１２０ｋＶｐおよび２００−２８０ｍａのルーチンの画像プロトコルを、この動作に使用することができる。前記データを、患者のサイズに応じて３４から４０ｃｍまで変化する視野において５１２×５１２画素のアレイサイズを有する１ｍｍ厚スライス画像として取得し、再生することができる。これらのようなスライスの数は、一般に、前記患者の高さに応じて、３００から４５０までこれらの条件の下で変化する。前記画像データ組を、体積要素またはボクセルに変換する（ステップ１５３０）。
【００６７】
画像分割を、多数の方法において行うことができる。画像分割のある現在の方法において、局所近接技術を使用し、前記画像データのボクセルを、同様の強度値にしたがって分類する。この方法において、取得した画像の各ボクセルを、隣接するボクセルのグループに関して評価する。興味あるボクセルは、中央ボクセルと呼ばれ、関係する強度値を有する。各ボクセルに関する分類指標を、前記中央ボクセルの値をその隣接ボクセルの各々と比較することによって確立する。前記隣接ボクセルが前記中央ボクセルと同じ値を有する場合、前記分類指標の値を増加する。しかしながら、前記隣接ボクセルが前記中央ボクセルと異なった値を有する場合、前記中央ボクセルに関する分類指標を減少する。次に、前記中央ボクセルを、最大の指標値を有するカテゴリに分類し、これは、局所隣接ボクセルの中で最も一様な隣接ボクセルを有する。各々の分類は、特定の強度範囲を示し、この強度範囲は、画像化されている１つ以上の材料形式の表現である。さらに、この方法を、混合確率関数を得られた前記類似性分類に用いることによって拡張することができる。
【００６８】
画像分割の代わりのプロセスを、２つの主な動作、すなわち、低レベル処理と高レベル特徴抽出として行う。低レベル処理中、身体の輪郭の外部の領域を更なる処理から除外し、前記身体輪郭の内部のボクセルを、良好に規定されたク強度特徴のラスに従って大まかに分類する。例えば、腹部領域のＣＴスキャンは、良好に規定された強度分布を示す傾向にあるデータ組を発生する。図１６のグラフは、このような強度分布を、強度しきい値にしたがって分類することができる４つの良好に規定されたピーク、１６０２、１６０４、１６０６、１６０８を有する好例のヒストグラムとして示す。
【００６９】
腹部ＣＴデータ組のボクセルを、強度しきい値にしたがって４つのクラスタに大まかに分類する（ステップ１５４０）。例えば、クラスタ１は、これらの強度が１４０未満のボクセルを含むことができる。このクラスタは、一般に、前記ガスを満たされた結腸内部の最も密度が低い領域に対応する。クラスタ２は、２２００を超える強度値を有するボクセルを含むことができる。これらの強度値は、前記結腸内部の強調された大便および流体と、骨とに対応する。クラスタ３は、約９００から約１０８０の範囲における強度を有するボクセルを含むことができる。この強度範囲は、一般に、おそらく結腸には関係しない、脂肪や筋肉のような柔らかい組織をあらわす。次に、残りのボクセルを共にクラスタ４として分類することができ、これは、前記結腸壁（前記結腸壁の周囲の粘膜および一部の体積混合物を含む）と、肺組織および軟骨に関係すると考えられる。
【００７０】
クラスタ１および３は、前記結腸壁の識別において特に価値がなく、したがって、仮想大腸鏡検査に関する画像分割手順中、実際的な処理を受けない。クラスタ２に関係するボクセルは、前記結腸壁から大便および流体を分離するのに重要であり、前記高レベル特徴抽出動作中、さらに処理される。低レベル処理を、結腸組織に対応する最も高い可能性を有する第４のクラスタにおいて集中する（ステップ１５５０）。
【００７１】
前記第４クラスタにおける各ボクセルに関して、強度ベクトルを、それ自身およびその周囲のボクセルを使用して発生する。前記強度ベクトルは、所定のボクセルに最も近い隣接ボクセルにおける強度における変化の表示を与える。前記強度ベクトルを確立するのに使用する隣接ボクセルの数は重要ではなく、処理オーバヘッドと精度との間のトレードオフを含む。例えば、簡単なボクセル強度ベクトルを、興味あるボクセルと、３つの相互に直交する軸においてこのボクセルを取り囲む、その前後の隣接ボクセルと、その左右の隣接ボクセルと、その上下の隣接ボクセルとを含む、７ベクトルで確立することができる。図１７は、２５ボクセル強度ベクトルモデルの形態における好例の強度ベクトルを説明する斜視図であり、この強度ベクトルは、選択されたボクセル１７０２と、その第１順、第２順および第３順の隣接ボクセルとを含む。選択されたボクセル１７０２をこのモデルの中心点とし、固定ボクセルと呼ぶ。前記固定ボクセルと同じ平面における１２個の隣接ボクセルを含むボクセルの平面スライスを、固定スライス１７０４と呼ぶ。前記固定スライスに対する隣接平面において、各々５ボクセルを有する２つの最も近いスライス１７０６がある。第１の最も近いスライス１７０６の隣は、各々１つのボクセルを有する２つの第２の最も近いスライス１７０８である。前記第４クラスタにおける各ボクセルに関する強度ベクトルの集合を、局所ベクトル列と呼ぶ。
【００７２】
腹部画像に関するデータ組は、一般に、３００を超えるスライス画像を含み、スライス画像の各々が５１２×５１２ボクセルアレイを有し、各ボクセルが関係する２５のボクセル局所ベクトルを有するため、前記局所ベクトル列において特徴解析を行い（ステップ１５７０）、計算上の負担を減らすことが望ましい。あるこのような特徴解析は、主成分解析（ＰＣＡ）であり、これを前記局所ベクトル列に適用し、特徴ベクトル列の大きさと、クラスタ４のボクセルに関する直交変換行列とを決定することができる。
【００７３】
前記ＣＴ画像強度のヒストグラム（図１６）は、同等の準備および走査パラメータを与えれば、特定のスキャナに関して、患者間でかなり一定になる傾向にある。この観察を信頼し、直交変換行列を確立することができ、この行列は、同じスキャナを同様の条件の下で使用して獲得された訓練データのいくつかの組を使用することによって決定された、予め決定された行列である。このデータから、カールフネン−ロエベ（Ｋ−Ｌ）変換のような変換行列を、既知の方法において発生することができる。前記変換行列を前記局所ベクトル列に用い、特徴ベクトル列を発生することができる。特徴ベクトル空間領域において、ベクトル量子化技術を使用し、前記特徴ベクトル列を分類することができる。
【００７４】
解析的自己適合的アルゴリズムを、前記特徴ベクトルの分類に使用することができる。このアルゴリズムの規定において、｛Ｘ_ｉ∈Ｒ^４：ｉ＝１，２，３，．．．，Ｎ｝を前記特徴ベクトルの列とし、Ｎを特徴ベクトルの数とし、Ｋはクラスの最大数を示し、Ｔを前記データ組に適合するしきい値とする。各クラスに関して、代表的な要素を前記アルゴリズムによって発生する。ａ_ｋをクラスｋの代表的な要素とし、ｎ_ｋをクラスｋにおける特徴ベクトルの数とする。
【００７５】
次に、前記アルゴリズムを以下のように概説することができる。
１．ｎ_１＝１；ａ_１＝Ｘ_１；
【外１０】

＝１とおく
２．クラス数［外１０］およびクラスパラメータ（ａｋ，ｎｋ）を得る
（ｉ＝１；ｉ＜Ｎ；ｉ＋＋）と（ｊ＝１；ｊ＜［外１０］；ｊ＋＋）とに関して、
ｄ_ｊ＝ｄｉｓｔ（Ｘ_ｉ，ａ_ｊ）を計算し、
ｉｎｄｅｘ＝ａｒｋ　ｍｉｎ　ｄ_ｊとして、
（ｄ_{ｉｎｄｅｘ}＜Ｔ）^ｊまたは（［外１０］＜Ｋ）ならば、
クラスパラメータを更新する
ａ_{ｉｎｄｅｘ}＝（１／（ｎ_{ｉｎｄｅｘ}＋１））×（ｎ_{ｉｎｄｅｘ}・ａ_{ｉｎｄｅｘ}＋Ｘ_ｉ）
ｎ_{ｉｎｄｅｘ}＝ｎ_{ｉｎｄｅｘ}＋１
（ｄ_{ｉｎｄｅｘ}＜Ｔ）^ｊまたは（［外１０］＜Ｋ）でなければ、
新たなクラスを発生する
【数１５】

【数１６】

［外１０］＝［外１０］＋１
３．各々の特徴ベクトルを、最も近い隣接ルールにしたがって、クラスにラベル付けする
（ｉ＝１；ｉ＜Ｎ；ｉ＋＋）と（ｊ＝１；ｊ＜［外１０］；ｊ＋＋）とに関して、
ｄ_ｊ＝ｄｉｓｔ（Ｘ_ｉ，ａ_ｊ）を計算し、
ｉｎｄｅｘ＝ａｒｋ　ｍｉｎ　ｄ_ｊ
ボクセルｉをクラスインデックスにラベル付けする
【００７６】
このアルゴリズムにおいて、ｄｉｓｔ（ｘ，ｙ）は、ベクトルｘとｙとの間のユークリッド距離であり、ａｒｃ　ｍｉｎ　ｄ_ｊは、ｄ_ｊの最小値を実現する整数である。
【００７７】
上述したアルゴリズムは、パラメータＴおよびＫにのみ依存する。しかしながら、各ボクセルクラスタ内のクラス数に関するＫの値は重要ではなく、Ｋ＝１８のような一定値に設定することができる。しかしながら、ベクトル類似性しきい値であるＴは、分類結果に大きく影響する。Ｔの選択された値が大きすぎる場合、１つのクラスのみが発生する。他方において、Ｔの値が小さすぎる場合、結果として生じるクラスは、望ましくない冗長性を示す。Ｔの値を、前記特徴ベクトル列の最大の構成要素の変化に等しく設定することによって、最大数の別個のクラスが結果として生じる。
【００７８】
前記初期分類処理の結果として、前記選択されたクラスタ内の各ボクセルを１つのクラスに割り当てる（ステップ１５７０）。仮想大腸鏡検査の好例の場合において、クラスタ４内にいくつかのクラスが存在する。したがって、次のタスクは、クラスタ４におけるいくつかのクラスのうちのどれが前記結腸壁に対応するかを決定することである。前記特徴ベクトルの残りの座標は、前記局所隣接ボクセル内の方向強度変化の情報を含む。前記結腸の内部に関する結腸壁ボクセルは、一般に、クラスタ１のガスボクセルの近くにあるため、しきい値間隔を、代表的なＣＴデータ組の代表的な結腸壁強度から選択されたデータ標本によって決定し、結腸壁ボクセル候補を識別することができる。特定のしきい値を、各々の特定の画像プロトコルおよび装置に関して選択する。次に、このしきい値間隔を、（同じ機械から、同じ画像プロトコルを使用して取得された）すべてのＣＴデータ組に用いることができる。前記代表的な要素の第１座標が前記しきい値間隔において位置する場合、対応するクラスを前記結腸壁クラスとみなし、このクラスにおけるすべてのボクセルに結腸壁様ボクセルとラベル付けする。
【００７９】
各々の結腸壁様ボクセルは、コロン壁ボクセルである候補である。結腸壁に属さない３つの可能な結果が存在する。第１の場合は、前記結腸内部の大便／流体に近いボクセルに関係する。第２の場合は、ボクセルが肺組織領域にある場合に生じる。第３の場合は、粘膜ボクセルを表す。明らかにこのとき、低レベル分類は、ある程度の分類不確実性を伴う。前記低レベル分類不確実性の原因はさまざまである。例えば、２つ以上の材料形式（すなわち、流体および結腸壁）を含むボクセルによる結果として生じる部分的体積効果が、不確実性の第１の場合を導く。不確実性の第２および第３の場合は、前記部分的体積効果と、前記ＣＴ画像が低コントラストなこととの双方による。前記不確実性を除去するために、追加の情報が必要である。したがって、高レベル特徴抽出プロセスを本方法において使用し、前記結腸壁に関するボクセルを他の結腸壁様ボクセルから、前記ＣＴ画像の先験的な解剖知識に基づいてさらに識別する（ステップ１５８０）。
【００８０】
前記高レベル特徴抽出手順の最初のステップを、前記低レベル分類結果から肺組織の領域を除去することとしてもよい。図１８Ａは、肺領域１８０２を明確に説明する好例のスライス画像である。肺領域１８０２は、一般的に、図１８Ｂにおいて説明するような結腸壁様ボクセルによって囲まれた接触する３次元体積として識別可能である。この特性が与えられれば、この技術における第１ステップは、前記腫瘍の領域内で種ボクセルを見つけることである。好適には、前記ＣＴ画像操作を行うオペレータは、画像範囲を設定し、前記ＣＴ走査の最も上部のスライスが結腸ボクセルを含まないようにする。肺の内部が空気で満たされるべきとき、前記種を、前記低レベル分類によって、単に空気ボクセルを選択することによって与える。図１８Ｂの肺領域輪郭が決定されたら、前記肺体積を前記画像スライスから除去することができる（図１８Ｃ）。
【００８１】
高レベル特徴抽出を行うことにおける次のステップを、クラスタ２における強調された大便／流体ボクセルから骨ボクセルを分離することとすることができる。骨組織ボクセル１９０２は、一般に、前記結腸壁から比較的離れており、前記結腸体積の外部に存在する。それと反対に、残りの大便１９０６および流体１９０４は、前記結腸体積内に囲まれる。先験的な解剖知識と、前記低レベル分類プロセスから得られた結腸壁情報とを組み合わせ、大まかな結腸壁体積を発生する。予め決められた数（例えば、３）より多いボクセルユニットによって前記結腸壁から分離され、前記結腸体積の外部のどのベクトルにも、骨とラベル付けし、次に、前記画像から除去する。クラスタ２における残りのボクセルは、前記結腸体積内の大便および液体を表すと仮定することができる（図１９Ａ−Ｃ参照）。
【００８２】
大便１９０６および流体１９０４として識別される前記結腸体積内のボクセルを、前記画像から除去し、きれいな結腸管腔および結腸壁画像を発生することができる。一般に、２種類の大便／流体領域が存在する。一方の領域形式は、前記結腸壁に付着した大便１９０６の残りの領域である。他方の領域形式は、流体１９０４の大きい体積であり、洗面器状の結腸の折りたたみにおいて集まる（図１９Ａ−Ｃ参照）。
【００８３】
付着した残りの大便領域１９０６を、これらは前記低レベル分類プロセス中に発生された大まかな結腸体積の内部にあるため、識別し、除去することができる。前記洗面器状の結腸の折りたたみにおける流体１９０６は、通常、重力の影響により水平面１９０８を有する。前記水平面の上は通常ガス領域であり、このガス領域は前記流体強度に対してきわめて高いコントラストを示す。したがって、前記流体領域の界面を容易に明示することができる。
【００８４】
領域成長戦略を使用し、付着した大便領域１９０６の輪郭を示すことができ、前記結腸壁体積から離れた部分を除去することができる。同様に、流体領域１９０４の輪郭も示すことができる。水平面１９０８を除去した後、前記結腸壁輪郭も除去し、きれいな結腸壁を得る。
【００８５】
前記結腸壁ボクセルから粘膜ボクセルを識別することは困難である。上記３次元処理がいくつかの粘膜ボクセルを除去できたとしても、すべての粘膜ボクセルを除去するのは困難である。光学大腸鏡検査において、医師は、結腸粘膜を直接検査し、前記粘膜の色および感触に基づいて病変を探す。仮想大腸鏡検査において、前記結腸壁における大部分の粘膜ボクセルを、より多くの情報を保存するために、残すことができる。これは、３次元体積レンダリングに関してきわめて有用であるかもしれない。
【００８６】
前記分割された結腸壁体積から、前記結腸の内部表面、外部表面および壁自体を抽出し、仮想物体として見ることができる。これは、前記結腸の外部壁を内部壁と同様に調査することができるという、慣例的な光学大腸鏡検査に対する独自の利点を提供する。さらに、前記結腸壁および結腸管腔を、前記分割から別々に得ることができる。
【００８７】
前記結腸を、実質上画像化の前に空にするため、一般に遭遇する問題は、前記結腸管腔がある程度までしぼむことである。空気またはＣＯ_２のような圧縮ガスによる前記結腸の膨張は、しぼんだ領域の頻度を減らす。仮想大腸鏡検査を行うことにおいて、前記しぼんだ領域を通じて飛行経路を自動的に保持することが望ましく、前記走査された画像データを使用し、前記しぼんだ領域において前記結腸管腔を少なくとも部分的に再形成することも望ましい。上述した画像分割方法は、前記結腸壁の内部および外部の双方を有効に得るため、この情報を使用し、前記しぼんだ領域を通じて飛行経路の発生を拡張することができる。前記結腸のしぼんだ領域を通じた前記飛行経路の拡張、または、前記結腸のしぼんだ領域の膨張において、第１ステップは、しぼんだ領域を検出することである。前記結腸壁の外側の周囲からの画像データのグレイスケール値は、前記結腸壁それ自体の中や、脂肪、筋肉または他の種類の組織のような他の領域におけるグレイスケール値より劇的により大幅に変化するという前提を使用し、エントロピ解析を使用して、結腸しぼみの領域を検出することができる。
【００８８】
例えば中心線に沿ったグレイスケール値の変化の程度を、エントロピ値によって表し、測定することができる。エントロピ値を計算するために、前記結腸の外側表面におけるボクセルを選択する。これらのような点を、上述した画像分割技術から識別する。５×５×５の立方体ウィンドウを、興味ある画素を中心として前記画素に用いる。前記エントロピ値を計算する前に、前記画像データからノイズをろ過するために、より小さい（３×３×３）ウィンドウを興味ある画素に用いることができる。次に、前記画素について選択されたウィンドウのエントロピ値を、以下の式によって決定することができる。
【数１７】

ここで、Ｅはエントロピ値であり、Ｃ（ｉ）は前記ウィンドウ内のｉ（ｉ＝０，１，２，．．．，２５５）のグレイスケール値を有する点の数である。次に、各々のウィンドウに関して計算されたエントロピ値を、予め決められたしきい値と比較する。空気の領域に関して、前記エントロピ値は、組織の領域と比べると、かなり低くなる。したがって、前記結腸管腔の中心線に沿って、前記エントロピ値が増加し、予め決められたしきい値を超える場合、しぼんだ領域を示す。前記しきい値の正確な値は重要ではなく、画像プロトコルと、画像装置の詳細とに部分的に依存する。
【００８９】
しぼんだ領域が検出されたら、前もって決定された中心線飛行経路を、１ボクセル幅ナビゲーションラインでしぼみの中心を貫通させることによって前記領域を通じて拡張することができる。
【００９０】
前記仮想カメラの飛行経路を前記結腸管腔を通じて自動的に延長することに加えて、前記結腸しぼみの領域を、物理的モデル化技術を使用して仮想的に広げ、前記しぼんだ領域の特性のうちいくつかを回復させることができる。この技術において、前記結腸壁の物理的特性のモデルを開発する。このモデルに関して、運動パラメータ、質量密度、ダンピング密度、引張係数、および曲げ係数を、ラグランジュ方程式に関して推定する。次に、拡張力モデル（すなわち、前記結腸中に注入された空気のようなガスまたは流体）を、前記ラグランジュ方程式によって規定されるような前記結腸の弾性特性に従って式化し、適用し、前記結腸画像のしぼんだ領域をその自然な形状に復元するようにする。
【００９１】
前記結腸をモデル化するために、有限要素モデルを、前記結腸管腔のしぼんでふさがれた領域に用いる。これを、８ボクセルレンガのような一定のグリッドにおいて前記要素を標本化し、次に、慣例的な体積レンダリング技術を用いることによって行うことができる。代わりに、四面体のような不規則体積表現アプローチを前記しぼんだ領域に用いることができる。
【００９２】
外力（空気注入）モデルを前記結腸モデルに用いることにおいて、前記外力の大きさを最初に決定し、前記しぼんだ結腸壁領域を適切に分離する。三次元成長モデルを使用し、結腸内壁表面および結腸外壁表面を並列にトレースすることができる。個々の表面を、前記しぼんだ領域における開始点から成長源点までマークし、前記外力モデルを用い、前記表面を同様かつ自然なように膨張させる。前記内部表面および外部表面の間の領域、すなわち、結腸壁を、共有領域として分類する。外部斥力モデルをこれらの共有領域に用い、前記しぼんだ結腸壁部分を自然なように分離し、膨張させる。
【００９３】
仮想調査を受ける結腸のような仮想物体の特徴をより明瞭に視覚化するために、前記物体の種々のテクスチャのレンダリングを与えることが有利である。光学大腸鏡検査中に与えられるカラー画像において観察することができるこれらのようなテクスチャは、ＣＴ画像データによって与えられる白黒、グレイスケール画像においてしばしば失われる。したがって、仮想調査中にテクスチャ画像化するシステムおよび方法が要求される。
【００９４】
図２０は、テクスチャ成分を有する仮想画像を発生する本方法を示すフローチャートである。本方法の目的は、例えばビジブルヒューマンからの赤−緑−青（ＲＧＢ）における光学大腸鏡検査画像によって得られたテクスチャを、仮想物体を発生するのに使用されるグレイスケールモノクロームＣＴ画像データ上にマッピングすることである。前記光学大腸鏡検査画像を、ビデオカメラのようなカメラからアナログ光学画像を受け、前記画像を、インタフェースポート１４３１（図１４）を経てＣＰＵ１４２３に供給することができるディジタルデータに変換するディジタル「フレームグラバー」１４２９によるような、慣例的なディジタル画像取得技術によって取得する。このプロセスにおける第１ステップは、前記ＣＴ画像データを分割することである（ステップ２０１０）。上述した画像分割技術を用い、前記グレイスケール画像における強度しきい値を選択し、前記ＣＴ画像データを、骨、結腸壁組織、空気等のような種々の組織形式に分類することができる。
【００９５】
前記ＣＴ画像データにおける画像分割を行うことに加えて、前記光学画像のテクスチャ特徴を、前記光学画像データから抽出することが必要である（ステップ２０２０）。これを行うために、ガウシアンフィルタを前記光学画像データに用いることができ、続いて、前記データをサブ標本化し、多解像度ピラミッドに分解する。ラプラシアンフィルタおよび可変フィルタを前記多解像度ピラミッドに用い、前記データの指向特徴および非指向特徴を得ることもできる。この方法は、前記テクスチャ特徴を抽出し、獲得することにおいて効率的であるが、このアプローチの実施は、大量のメモリおよび処理パワーを必要とする。
【００９６】
前記テクスチャ特徴を前記光学画像から抽出する代わりのアプローチは、ウェーブレット変換を使用することである。しかしながら、ウェーブレット変換は、一般に計算上効率的であるが、慣例的なウェーブレット変換は、軸に平行な方向を持つ特徴のみを獲得することに制限され、興味ある領域に直接用いることができない。これらの制限を克服するために、分離不可フィルタを用いることができる。例えば、リフティングスキームを用い、２つのステップ、予測および更新アプローチを使用して、任意の次元におけるウェーブレット変換に関するフィルタバンクを構成することができる。これらのようなフィルタバンクを、多次元多項式補間に関するブーアロム（Ｂｏｏｒ−Ｒｏｍ）アルゴリズムによって合成することができる。
【００９７】
前記テクスチャ特徴を前記光学画像データから抽出した後、モデルを発生し、これらの特徴を描かなくてはならない（ステップ２０３０）。これを、例えば、自然のテクスチャに起因する非ガウス分布のエントロピを推定し、操作することを基礎とする非パラメトリック多スケール統計モデルを使用することによって行うことができる。
【００９８】
テクスチャモデルを前記光学画像データから発生したら、テクスチャマッチングを行い、これらのモデルを前記分割されたＣＴ画像データに関連させなければならない（ステップ２０４０）。前記テクスチャが連続的な前記ＣＴ画像データの領域において、対応するテクスチャのクラスは容易に調和する。しかしながら、２つ以上のテクスチャ領域の間の境界領域において、前記プロセスはより複雑になる。境界領域の周囲の前記ＣＴ画像の分割は、しばしば、ぼけたデータを生じ、すなわち、各々の材料または組織からのテクスチャの割合を反映すると共に各々の種々の重み付けに応じて変化する結果を生じる。前記重みの割合を使用し、マッチング基準の重要性を設定することができる。
【００９９】
前記非パラメトリック多スケール統計モデルの場合において、クロスエントロピまたはカルバックライブラー発散アルゴリズムを使用し、境界領域における異なったテクスチャの分布を測定することができる。
【０１００】
テクスチャマッチング後、テクスチャ合成を前記ＣＴ画像データにおいて行う（ステップ２０５０）。これを、前記光学画像データからのテクスチャを前記ＣＴ画像データに融合させることによって行う。骨によって与えられるような等方性「テクスチャパターンに関して、前記テクスチャを前記光学データから前記ＣＴ画像データへ直接標本化することができる。結腸粘膜のような異方性テクスチャ領域に関して、多解像度標本化手順が好ましい。このプロセスにおいて、均質領域および不均質領域に関する選択性再標本化を用いる。
【０１０１】
代わりに、擬似カラーテクスチャを、前記ＣＴデータから直接形成することができる。各ボクセルに関し、局所領域隣接部を具える多数のＣＴ値を評価し、所定のボクセルに関する擬似カラーを決定することができる。例えば、５×５×５ボクセル立方体状領域、または、マンハッタン距離によって測定された３ユニット内のすべてのボクセルを表す二重ピラミッド。次に、このスカラ値のベクトルを評価し、その後の体積レンダリング中にこのボクセルに関して表示すべきカラーにマッピングする。前記値の局所隣接部ベクトルの評価は、これらのようなことを、局所曲率、均質性／不均質性、または他の幾何学的または空間的関数として計算することができる。
【０１０２】
体積レンダリング
上述した画像分割およびテクスチャマッピングに加えて、体積レンダリング技術を仮想大腸鏡検査手順と組み合わせて使用し、結果として生じる画像の忠実度をさらに増す。図２１は、本発明による体積レンダリングに使用することができるパースペクティブ体積光線投射法を説明する。前記結腸管腔内の選択された仮想始点、例えばカメラ位置から、光線を、近似画像画素の各々を経て投影する（ステップ２１００）。各々の光線に関して、第１標本化点を、前記光線に沿った現在画像画素として設定する（ステップ２１１０）。次に、前記現在標本化点と最も近い結腸壁との間の距離（ｄ）を決定する（ステップ２１２０）。源ｚ内距離（ｄ）を、予め決められた標本化間隔（ｉ）と比較する（ステップ２１３０）。距離（ｄ）が標本化間隔（ｉ）より大きい場合、標本化を行わず、前記光線に沿った次の標本化点を、前記光線に沿って距離ｄジャンプすることによって決定する（ステップ２１４０）。前記距離が標本化間隔（ｉ）以下である場合、慣例的な標本化をこの点において行い（ステップ２１５０）、次の標本化点を標本化間隔（ｉ）にしたがって選択する（ステップ２１６０）。例えば、８個の隣接するボクセルの密度値の間のトリリニア補間を行い、前記標本化点における新たな密度値を決定することができる。
【０１０３】
図２１の方法は、空間跳躍技術を使用し、前記画像面の光線に沿って空の空間を越えて前記結腸壁まで迅速にスキップするため、効率的に光線投影を加速させる。この方法において、標本点から最も近い結腸壁までの距離を、各々の光線に沿って決定する。前記距離が予め決められた間隔（ｉ）より大きい場合、前記光線に沿って次の標本化点までのジャンプを行う。前記最も近い距離情報は、仮想カメラ制御に使用される前記ポテンシャル場からすでに利用可能であるため、追加の距離符号化計算は必要ない。この場合において、表面レンダリングもＺバッファ計算も必要なく、結果として、予備的処理時間およびメモリ空間が節約される。
【０１０４】
代わりに、空間跳躍法は、各々の光線に関する距離情報を、対応する表面レンダリング画像のＺバッファから得ることができる。前記表面レンダリング画像および体積レンダリング画像の双方を発生する場合、このアプローチは、前記Ｚバッファ情報を前記表面レンダリングの結果として与えるため、最小の処理オーバヘッド負担を与える。したがって、この形式の空間跳躍方法は、前記画像空間領域から世界空間領域への深さ変換を行う追加の処理のみを必要とする。
【０１０５】
距離（ｄ）をステップ２１４０において横切った前記光線に沿ったこれらの領域に関して、前記光線に沿った領域は、オープンスペースであり、オープンスペース伝達関数に従って値に割り当てることができる。代表的に、オープンスペースは、最終画素値において寄与しない。標本化を行う各々の点に関して、１つ以上の規定された伝達関数を割り当て、元の体積データの異なった範囲の標本値を、異なった色および不透明度と、あるいは他の表示化のパラメータとにマッピングする。例えば、４つの独立した伝達関数を使用し、ＣＴ密度値の範囲を、赤、緑、青の指定された色と、不透明度とに、各々０から２５５の範囲においてマッピングすることによって、異なった材料を決定した。
【０１０６】
仮想生体組織検査
上述した技術は、柔軟かつ非侵入的生体組織検査を実行するために調査されている領域の仮想電子生体組織検査を行うシステムの基礎を形成することもできる。上記で注意したように、体積レンダリング技術は、１つ以上の規定された伝達関数を使用し、元の体積データの異なった範囲の標本値を、異なった色、不透明度、および、ナビゲーションおよび見ることに関する他の表示可能パラメータにマッピングする。ナビゲーション中、選択された伝達関数は、一般に、最大不透明度を前記結腸壁に割り当て、外側表面が容易に見られるようにする。疑わしい領域を仮想調査中に検出したら、医師は、体積レンダリング手順中に割り当てられた伝達関数をインタラクティブに変更し、結果として、見られている外側表面が実質上透明になり、前記領域の情報が合成され、したがって、前記領域の内部構造が見られるようにする。多数の予め決定された伝達関数を使用し、前記疑わしい領域を、前記プロセスを通じて割り当てられた不透明度を変化させることによって、多数の異なった深さにおいて見ることができる。
【０１０７】
ポリープ検出
本システムおよび方法を使用し、自動化されたポリープ検出を行うことができる。図１３の参照と共に、例えば前記結腸内に生じるポリープ１３０５は、一般に、結腸壁１３０１から延在する小さな凸面の丘のような構造の形態をとる。このジオメトリは、前記結腸壁の折りたたみと異なる。したがって、異なったジオメトリモデルを使用し、前記結腸壁におけるこれらのようなポリープを検出することができる。
【０１０８】
前記結腸管腔の表面を、Ｃ−２平滑表面モデルを使用するように、３次元ユークリッド空間における連続的な第２の区別可能な表面として表すことができる。このようなモデルは、その全体の参照によってここに含まれる、１９９４年、スプリンガー−バーラグ（Ｓｐｒｉｎｇｅｒ−Ｖｅｒｌａｇ）によって出版された、Ｂ．Ａ．デュブロビン（Ｄｕｂｒｏｖｉｎ）による「現代のジオメトリ方法および用途」に記載されている。このモデルにおいて、前記結腸の表面における各ボクセルは、ガウス曲率フィールドと呼ばれるガウス曲率を有する関連する幾何学的特長を有する。ポリープを示すかもしれない前記表面における凸面の丘は、前記ガウス曲率フィールドにおいてユニークな局部特徴を備える。したがって、前記ガウス曲率フィールドを特定の局部特徴に関して探索することによって、ポリープを検出することができる。検出されたら、疑わしいポリープを強調し、したがって、医師の注意を引かせることができ、医師は前記疑わしいポリープを測定し、上述した仮想生体組織検査方法を使用し、前記疑わしい領域をさらに調査することができる。
【０１０９】
中心飛行経路発生
仮想大腸鏡検査の場合において、前記結腸管腔を通る適切なナビゲーションライン、または、飛行経路は、上述したシステムおよび方法の重要な特徴である。前記仮想カメラモデルの飛行経路を決定するいくつかの技術を、図４−８に関して考察したが、図２２は、前記結腸管腔を通る中心飛行経路を発生する代わりの方法を示す。前記結腸壁を識別した後、上述した画像分割方法等によって、体積減少アルゴリズムを用い、前記結腸管腔の方向を強調し、前記結腸体積内のその後の探索時間を減少することができる（ステップ２３１０）。
【０１１０】
図２３は、多解像度解析モデルに基づく好例の体積減少アルゴリズムのステップをさらに示す。この手順において、前記３次元体積を、同じ行列サイズを有するバイナリ画像のスタックによってあらわす（ステップ２３１０）。集合的に、これらの画像はバイナリデータ組を形成する。離散的ウェーブレット変換を前記バイナリデータ組に用いることができ、これは、前記バイナリデータ組の異なった時間−周波数成分を表す多数のサブデータ組を生じる。例えば、離散的ウェーブレット変換は、８つのサブデータ組を生じるかもしれない。前記サブデータ組を、予め決められたしきい値と比較し、最も低い周波数成分を識別する（ステップ２３３０）。この成分は、多解像度構造において再帰的に用いるその後の離散的ウェーブレット変換およびしきい値処理ステップに関するバイナリデータ組を形成する（ステップ２３４０）。仮想大腸鏡検査の場合において、離散的ウェーブレット変換および関連するしきい値処理を、前記最も低い周波数成分を表すその後のサブデータ組において３回再帰的に用いる（３レベル多解像度分解）。
【０１１１】
図２２に戻って、前記減少した結腸体積モデルから、距離マップ技術を用い、前記結腸の２つの端の間、例えば、直腸から盲腸までの最短距離経路を発生することができる（ステップ２２１５）。この結果として生じる経路は、前記結腸管腔の全体的な方向情報を維持するが、局所的折りたたみによって示される方向を無視する。次に、全体的な結腸内における制御点を、前記最短距離経路を元のデータ空間にマッピングし戻すことによって得ることができる（ステップ２２２０）。例えば、３レベル多解像度分解の場合において、減少した体積は、元の体積の３分の１であり、既知のアフィン変換を使用し、前記減少した体積モデルを正確に原スケールモデルにマッピングし戻すことができる。前記減少した体積の最短距離経路を、前記原スケール体積中に点の列としてマッピングし戻すこともでき、これらの点を前記結腸内の制御点として使用することができる。
【０１１２】
好適な飛行経路は、前記結腸管腔の中心線上におけるものである。しかしながら、初期制御点は、前記結腸管腔の中心において正確に位置しないかもしれない。したがって、前記初期制御点を、２等分面アルゴリズムの使用等によって、中心におく（ステップ２２３０）。例えば、各々の選択された制御点において、２等分面を、前記方向に対して垂直で前記結腸管腔を横切って切断する面として規定することができる。次に、最大ディスクアルゴリズムのような中心化アルゴリズムを各々の２等分面において行うことができる。このようなアルゴリズムは、参照によってここに含まれる、１９９６年、ＰＡＭＩのＩＥＥＥ会報、Ｖｏｌ．１８、１０５５−１０６６ページ、ゲ（Ｇｅ）他による論説「別々のユークリッド距離マップからのスケルトンの発生における」において考察されている。
【０１１３】
前記制御点を中心化したら、前記飛行経路を、これらの点を接続する線を補間することによって決定することができる（ステップ２２４０）。仮想大腸鏡検査の場合において、前記補間された飛行経路は、前記結腸管腔内においてほぼ中心にある滑らかな曲線の形状をとることが望ましい。１９９２年、ケンブリッジ大学出版、プレス他による「Ｃにおける数値レシピ：科学計算の技術」において記載のように、微分幾何学理論におけるセレー−フルネ定理に基づく限定されたキュービックＢスプライン補間アルゴリズムを使用し、好適な滑らかにカーブする飛行経路を確立することができる。
【０１１４】
図２４における分割された結腸管腔の絵的表現と、図２５のフローチャートとは、本発明による依然として他の代わりの飛行経路発生方法を説明する。この代わりの方法において、結腸管腔２４００の表現を、最初に、管腔２４００の長さに沿って多数のセグメント２４０２に分割する（ステップ２５００）。各々のセグメント２４０２内から、代表的な点２４０４ａ−ｇを選択する（ステップ２５２０）。次に、各々の代表的な点２４０４ａ−ｇを、個々のセグメントの中心にこれらの点を押すのに使用される物理ベース変形モデルの使用等によって、前記結腸壁に関して中心にする（ステップ２５３０）。前記代表的な点を中心にした後、前記点を順次結合し、前記仮想カメラモデルに関する中心線飛行経路を確立する（ステップ２５４０）。前記セグメントが長さにおいて十分に小さい場合、前記中心化した点を、直線セグメント２４０６ａ−ｆで接続することができる。しかしながら、リニアカーブフィッティング技術を用い、前記中心化した点を結合する場合、より滑らかで連続的な飛行経路が確立される。
【０１１５】
上述した方法の各々を、図１４に示すようなシステムを使用し、適切なソフトウェアを与え、ＣＰＵ１４０９およびＣＰＵ１４２３の動作を制御することによって実現することができる。
【０１１６】
パーソナルコンピュータにおける配備に好適な代わりのハードウェア実施形態を図２６に示す。本システムは、４００ＭＨｚを超えるクロック速度において動作するペンティアム（登録商標）ＩＩＩプロセッサのような高速マルチタスクプロセッサの形態をとるべきプロセッサ２６００を含む。プロセッサ２６００を、高速並列データ伝送を与える慣例的なバス構造２６２０に結合する。バス構造２６２０には、メインメモリ２６３０と、グラフィックスボード２６４０と、体積レンダリングボード２６５０も接続する。グラフィックスボード２６４０を、好適には、ダイアモンドマルチメディアシステムズによって製造されるダイアモンドバイパーｖ７７０ウルトラのような、テクスチャマッピングを行うことができるものとする。堆積レンダリングボード２６５０は、参照によってここに含まれる米国特許第５７６０７８１号および第５８４７７１１号に基づく、ミツビシエレクトリックによるボリュームプロボードの形態をとることができる。慣例的なＳＶＧＡまたはＲＧＢモニタのような表示装置２６４５を、前記画像データを表示するグラフィックスボード２６４０に効率的に結合する。ＭＲＩまたはＣＴスキャナのようなイメージングスキャナからデータを受け、このようなデータをバス構造２６２０に伝送するスキャナインタフェースボード２６６０も設ける。スキャナインタフェースボード２６６０は、選択されたイメージングスキャナに関する用途特定インタフェース製品であってもよく、または、一般的な目的の入力／出力カードの形態をとることもできる。ＰＣベースシステム２６００は、一般に、キーボード、ディジタルポインタ（例えば、マウス）等のようなＩ／Ｏ装置２６８０をプロセッサ２６２０に結合するＩ／Ｏインタフェース２６７０を含む。代わりに、前記Ｉ／Ｏインタフェースを、プロセッサ２６２０にバス２６２０を介して結合することができる。
【０１１７】
３次元画像化の場合において、テクスチャ合成、体積レンダリング、多数のデータ処理および処理動作を含むことが必要である。前記結腸管腔およびその周囲の領域によって表されるもののような大きいデータセットに関して、このような処理は、きわめて時間を消費し、メモリが増大するかもしれない。しかしながら、図２７のフローチャートにおいて説明した処理方法にしたがって図２６のトポロジーを使用することによって、これらのような動作を、比較的低コストのパーソナルコンピュータ（ＰＣ）において行うことができる。画像化データを、スキャナインタフェースボード２６６０およびバス構造２６２０を介してプロセッサ２６２０から受け、メインメモリ２６３０に格納する。この画像データ（画素）を体積要素（ボクセル）表現に変換する（ステップ２７１０）。メインメモリ２６３０に格納された前記体積表現を、例えば、主要な体積軸に沿うようなスライス、または、画像化されている領域の他の部分に分割する（ステップ２７２０）。前記体積分割を、次に、前記体積レンダリングボードに伝送し、体積レンダリング動作に関する体積レンダリングメモリ２６５５に一時的に格納する（ステップ２７３０）。局所的に存在する体積レンダリングメモリ２６５５の使用は、全体の体積の各々のスライスのレンダリング中、バス２６２０を越えてデータを交換する必要がないため、体積レンダリングにおける速度を上昇させる。体積レンダリングが前記スライスに関して完了したら、前記レンダリングされたデータを、シーケンシャルバッファにおいてメインメモリ２６３０またはグラフィックスボード２６４０に伝送し戻す（ステップ２７４０）。興味あるすべてのスライスをレンダリングした後、前記シーケンシャルバッファにおける内容を、表示ユニット２６４５における表示に関してグラフィックスボード２６４０によって処理する（ステップ２７５０）。
【０１１８】
多走査ベース仮想調査
上記で考察した技術は、一般に、単一の磁気共鳴画像（ＭＲＩ）またはコンピュータ断層撮影（ＣＴ）走査から取得したデータセットに基づいて仮想画像化を行う。しかしながら、上記で考察した技術は、ある領域の多数の走査を使用してある領域の仮想調査を行うのにも有用である。ある領域の多数の走査を使用することによって、異常な領域の改善された画像化を達成することができ、モーションアーティファクトを減少することができる。ある興味深いこのような用途は、仮想大腸鏡検査を行い、あり得る膀胱のポリープまたは癌に関して患者を選別することにある。
【０１１９】
図２８は、多数のＭＲＩ走査を行い、仮想大腸鏡検査のようなある物体の仮想調査を行う方法を説明するフローチャートである。ＣＴ画像と異なり、膀胱壁を尿と識別することが困難であるかもしれない場合、ＭＲＩ画像において、尿を自然なコントラスト剤として使用し、前記膀胱内壁の輪郭を描くことができる。この目的のため、前画像走査プロトコルを用いる（ステップ２８０５）。４回のＭＲＩ走査の第１のものの約１／２時間前、患者に膀胱を空にし、次に１カップの水を飲むように要求する。約１／２時間後、患者に前記膀胱領域の４回の走査のうちの第１回目を行う（ステップ２８１０）。前記膀胱がいっぱいで膨らんだ第１走査は、Ｔ１重み付き横画像化に関するプロトコルに従う。例えば、上記で参照したピッカー（Ｐｉｃｋｅｒ）スキャナを使用する場合、２５６×２５６行列サイズ、３８ｃｍ視野（ＦＯＶ）、１．５ｍｍスライス厚（隙間なし）、３ミリ秒ＴＥ、９ミリ秒ＴＲ、３０度フリップ角、および、１走査平均を使用するクジェルファスター（ＫＪＥＬＬ　ＦＡＳＴＥＲ）プロトコルを使用することができる。もちろん、これらのパラメータはスキャナ特定になる傾向にあり、前記パラメータにおける種々の変更を、許容しうる結果に関して使用することができる。
【０１２０】
前記膀胱がいっぱいのままで、前記患者に第２ＭＲＩ走査、走査２を行う（ステップ２８１５）。前記第２走査は、２５６×２５６行列サイズ、３８ｃｍ視野（ＦＯＶ）、１．５ｍｍスライス厚（隙間なし）、３ミリ秒ＴＥ、９ミリ秒ＴＲ、３０度フリップ角、および、２走査平均を使用するピッカークジェルファスター（Ｐｉｃｋｅｒ　ＫＪＥＬＬ　ＦＡＳＴＥＲ）プロトコルのような、Ｔ１重み付き冠状画像化に関するプロトコルに従う。
【０１２１】
上述した２回の画像走査を、互いに直交する軸に沿って行う。この利点は、一方の走査における重大なモーションアーティファクトの領域が、一般に、直交する走査における最小のモーションアーティファクトの領域に対応することである。したがって、第１走査を横方向に、第２走査を冠状方向にとることによって、前記画像走査を登録することができ、前記データセットにおけるモーションアーティファクトを識別し、補償することができる。
【０１２２】
走査２の後、前記患者に、前記膀胱を開放するように頼み、次に、２回の追加のＭＲＩ走査を行う。第３走査（ステップ２８２０）は、前記第１走査（横画像化）と同じ画像化プロトコルに従う。第４走査（ステップ２８２５）は、前記第２走査（冠状画像化）と同じ画像化プロトコルに従う。
【０１２３】
前記画像走査を、ピッカー１．５Ｔエッジ全身スキャナを使用して取得することができる。Ｔ２画像化プロトコルを使用することもできるが、Ｔ１画像化プロトコルは、脂肪と尿との間の改善された輪郭描写を与え、より短い取得期間しか必要としないため、Ｔ１画像化プロトコルが仮想大腸鏡検査に好適である。代わりに、前記画像操作は、それらの画像化技術に好適なコントラスト剤およびプロトコルを使用するコンピュータ断層撮影または超音波画像走査の形式をとってもよい。
【０１２４】
前記最初の２回の走査（走査１および２）の間、前記膀胱は膨張し、前記膨張壁は比較的薄い。この場合において、腫瘍のような生理学上変化した場所は、変化しない膀胱壁と比べて異なった率において薄くなるかもしれず、これらの状況の下でより明らかになるかもしれない。前記第３および第４走査中、前記膀胱は実質的に空であり、前記膀胱壁はより厚い。より厚い壁により、前記膀胱壁の通常の組織と生理学上変化した組織との間に、より明白な画像コントラストが結果として生じるかもしれない。
【０１２５】
前記４回の走査を取得した後、４つの対応するデータセットを別々に処理する。最初に、図１５と組み合わせるように上述したように（ステップ２８３０）、各々のデータセットを、好適には、画像分割する。画像分割中、前記４つのデータセットのボクセルを、膀胱壁、尿、脂肪、境界等の多数のカテゴリに分類する。前記分類は、前記ボクセルの局所強度ベクトルに基づく。前記ボクセルを分類したら、前記膀胱管腔の内部を、空気ボクセルまたは尿ボクセルを選択することによるような、前記膀胱体積内から選択された種ボクセルで開始する領域成長アルゴリズムを使用して識別することができる。
【０１２６】
前記分割された体積データセットの臨床解析の前に、前記４つのデータセットの共通座標系への登録を行う（ステップ２８３５）。前記膀胱の形状は、走査ごとに変化し、正確なボクセル−ボクセル登録は、実際上の値のものではない。代わりに、柔軟な登録プロセスが好適である。この柔軟な登録プロセスにおいて、興味ある各々の体積（各々の対応する走査に関してレンダリングされた体積）に関して、前記体積の中心を、前記体積におけるすべてのボクセルの３つの座標を平均すること等によって決定する。
【０１２７】
次に、デカルト座標系を構成し、この座標系の原点を前記体積の中心点において位置させる。次に、前記座標系の軸を、多数の方法において方向付けることができる。方向付けの好適な選択は、自然な人間の身体の方向に対応し、例えば、Ｚ軸が前記身体の高さに沿って（例えば、つま先から頭まで）通り、Ｙ軸が後ろから前まで通り、Ｘ軸が横に（例えば、左から右に）通る。この座標系における長さの単位を、１ボクセル長の任意の単位に対して便利に設定することができ、その絶対値は、ＭＲＩ走査に関する取得特性に基づいて変化する。同じ画素間隔をすべての走査において使用し、４つのデータセットのすべてを獲得する限りは、前記４つのデータセットの各々に関して一様な値が結果として生じる。
【０１２８】
登録後、前記４つのデータセットからの画像を、別々にまたは同時に見ることができる（ステップ２８４５）。好例の表示ウィンドウを図２９および３０に示す。図２９を参照し、前記表示を、各々走査１、走査２、走査３および走査４に対応する４つのサブウィンドウ２９０５、２９１０、２９１５、２９２０に分割する。制御パネル選択２９２５を、前記表示のある部分において与え、グラフィカルユーザインタフェース（ＧＵＩ）を確立し、表示およびナビゲーション機能をユーザに与えることもできる。オペレータが前記画像サブウィンドウの１つにおいてビューを拡大するようなナビゲーションをすると、好適には、対応する動作が他のサブウィンドウビューにおいても同様に起こる。ユーザは、単一ウィンドウ表示への拡張に関して前記ビューのうち１つを選択することもできる。
【０１２９】
同時に処理されるデータの量を減らすために、前記データセットを、８つの部分またはオクタント等に分割することができる（ステップ２８４０）。これを、多数の方法において行うことができる。例えば、図２９に示すデカルト座標系への参照と共に、前記データを前記座標系の８つの領域、（１）Ｘ，Ｙ，Ｚ；（２）Ｘ，−Ｙ，Ｚ；（３）Ｘ，Ｙ，−Ｚ；（４）Ｘ，−Ｙ，−Ｚ；（５）−Ｘ，Ｙ，Ｚ；（６）−Ｘ，−Ｙ，Ｚ；（７）−Ｘ，Ｙ，−Ｚ；および（８）−Ｘ，−Ｙ，−Ｚに分割することができる。
【０１３０】
図２９は、前記４回の走査の各々から得られた前記膀胱管腔の外側の４つのビューを示す。図３０は、前記４回の走査の各々から得られた前記膀胱管腔の内側の一部の４つのビューを示す。
【０１３１】
多解像度画像化および仮想喉頭鏡検査
ここで説明したシステムおよび方法を適合させ、用いて、仮想喉頭鏡検査に好適な多解像度画像化を行うことができる。図３１は、仮想喉頭鏡検査を行う方法を説明するフローチャートである。第１に、患者の喉頭の領域の画像走査を取得する（ステップ３１０５）。これを、コンピュータ断層撮影（ＣＴ）または磁気共鳴画像（ＭＲＩ）技術を使用して行うことができる。しかしながら、この領域におけるＣＴ走査は、重大により速い取得時間（ＭＲＩに関する７分に対して３０秒）とより高い解像度（ＭＲＩに関する１ｍｍ立方体ボクセルに対して０．３ｍｍ立方体ボクセル）を与えるため、ＣＴ走査が好適である。ＣＴ走査データを取得するために、ＧＥ／ＣＴＩスパイラル走査ＣＴスキャナを使用することができる。好適な走査プロトコルは、１２０ｋｅＶ、２００ｍａ、５１２×５１２行列サイズ、１５ｃｍ視野および３ｍｍ／２．０：１ピッチである。この走査は、約３０秒において計算され、結果として、０．３ｍｍ厚の３５１の画像スライスを生じ、結果として、０．３ｍｍ立方体ボクセルを生じる。
【０１３２】
画像分割を使用し、ボクセルを多数のカテゴリに分類することができる（ステップ３１１０）。この動作において、変形した自己適合オンラインベクトル量子化（ＳＯＶＱ）アルゴリズムを使用することができる。このような場合において、前記アルゴリズムは、各々のボクセルを３次までの隣接ボクセルに関して解析し、局所密度特徴を決定する。前記取得されたデータセットにおける各ボクセルは、関連する局所密度ボクセルを有する。前記局所密度ベクトルをカールフネン−ロエベ（Ｋ−Ｌ）変換を使用して変換することによって、前記体積画像におけるボクセルに関する特徴ベクトルを得ることができる。前記特徴ベクトルに基づいて、前記ボクセルを分類し、ラベル付けする。ボクセル分類は、局所ボクセル密度ベクトルと、最大クラスタ数（ＭＣＮ）と呼ばれる１つのプリセットパラメータとに部分的に依存する。ＭＣＮは、前記データセットに用いられるボクセル分類の数を設定する。ＣＴ画像の場合において、人間の目は、４つの識別可能な組織／材料形式を識別することができる。５のＭＣＮ値がこの場合において好適である。ＭＲＩ画像に関し、人間の目は、６つの異なった組織形式の間に差異を認めることができ、７のＭＣＮ値を使用することができる。
【０１３３】
前記画像分割プロセスの一部として、拡張されたデータセットを、前記測定されたデータ点の間の補間によって発生する。例えば、ＳＯＶＱアルゴリズムの前に、１次ラグランジュ補間を、前記データセットにおける各々のスライスに用いることができる。これは、前記データセットの原スライスの２５６×２５６行列サイズを５１２×５１２行列サイズに拡張する。加えて、スライス内補間を行い、実際のスライス間の前記データセットをさらに拡張することができる。前記補間されたデータセットを、拡大データセットと呼ぶ。拡大データセットの発生に加え、前記補間プロセスは、前記データにおいてローパスフィルタ効果を有するため、ノイズを抑制し、部分的体積効果を減少させる。
【０１３４】
２次元ビューイングツールを使用し、種ボクセルを前記喉頭管腔内で選択し、成長アルゴリズムを用いて、前記データセットから喉頭体積を抽出する（ステップ３１１５）。いくつかの接続されない体積領域が存在するかもしれない前記喉頭のこれらの領域において、多数の種点を選択することができる。
【０１３５】
前記識別された喉頭体積と、画像分割によって分類された前記領域のボクセルとに関して、次のタスクは、前記仮想喉頭管腔の効率的なナビゲーションおよびビューイングを可能にするように前記データを管理することである。この場合において、詳細レベル（ＬＯＤ）アプローチを、本方法における使用に適合させ、変更する。このＬＯＤ方法において、減少したデータセットを前記拡大データセットから発生する。例えば、５１２×５１２×２５６拡大データセットを、３レベルのしきい値処理を伴う多解像度分解を使用することによって、６４×６４×３２減少体積データセットに減少することができる。次に、前記拡大および減少体積データセットの双方において体積画像をレンダリングするのに使用されるポリゴンを抽出することができる。慣例的なマーチングキューブ法を使用し、前記喉頭の表面に適合するポリゴンを抽出することができる。
【０１３６】
先行技術において遭遇する１つの問題は、必要なポリゴンの最大数を管理し、前記拡大データセットに関する３次元画像を発生することである。この問題を、本方法において、前記拡大データセットをバイナリ空間分割（ＢＳＰ）ツリーデータ構造において組織化することによって解決する（ステップ３１３０）。前記原画像体積を、前記ツリーのルートとして選択する。次に、前記空間を、ほぼ等しい数のポリゴンを含む２つのサブ空間に分割する。この再分プロセスを、各々の結果として生じるサブ空間におけるポリゴン数がしきい値未満になるまで繰り返す。前記しきい値は、システム性能および適用必要条件に基づいて変化することができる。最後の結果として生じるサブ空間を、前記ツリーのリーフノードと呼ぶ。前記再分プロセスが完了したら、前記拡大データセットのボクセルのすべてを、前記ＢＳＰツリーのリーフノードに格納する。
【０１３７】
ナビゲーションまたはビューイング中、ポリゴン選別を、完全に視界の外側のこれらのリーフノードを現在の処理動作から最初に除去することによって適用することができる。残りのポリゴンを前記ＢＳＰツリーから呼び戻し、選別されていないこれらの空間において配列し、レンダリングする。したがって、前記ＢＳＰツリーは、特定のナビゲーションまたは表示動作に関して前記データセットの関連する部分を選択する有効なツールを提供する。
【０１３８】
前記拡大および減少データセットを、２レベルＬＯＤレンダリングモードにおいて協働して使用する。ユーザが前記物体と、前記視界において回転、シフトまたは他の変更を行うような相互作用をする場合（ステップ３１３５）、前記減少データセット（６４サイズ）からのポリゴンをレンダリングする（ステップ３１４０）。含まれるポリゴン数が重大により少ないため、前記減少データセット体積との相互作用を、より速く、少ない処理オーバヘッドで行うことができる。増加する速度とのトレードオフは、減少した画像解像度である。予め決められた期間後、ユーザからの相互作用がない場合、拡大データセット（５１２サイズ）のポリゴンを前記ＢＳＰツリーから選択し、レンダリングし、現在の視野の高解像度画像を与える（ステップ３１４５）。
【０１３９】
仮想血管造影法
仮想画像化およびナビゲーションに関する前記技術を、仮想血管造影法に適合させ、用いることもできる。この技術を、循環系の種々の異常および疾病の検出および測定に使用することができる。
【０１４０】
仮想血管造影法のこれらのような用途の１つは、一般に大動脈管の小さい拡大として始まり、大動脈瘤のサイズの増加と共に破裂するより大きな危険性を示す腹部の大動脈瘤の検出である。以前は、唯一の有効な治療方法は切開手術であり、大動脈瘤のレベルにおいて大動脈内に移植用片を配置していた。しかしながらこの手順は、高い程度の関連する不健全性および死亡率を有する。最近開発された、皮膚ごとに配置される大動脈ステントグラフト技術は、著しくより低い複雑割合を持っている。仮想血管造影法は、これらのあまり侵害しない手順を計画するのを助ける有効な方法であり、大動脈瘤を検出し、大動脈瘤の成長を追跡し、手術が必要な場合を決定する有効なツールでもあり得る。
【０１４１】
図３２のフローチャートは、本仮想血管造影法の概要を与える、仮想血管造影法を行うことにおいて、大動脈のような血管の画像走査を取得しなければならない（ステップ３２０５）。コンピュータ断層撮影（ＣＴ）、磁気共鳴画像（ＭＲＩ）および超音波のような種々の画像化技術を使用することができる。しかしながら、大動脈ＣＴ走査が、ＣＴ画像において結果として生じる、血と、柔らかい組織と、カルシウム堆積物との間のコントラストのため、一般に好適である。
【０１４２】
画像走査データセットを取得したら、画像分割技術を前記データセットに用い、前記データセットのボクセルを多数のカテゴリに分類する（ステップ３２１０）。図１５と組み合わせたような上述した画像分割技術は、一般的に利用可能である。この場合において、前記ボクセルの種々の特徴ベクトル値を、血、柔らかい組織およびカルシウム堆積物のようなカテゴリにしたがってグループ化する。血液ボクセルを種として使用し、領域成長アルゴリズムを使用して、前記大動脈管腔の体積および大きさを決定することができる。
【０１４３】
前記ＣＴ画像において、大動脈瘤は、隣接する柔らかい組織によく似た画像特徴を有する。結果として、前記大動脈瘤の完全な輪郭を確立することは困難であるかもしれない。しかしながら、カルシウム堆積物を有する領域は、前記ＣＴ走査において重大なコントラストを提供し、これらを使用し、前記血管壁における大動脈瘤の終了点のような、前記大動脈瘤の部分を識別することができる（ステップ３２１５）。
【０１４４】
大動脈瘤の一部を検出した後、１つ以上の閉表面を発生し、前記大動脈瘤の輪郭の推定を規定することができる（ステップ３２２０）。凸面閉表面を、非一様、非論理的なＢスプラインを使用し、識別された前記大動脈瘤の点を通るか、これらの近くを通る表面を発生することによって確立することができる。
【０１４５】
前記閉表面を発生した後、前記大動脈瘤の体積を推定することができる（ステップ３２２５）。前記体積を推定する１つの方法は、前記推定された閉表面によって囲まれたボクセルの数を計数することである。加えて、前記大動脈瘤のボクセル内で、血流の方向に沿った中心線を、距離変換技術を使用することによって決定することができる。次に、連続的な局所座標系をこの中心線に沿って確立し、前記大動脈瘤の直径を決定することができる。仮想ナビゲーションをこの中心線に沿って、前記結腸のような管腔を通るナビゲーションに関して上述したものと一致するように行う。
【０１４６】
図３３Ａ−Ｃを参照し、上述した仮想血管造影法を使用し、ステントグラフトの発生および配置において補助し、腹部の大動脈瘤をバイパスするのに使用することができる。図３３Ａは、腎臓部の動脈の下で前記大動脈の二股の上に位置する腹部の大動脈瘤の単純化した図を示す。前記大動脈の特定の解剖と、前記腹部の大動脈瘤のサイズおよび位置とにおける患者間の変化のため、ステントグラフトを使用して大動脈瘤をバイパスするため、前記グラフトを、個々の大動脈セグメントに特に適合するように設計し、構成しなければならない。図３３Ｂに示すように、これは、とりわけ、必要なグラフトの長さと、前記バイパスされる領域の各々の端におけるインタフェースの点における直径と、インタフェースの角度とを知ることを必要とする。図３３Ｂおよび３３Ｃに示すように、前記大動脈瘤が動脈の枝の近くに位置する場合、二股に分かれたステントグラフトの二股に分かれた端のサイズおよび角度も決定しなければならない。
【０１４７】
現在まで、これらのような測定は、鼠蹊領域のレベルにおいて行われる挿入により前記大動脈中に挿入されるカテーテルを使用する侵入的な較正血管造影像この技術を、本仮想血管造影法を使用して補足し、ひょっとすると取って代わることができ、この仮想血管造影法は、前記大動脈管腔のブランチを通って構成された中心線を使用する仮想ナビゲーションを使用してこれらのような距離および角度を決定することができる。加えて、前記仮想血管造影法を使用し、ステントグラフトを挿入することができる領域の仮想試験切除を行うことができる。これは、手術者が、動脈表面の下を見ることを可能にし、血栓、堆積物、石灰化像、または、ステントグラフト手順の使用に禁忌を示す他の要因に関する領域を検査することを可能にする。
【０１４８】
仮想血管造影法の他の用途は、脳に血流を供給する頚動脈を通る画像化、調査およびナビゲーションである。仮想内視鏡検査に関して上述した技術は、血管の場合において完全に適用可能である。例えば、興味ある血管を、取得した画像データから画像分割技術を使用して抽出する。次に、ナビゲーション飛行経路を、前記血管を通って確立することができる。好適には、ポテンシャル場を、ナビゲーションにおける使用に関して前記血管内に構成する。結腸のような他の器官に関するように、前記血管の体積レンダリングされたモデルを発生することができる。前記飛行経路およびポテンシャル場を使用して、前記体積レンダリングされた血管管腔の内部を通ってナビゲーションすることによって、血管狭窄およびプラーク形成のような異常を観察することができる。加えて、仮想試験切除に関して考察した技術を、この文脈において用い、血管壁を評価し、プラークのような血管壁表面における構造を特徴付けることができる。
【０１４９】
仮想内視鏡検査に関するツリーブランチ探索
中空の器官または物体を通る仮想ナビゲーションに関する経路探索は、重要な仕事である。この目的を達成するために、飛行経路発生のような種々の技術が考察されてきた。多ブランチ構造を与えるような、調査されている物体のジオメトリがより複雑になるにつれて、前記経路探索の仕事はさらにより複雑になる。主要な管腔の中心線を決定するだけでなく、前記主要な管腔から延びる任意のブランチを識別し、位置付けることが望ましい。複雑なブランチ構造を有する器官の一般の例は、主な気道および肺と、心臓血管系と、結腸膨起の折りたたみの存在のため結腸とを含む。各々の器官または物体は、一般に、該物体に関する経路またはスケルトンを規定する特定の挑戦を示す。しかしながら、このおうなスケルトンを発生する一般化された技術を、図３４のフローチャートにおいて説明した。
【０１５０】
図３４を参照し、コンピュータ断層撮影（ＣＴ）または磁気共鳴画像（ＭＲＩ）走査のような、興味ある領域の画像走査を取得する（ステップ３４０５）。上記で考察したように、前記画像走査を、前記画像走査のバイナリ画像を重ね、これらの重ねられた画像から３次元体積ユニットまたはボクセルを規定することによって、３次元体積に変換する（ステップ３４１０）。前記興味ある領域の体積および複雑さに応じて、前記スケルトンを発生する前に、前記３次元体積のデータセットのサイズに減少することが望ましい。この目的のため、以下により詳細に考察する多解像度データ減少プロセスを使用することができる（ステップ３４１５）。
【０１５１】
前記スケルトンは、前記３次元体積のサブセットである。好適には、以下の属性、すなわち、１）前記ツリーのホモトピーを保存する、２）２６接続されている、３）１ボクセル厚である、４）前記ブランチの中央軸を推定する、５）比較的滑らかである、を有する。ホモトピーの程度は、ある程度用途特定である。例えば、結腸管腔のスケルトンの発生において、前記スケルトンは、一般に、数ボクセル深さであるかもしれない多数の結腸膨起の折りたたみの存在にもかかわらず、端から端まで単一経路である。しかしながら、心臓血管系および肺系において、数ボクセル深さであるルートからの小さい分枝が、前記系における正当なブランチを表すことができる。
【０１５２】
図３４に戻って、興味ある体積において、ルートボクセルを前記体積において識別する（ステップ３４２０）。仮想内視鏡検査を行うことにおいて、これを、評価している構造のジオメトリの理解に基づいて手動で行うことができる。
【０１５３】
次に、距離マップを発生し、前記ツリーにおけるブランチと、前記ブランチおよびルートボクセルの終了点間の距離とを識別する（ステップ３４２５）。この方法において用いられる仮定は、前記ツリーのルートまで最も長い距離を示す各ブランチにおいて１つのユニークな終了点が存在することである。図３５は、２６接続ボクセルと呼ばれる３×３×３立方体ボクセル配置を説明する図式的な図である。この配置の中心において、ゼロの距離重みが割り当てられた種ボクセル３５０５がある。種ボクセル３５０５の周囲に、２６個の接続された隣接ボクセルがあり、これらの隣接ボクセルには、各々の隣接ボクセルと種ボクセルとの間の各々のユークリッド距離に基づいた距離重みが割り当てられる。立方体配置において、ユークリッド距離は、１、１．４および１．７にほぼ等しい
【外１１】

の正規化値をとることができる。簡単に処理するために、前記ボクセルに１０、１４および１７の整数値重みを割り当て、関連するユークリッド距離を近似することができる。
【０１５４】
図３６は、図３５の２６接続立方体距離プレートのユークリッド重み付き距離を使用して前記体積におけるボクセルからルートまでの距離マップを決定するアルゴリズムの擬似コード表現である。発生された距離マップから、ブランチを識別し、前記ブランチの終了点を決定する（ステップ３４３０）。
【０１５５】
図３６を参照し、前記体積のルートに整数値０をラベル付けする。次に、前記体積におけるボクセルに関して処理待ち行列を形成する。次に、前記ボクセルに、先入れ先出し方法において、前記待ち行列の先頭におけるボクセルとルートボクセルとの間のユークリッド距離を加算することによってラベル付けする。このプロセスを、前記体積におけるボクセルのすべてが前記距離マップにおける値を割り当てられるまで繰り返す。
【０１５６】
前記距離マップにおけるボクセルのラベル付けは、前記待ち行列の順序に部分的に依存するため、結果として生じる距離マップは、ユニークな解を与えない。しかしながら、前記待ち行列順序にかかわらず、各部ランチに関して少なくとも１つの最も遠い点が常に存在する。加えて、各々のボクセルに関して、ルートボクセルのほかに、前記体積において前記ルートに対してより短い距離を有する少なくとも２６の接続された隣接ボクセルが存在する。したがって、前記ブランチの終了点は、前記距離マップを局所最大距離（局所最大値）に関して探索することによって、容易に検出可能である（ステップ３４３０）。この局所最大値という用語は、相対的な用語である。前記体積を局所最大値に関して評価することにおいて、前記体積を、評価されている物体に適切な種々のサブ空間に分割すべきである。期待される特徴サイズ、ブランチ長、ブランチ直径等を、前記サブ空間分割を決定することにおいて一般に考慮する。
【０１５７】
前記ブランチの終了点を決定したら、前記終了点からルートボクセルまでの最短経路を決定する（ステップ３４３５）。前記終了点からルートボクセルまでの最短経路は、前記ツリーのブランチの基本的構造を規定し、前記ブランチの中心線を近似する。これを、前記体積のラフスケルトンと呼ぶ。前記最短経路を、好適には、前記ツリーの最も遠い端におけるブランチから、これらのブランチの端から始めて発生する。最も遠いブランチ終了点から、第１ボクセルを選択し、その２６の接続された隣接ボクセルを解析し、どのボクセルが前記終了点からルートまでの最短距離経路においてあるかを決定する。このプロセスを、選択されたボクセルがルートに達するまで繰り返す。これは、結果として、前記最も遠い端からルートまでの１ボクセル幅経路を生じる。他のブランチに関する最短経路の探索も同様である。しかしながら、その後のブランチに関して、前記選択プロセスは、現在経路が以前に割り当てられた経路に達する場合、終了することができる（例えば、前記経路は、前記ルートへのすべての道を導く必要はない）。前記相互接続された最短経路のすべての集合は、前記物体の結果として生じるラフスケルトンである。
【０１５８】
前記結果として生じるラフスケルトンの用途に応じて、前記ラフスケルトンを改良することが望ましいかもしれない。前記スケルトンを改良するあるステップは、前記スケルトンを前記ブランチ内で中心に集めることである。最も長いブランチから開始して、一様な間隔を、一般に４−８ボクセルの範囲において、前記ブランチに沿って選択する。各々の間隔に関して、前記ラフスケルトンにおけるボクセルの接線方向を計算し、前記接線方向に対して垂直なボクセルと交差する面を決定する。前記面およびボクセルの交線によって規定される２次元領域を形成し、この交線の中心を既知の最大ディスク技術を使用して計算することができる。次に、前記交線の中心をバイキュービックスプラインＢ補間または他の曲線フィッティング方法を使用して接続することができる。残りのブランチに関して、他のブランチまたはルートに達する終了点を最初に調節し、以前に中心化されたスケルトンブランチの位置を調和させる。次に、中心化を、前記最も長いブランチに関して説明したのと同じように続ける。
【０１５９】
ステップ３４１５に戻って参照し、大きいデータセットが含まれる場合、前記データセットのサイズを減少して、処理をスピードアップすると共に処理コストを減少することが必要であるか、少なくとも望ましいかもしれない。前記ツリー構造がある範囲のスケール内で保存され得ることに注意することによって、大きい体積を、構造解析のためのより小さいスケール空間に縮小することができる。
【０１６０】
多解像度解析に基づく縮小方法を使用することができる。入力データは、ＣＴまたはＭＲＩ走査の分割結果から得ることができる同じサイズのバイナリ画像のスタックである。ｘ方向をスライス画像幅に沿ってとり、ｙ方向はスライス画像高さに沿い、ｚ方向はステップずつの方向に沿う。前記ツリー体積における前景ボクセルを１２８（最大）の値に設定し、背景ボクセルを０（最小）の値に設定する。すべての有理係数にダウベッチーズ（Ｄａｕｂｅｃｈｉｅｓ）の両直交ウェーブレット変換を用いる。この１次元（１Ｄ）離散ウェーブレット変換（ＤＷＴ）を、最初にｘ方向に沿って１行ずつ用いる。前記ＤＷＴの適用から、より低い周波数成分のみが保持され、もたらされる。前記ＤＴＭをバイナリ信号に用いることに注意し、前記より低い周波数成分を結果として生じる２種類の非ゼロ係数が存在する。第１は値１２８であり、この種類の係数は前記体積内部において位置する。第２は１２８に等しくない値であり、これらの係数は前記体積の境界に位置する。
【０１６１】
前記第２の種類の係数を、予め決められたしきい値と比較する。その絶対値が、予め設定されたしきい値Ｔ１より大きい場合、前記係数の値を１２８に設定し、そうでなければ０に設定する。これは、結果として、原データセットの半分の行サイズを有するバイナリ画像のスタックを生じる。次に、同様のしきい値処理を、より低い周波数成分に用いる場合、同じＤＷＴを、前記結果として生じたデータセットに、ｙ方向に沿って、１列ずつ用いる。この結果は、再びバイナリ画像のスタックだが、ここでは、原データセットと比較して半分の行および列サイズを有する。最後に、前記ＤＷＴを、前記最後の結果に、ｚ方向に沿って用い、より低い周波数成分を保持する。このステップは、第１レベル分解を完了する。
【０１６２】
前記第１レベル分解の結果として生じるデータセットは、原データセットと比較して３方向すべてにおいて半分のサイズのものである。前記縮小手順がこのレベルにおいて停止する場合、最後のしきい値処理を用いる。非ゼロおよび非１２８値のこれらの係数を再評価する。この種類の係数の絶対値が予め設定されたしきい値Ｔ２より大きい場合、１２８として再評価し、そうでなければ０として再評価する。更なる縮小が必要な場合、同じしきい値アルゴリズムをしきい値Ｔ１によって用いる。上述したような更なる縮小プロセスを、結果として生じる体積が所望の減少したデータ体積に達するまで再帰的に用いることができる。仮想内視鏡検査において、前記スライス画像を５１２×５１２画素サイズとする。最大分解レベルは、通常３であり、結果として６４×６４減少画素サイズを生じる。
【０１６３】
前記体積を、前記与えた方法によってすべての方向において等方的に縮小する。２つのプリセットしきい値Ｔ１およびＴ２を使用し、縮小の程度を制御する。前記体積が著しく過縮小である場合、前記減少した体積において連結度が失われてしまうかもしれない。より小さい程度に過縮小である場合、前記減少した体積データセットにおいて２つの別個のブランチが１つのブランチに合体するかもしれない。前記２つのしきい値がより大きくなると、より薄く減少した体積になる。これらの２つのしきい値の範囲は、［０，ｒ×１２８］であり、０＜ｒ＜１である。好適には、仮想内視鏡検査に関する範囲は、Ｔ１に関してｒ∈（０．０８，０．２８）、Ｔ２に関してｒ∈（０．７，０．９８）である。正確な決定は、特定の用途の特徴サイズに依存し、縮小体積における構造特徴の忠実度を保持しながら、減少を達成するように選択される。
【０１６４】
原体積の縮小後、前記ツリーブランチ探索手順を、前記より小さい体積に用いることができる（ステップ３４２０−３４４０）。結果として生じるスケルトンを、原スケール空間にマッピングし戻すことができる。原空間に対して測った場合、より小さいスケールのスケルトンの画像は、もはや、前記原スケール空間にける接続された経路のままではない。前記画像におけるこれらのボクセルは、最終スケルトンに関する制御点として働く。前記制御点を、前に説明したようなアルゴリズムを使用して中心に集め、次に、これらを補間し、前記オブジェクトに関する最終スケルトンを形成する。
【０１６５】
コンピュータ支援診断
ここに説明した仮想調査技術は、種々の条件のコンピュータ支援診断（ＣＡＤ）に関する用途に適する。例えば、上述したように、器官組織のジオメトリをガウス曲線に関して調査することによって、結腸管腔内部のポリープのような異常ジオメトリを有する領域を自動的に識別することができる。この技術を一般化し、テクスチャ特徴と共に使用して、多数の用途に関するＣＡＤ機能性を与えることができる。
【０１６６】
例えば、上述した膀胱の多走査画像化を使用し、膀胱壁における腫瘍の自動検出を行うことができる。この場合において、一般に膀胱壁内における腫瘍侵入の程度を使用し、膀胱癌の段階を規定する。上述した多走査画像化および画像分割技術を使用し、前記膀胱壁の領域の輪郭を容易に描くことができる。通常の膀胱組織の領域は、一般に、実質的に一様なテクスチャ特徴を示す。しかしながら、腫瘍が前記領域において存在する場合、前記一様なテクスチャ特徴は中断される。したがって、テクスチャ解析を使用し、前記膀胱壁を評価することによって、腫瘍を示すかもしれない領域は、前記一様なテクスチャ内の乱れまたは“ノイジー領域”としてそれ自身を示す。
【０１６７】
領域のテクスチャを、規定された範囲内のボクセル間の強度相関を特徴付ける確率分布関数（ＰＤＦ）によって表すことができる。２次元ＰＤＦを使用し、テクスチャ特徴を表すことができる。このようなＰＤＦは、すべての方向に沿った２つの最も近いボクセル間の相関を特徴付ける。前記ＰＤＦを評価するために、興味ある領域における任意の２つの最も近い隣接ボクセルの強度を、前記興味ある領域に関する標本ベクトルとして記録することができる（例えば文脈）。多数のこのような標本ベクトルを使用し、この文脈に関して前記ＰＤＦを評価する累積分布関数（ＣＤＦ）を発生することができる。各ボクセルに関して、その隣接ボクセルのある範囲内の標本ベクトルを使用し、局所ＣＤＦを発生することもできる。
【０１６８】
コルモロゴフ−スミルノフテストのような統計テストを前記ＣＤＦに用い、前記文脈のＣＤＦおよび局所ＣＤＦが統計的に等価であるか、例えば、予め規定された信頼レベル内であるかどうかを決定することができる。そうであるならば、現在ボクセルの周囲の局所テクスチャ特徴を前記文脈と同一であるとみなす。そうでなければ、現在ボクセルは、前記文脈のテクスチャ特徴と異なったテクスチャ特徴を示し、腫瘍のような潜在的な異常とみなしてもよい。あるボクセルが前記文脈と統計的に等価であるかどうかを決定するのに使用される信頼レベルを変化させ、検出の感度を増減させることができる。
【０１６９】
テクスチャ解析にＰＤＦまたはＣＤＦを用いる代わりの方法において、各々のＣＤＦまたはＰＤＦを、機能的線形空間における点とみなすことができる。この空間における２つのＤＣＦまたはＰＤＦの間の距離を、スコロホールド（Ｓｋｏｒｏｈｏｌｄ）距離等によって測定することができる。この距離は、ＰＤＦの類似性の程度の測定を与える。例えば、局所ＣＤＦと文脈ＣＤＦとの間の距離を計算することができ、結果として生じる距離を１つ以上の距離しきい値と比較することができる。前記距離が大きい場合、前記局所テクスチャを、前記文脈と異なると考え、このことは、このようなボクセルが、潜在的な異常または腫瘍を有する領域に属することを示すことができる。好適には、前記距離しきい値を、統計的に十分に既知のデータセットの評価に基づいて決定する。
【０１７０】
上記で計算した距離を、ここで説明したような視覚化技術および体積レンダリング技術と共に使用することができる。例えば、原データセットと比較し得るサイズを有する特徴体積データセットを形成することができる。この新たなデータセットにおける各ボクセルに関する強度を、前記局所ＣＤＦと文脈のＣＤＦとの間の距離に基づいて割り当てることができる。この３次元体積データセットを体積レンダリング技術によって見る場合、疑わしい腫瘍を含む領域は、周囲の領域よりも高い画像強度を示す。
【０１７１】
ポリープの自動検出に関して上記で考察したように、管腔の表面を、Ｃ−２滑らか表面モデル等を使用することによって、３次元ユークリッド空間における連続的に二次微分可能表面として表すことができる。このようなモデルにおいて、前記結腸の表面における各ボクセルは、ガウス曲率場と呼ばれる、ガウス曲率を有する関連する幾何学的特長を有する。種々の器官に関して、ある予想される局所特徴を、別個の曲率テンプレートによって特徴付けることができる。例えば、前記結腸の文脈において、予想される局所特徴は、滑らかな湾曲表面と、リング折りたたみと、滑らかな面からの凸面の丘と、滑らかな表面からの台地とを含む。これらの少なくとも２つの特徴は、ポリープまたは腫瘍を表すかもしれない。したがって、前記ガウス曲率場を特定の予め決められた局所特徴テンプレートに関して探索することによって、ポリープ、腫瘍、および、興味ある他の異常を自動的に検出することができる。コンピュータ支援診断を行うことへの表面ジオメトリのこの使用を、単独で使用することもでき、または、上述したテクスチャベースＣＡＤ技術と共に使用することもできる。
【０１７２】
器官全体または興味ある領域をレンダリングして見る代わりとして、観察されている表面を小さい領域またはパッチに分割することができ、これらのパッチを、前記局所曲率テンプレートによって規定する。各々のパッチは、共通の幾何学的特長または曲率テンプレートを有するボクセルを含むべきである。次に、前記パッチのすべてのボクセルを観察することを可能にする単一の視点を、前記パッチに関して決定する。次に、前記パッチに、該パッチがポリープまたは他の異常を表す可能性を示す優先度スコアを割り当てる。次に、オペレータが前記内蔵体積全体をナビゲートして疑わしい領域を探し出すのではなく、前記パッチを、優先度順に別々に観察することができる。もちろん、好適な診断システムは、オペレータが、あるパッチを見ることから、前記器官の文脈におけるパッチを見ることへ容易に変更することができるように、ビューの間で切り替える能力を含む。代わりに、これら２つのビューを同時に与えることができる。再び、前記テクスチャベースアプローチを使用し、このアプローチを補うことができる。前記テクスチャ解析の結果を調査している前記パッチにマッピングすることによって、前記テクスチャ情報を観察し、診断に使用することもできる。
【０１７３】
上記は、本画像化および調査システムおよび方法の原理を単に説明する。したがって、当業者が、ここに明白に図示または説明していないが、本発明の原理を具体化し、したがって、請求項によって規定される本発明の精神および範囲内である多数のシステム、装置および方法を考案することができることは明らかであろう。
【０１７４】
例えば、ここで説明した方法およびシステムを用い、動物、魚、または無生物を仮想調査することができる。医療分野における指定された使用に加え、前記技術の用途を使用し、開くことができない密封された物体の内容を検出することができる。前記技術を、ビルディングまたは洞窟のような建築上の構造内で使用することもでき、オペレータが前記構造中をナビゲートすることを可能にすることができる。
【図面の簡単な説明】
【図１】本発明による、物体、特に結腸の仮想調査を行うステップのフローチャートである。
【図２】仮想器官におけるガイド付きナビゲーションを行う「サブマリン」カメラモデルの説明である。
【図３】「サブマリン」カメラのピッチおよびロールをモデル化するのに使用される振り子の説明である。
【図４】２つのブロッキング壁を識別する体積測定結腸の二次元断面を説明する図である。
【図５】開始および終了体積要素を選択する体積測定結腸の二次元断面を説明する図である。
【図６】前記ブロッキング壁および結腸表面によって閉じた離散的サブ体積を示す体積測定結腸の二次元断面を説明する図である。
【図７】多数の層を剥ぎ取られた体積測定結腸の二次元断面を説明する図である。
【図８】残りの飛行経路を含む堆積測定結腸の二次元断面を説明する図である。
【図９】走査された結腸の体積視覚化を発生するステップのフローチャートである。
【図１０】セルに再分された仮想結腸の説明である。
【図１１】Ａは仮想調査されている器官のグラフィカル描写であり、ＢはＡにおける器官を描写すると同時に、発生されたスタブツリーのグラフィカル描写であり、ＣはＡにおける器官を描写すると同時に、発生されたスタブツリーの他のグラフィカル描写である。
【図１２】Ａはレンダリングすべきシーンおよび前記シーンの特定のセル内の物体のグラフィカル描写であり、ＢはＡにおける画像を描写すると同時に、発生されたスタブツリーのグラフィカル描写であり、Ｃ−ＥはＡにおける画像を描写すると同時に、発生されたスタブツリーの他のグラフィカル描写である。
【図１３】層を除去したポリープを含む仮想結腸の２次元表現である。
【図１４】本発明による人間の器官の仮想調査を行うのに使用されるシステムの図である。
【図１５】改善された画像分割方法を示すフローチャートである。
【図１６】代表的な腹部ＣＴデータセットのボクセル強度対周波数のグラフである。
【図１７】興味あるボクセルと、その選択された隣接ボクセルとを含む強度ベクトル構造の斜視図である。
【図１８】Ａは肺を含む領域を第１に説明する人間の腹部領域のＣＴ走査からの好例の画像スライスであり、ＢはＡの画像スライスにおける肺領域の識別を説明する絵的図であり、ＣはＢにおいて識別された肺体積の除去を説明する絵的図である。
【図１９】Ａは結腸および骨の一部を含む領域を第１に説明する人間の腹部領域のＣＴ走査からの好例の画像スライスであり、ＢはＡの画像スライスからの結腸および骨領域の識別を説明する絵的図であり、Ｃは骨の領域を除去したＡの画像走査を説明する絵的図である。
【図２０】テクスチャをモノクローム画像データに用いる方法を説明するフローチャートである。
【図２１】高速パースペクティブ光線投影技術を用いて体積レンダリングする方法を説明するフローチャートである。
【図２２】体積縮小技術を用いて結腸管腔を通る中心飛行経路を決定する方法を説明するフローチャートである。
【図２３】図２２に示す方法において使用する体積縮小技術をさらに説明するフローチャートである。
【図２４】発生された中心飛行経路による分割された結腸管腔の３次元絵的表現である。
【図２５】分割技術を用いて結腸管腔を通る中心飛行経路を発生する方法を説明するフローチャートである。
【図２６】パーソナルコンピュータバスアーキテクチャに基づくシステム実施形態のブロック図である。
【図２７】図２６のシステムを使用して体積画像化を行う方法を説明するフローチャートである。
【図２８】膀胱のような物体の仮想調査（仮想膀胱鏡検査）を行う多走査方法を説明するフローチャートである。
【図２９】図２８の仮想膀胱鏡検査による画像化結果を与え、膀胱構造の説明的外側ビューを与えるのに好適な表示ウィンドウの絵的表現である。
【図３０】図２８の仮想膀胱鏡検査による画像化結果を与え、膀胱構造の説明的内側ビューを与えるのに好適な表示ウィンドウの絵的表現である。
【図３１】多解像度ビューイングを使用して喉頭のような物体の仮想調査を行う方法のフローチャートである。
【図３２】仮想血管造影検査を行う方法のフローチャートである。
【図３３】Ａ−Ｃは腹部大動脈瘤の存在を説明する大動脈の一部の絵的ビューである。
【図３４】物体のスケルトン構造を発生する方法を説明するフローチャートである。
【図３５】２６接続ユークリッド重み付き立方体距離プレートの図式的な図である。
【図３６】図３４の方法において使用する距離マップを発生するプロセスの擬似コードを説明する図である。

Claims (61)

1. 物体の仮想調査を行う方法において、
   コントラスト剤の存在によって膨張させた物体の少なくとも１回の走査を行うステップと、
   前記コントラスト剤を除去した前記物体の少なくとも１回の走査を行うステップと、
   前記走査を、複数のボクセルを具える対応する体積データセットに変換するステップと、
   画像分割を行い、各々の走査のボクセルを複数のカテゴリに分類するステップと、
   各々の走査の体積データセットを共通座標系に登録するステップと、
   前記体積データセットの少なくとも２つを本質的に同時に表示するステップと、
   前記体積データセットの一方において仮想ナビゲーション動作を行い、対応するナビゲーション動作を少なくとも１つの他の体積データセットにおいて生じさせるステップとを含むことを特徴とする、仮想調査を行う方法。
2. 請求項１に記載の仮想調査を行う方法において、前記膨張させた物体の少なくとも１回の走査が、前記物体の横走査および冠状走査を含むことを特徴とする、仮想調査を行う方法。
3. 請求項２に記載の仮想調査を行う方法において、前記コントラスト剤を除去した前記物体の少なくとも１回の走査が、前記物体の横走査および冠状走査を含むことを特徴とする、仮想調査を行う方法。
4. 請求項３に記載の仮想調査を行う方法において、前記物体を膀胱としたことを特徴とする、仮想調査を行う方法。
5. 請求項４に記載の仮想調査を行う方法において、前記走査をコンピュータ断層撮影走査としたことを特徴とする、仮想調査を行う方法。
6. 請求項４に記載の仮想調査を行う方法において、前記走査を超音波画像走査としたことを特徴とする、仮想調査を行う方法。
7. 請求項４に記載の仮想調査を行う方法において、前記走査を磁気共鳴画像走査としたことを特徴とする、仮想調査を行う方法。
8. 請求項７に記載の仮想調査を行う方法において、前記コントラスト剤を尿としたことを特徴とする、仮想調査を行う方法。
9. 請求項１に記載の仮想調査を行う方法において、前記コントラスト剤を除去した前記物体の少なくとも１回の走査が、前記物体の横走査および冠状走査を含むことを特徴とする、仮想調査を行う方法。
10. 請求項１に記載の仮想調査を行う方法において、前記物体を膀胱としたことを特徴とする、仮想調査を行う方法。
11. 請求項１０に記載の仮想調査を行う方法において、前記走査をコンピュータ断層撮影走査としたことを特徴とする、仮想調査を行う方法。
12. 請求項１０に記載の仮想調査を行う方法において、前記走査を超音波画像走査としたことを特徴とする、仮想調査を行う方法。
13. 請求項１０に記載の仮想調査を行う方法において、前記走査を磁気共鳴画像走査としたことを特徴とする、仮想調査を行う方法。
14. 請求項１３に記載の仮想調査を行う方法において、前記コントラスト剤を尿としたことを特徴とする、仮想調査を行う方法。
15. 請求項１に記載の仮想調査を行う方法において、前記膨張させた物体の少なくとも１回の走査と、前記コントラスト剤を除去した前記物体の少なくとも１回の走査とを評価し、前記走査の一方においてコントラストがより可視である領域を識別するステップと、興味ある領域においてより高いコントラストを有する前記走査を評価し、前記物体の生理学的特長を決定するステップとをさらに含むことを特徴とする、仮想調査を行う方法。
16. 請求項１５に記載の仮想調査を行う方法において、前記画像分割のステップが、ボクセルを前記ボクセルの局所強度ベクトルに基づいて分類するステップを含むことを特徴とする、仮想調査を行う方法。
17. 請求項１６に記載の仮想調査を行う方法において、前記画像分割のステップが、領域成長アルゴリズムを使用し、前記分類されたボクセルに基づいて前記物体の領域を識別するステップをさらに含むことを特徴とする、仮想調査を行う方法。
18. 請求項１に記載の仮想調査を行う方法において、前記体積画像データセットを、前記座標系に関する複数の領域に分割するステップをさらに含むことを特徴とする、仮想調査を行う方法。
19. 請求項１８に記載の仮想調査を行う方法において、前記複数の領域が、３次元座標系において規定された８個の領域を含むことを特徴とする、仮想調査を行う方法。
20. 物体の仮想調査を行う方法において、
    前記物体の画像走査を行い、画像走査データを取得するステップと、
    前記取得された画像走査データを複数のボクセルに変換するステップと、
    前記ボクセル間を補間し、拡張データセットを発生するステップと、
    画像分割を行い、前記ボクセルを複数のカテゴリに分類するステップと、
    前記拡張データセットから前記物体内部の体積を抽出するステップと、
    前記拡張データセットから減少解像度データセットを発生するステップと、
    前記拡張データセットをツリーデータ構造に格納するステップと、
    前記拡張データセットおよび減少解像度データセットに関する画像をレンダリングするステップと、
    前記減少解像度データセットおよび拡張データセットのうち少なくとも１つを表示に関して選択するステップとを含むことを特徴とする、仮想調査を行う方法。
21. 請求項２０に記載の仮想調査を行う方法において、前記選択するステップが、
    画像相互作用中前記減少解像度データセットを選択するステップと、
    画像相互作用が予め決定された期間中に起こらなかった場合、前記拡張データセットを選択するステップとを含むことを特徴とする、仮想調査を行う方法。
22. 請求項２０に記載の仮想調査を行う方法において、前記画像走査をコンピュータ断層撮影走査としたことを特徴とする、仮想調査を行う方法。
23. 請求項２０に記載の仮想調査を行う方法において、前記画像走査を磁気共鳴画像走査としたことを特徴とする、仮想調査を行う方法。
24. 請求項２０に記載の仮想調査を行う方法において、前記画像走査を超音波画像走査としたことを特徴とする、仮想調査を行う方法。
25. 請求項２０に記載の仮想調査を行う方法において、前記物体を喉頭としたことを特徴とする、仮想調査を行う方法。
26. 請求項２０に記載の仮想調査を行う方法において、前記ツリー構造をバイナリ空間分割ツリー構造としたことを特徴とする、仮想調査を行う方法。
27. 仮想血管造影検査を行う方法において、
    大動脈の少なくとも一部を含む画像走査データを取得するステップと、
    前記画像走査データを、複数のボクセルを含む体積表現に変換するステップと、
    前記体積表現を分割し、前記ボクセルを複数のカテゴリのうち１つに分類するステップと、
    前記分割された体積表現を解析し、大動脈壁における動脈瘤の少なくとも一部を表すボクセルを識別するステップと、
    動脈瘤の少なくとも一部を表すボクセルの周囲の少なくとも１つの閉表面を発生し、前記動脈瘤の輪郭を評価するステップとを含むことを特徴とする、仮想血管造影検査を行う方法。
28. 請求項２７に記載の仮想血管造影検査を行う方法において、前記画像走査をコンピュータ断層撮影走査としたことを特徴とする、仮想血管造影検査を行う方法。
29. 請求項２７に記載の仮想血管造影検査を行う方法において、前記画像走査を磁気共鳴画像走査としたことを特徴とする、仮想血管造影検査を行う方法。
30. 請求項２７に記載の仮想血管造影検査を行う方法において、前記分割動作が、ボクセルを、少なくとも、血、組織およびカルシウム堆積物のカテゴリに分類することを特徴とする、仮想血管造影検査を行う方法。
31. 請求項２７に記載の仮想血管造影検査を行う方法において、前記動脈瘤の体積を、前記発生された閉表面を使用して評価するステップをさらに含むことを特徴とする、仮想血管造影検査を行う方法。
32. 請求項２７に記載の仮想血管造影検査を行う方法において、前記大動脈管腔を通るナビゲーション経路を発生するステップをさらに含むことを特徴とする、仮想血管造影検査を行う方法。
33. 請求項３２に記載の仮想血管造影検査を行う方法において、前記動脈瘤の長さを、前記ナビゲーション経路に基づいて評価するステップをさらに含むことを特徴とする、仮想血管造影検査を行う方法。
34. 血管の仮想内視鏡検査を行う方法において、
    前記血管の少なくとも一部を含む画像走査データを取得するステップと、
    前記画像走査データを、複数のボクセルを含む体積表現に変換するステップと、
    前記体積表現を分割し、前記ボクセルを、血、組織およびカルシウム堆積物のカテゴリを含む複数のカテゴリのうちの１つに分類するステップと、
    前記血管を通るナビゲーション経路を発生するステップとを含むことを特徴とする、血管の仮想内視鏡検査を行う方法。
35. 請求項３４に記載の血管の仮想内視鏡検査を行う方法において、前記血管を頚動脈としたことを特徴とする、血管の仮想内視鏡検査を行う方法。
36. 請求項３４に記載の血管の仮想内視鏡検査を行う方法において、前記ナビゲーション経路に沿って前記頚動脈の直径を決定し、狭窄の領域を識別するステップをさらに含むことを特徴とする、血管の仮想内視鏡検査を行う方法。
37. 請求項３４に記載の血管の仮想内視鏡検査を行う方法において、前記画像走査をコンピュータ断層撮影走査としたことを特徴とする、血管の仮想内視鏡検査を行う方法。
38. 請求項３４に記載の血管の仮想内視鏡検査を行う方法において、前記画像走査を磁気共鳴画像走査としたことを特徴とする、血管の仮想内視鏡検査を行う方法。
39. 仮想血管造影検査を使用してステントグラフトの特性を決定する方法において、
    大動脈の少なくとも一部を含む画像走査データを取得するステップと、
    前記画像走査データを、複数のボクセルを含む体積表現に変換するステップと、
    前記体積表現を分割し、前記ボクセルを複数のカテゴリのうちの１つに分類するステップと、
    前記分割された体積表現を解析し、前記大動脈壁における動脈瘤の少なくとも一部を表すボクセルを識別するステップと、
    動脈瘤の少なくとも一部を表すボクセルの周囲の少なくとも１つの閉表面を発生し、前記動脈瘤の輪郭を評価するステップと、
    前記動脈瘤輪郭の終了点の位置を識別するステップと、
    前記動脈瘤輪郭の終了点間の長さを計算し、前記ステントグラフトの長さを決定するステップと、
    前記動脈瘤輪郭の終了点における前記大動脈管腔の直径を計算し、前記ステントグラフトの必要な外側直径を決定するステップとを含むことを特徴とする、仮想血管造影検査を使用してステントグラフトの特性を決定する方法。
40. 請求項３９に記載の仮想血管造影検査を使用してステントグラフトの特性を決定する方法において、前記動脈瘤と通常の大動脈管腔との界面の角度を決定し、前記ステントグラフトの対応する端の角度方向を決定するステップをさらに含むことを特徴とする、仮想血管造影検査を使用してステントグラフトの特性を決定する方法。
41. 請求項３９に記載の仮想血管造影検査を使用してステントグラフトの特性を決定する方法において、前記動脈瘤に最も近い動脈ブランチの位置を突き止め、前記ステントグラフトの最大長を決定するステップをさらに含むことを特徴とする、仮想血管造影検査を使用してステントグラフトの特性を決定する方法。
42. 請求項４１に記載の仮想血管造影検査を使用してステントグラフトの特性を決定する方法において、前記動脈瘤に最も近い動脈ブランチが、腎臓および大腿部動脈ブランチの少なくとも一方を含むことを特徴とする、仮想血管造影検査を使用してステントグラフトの特性を決定する方法。
43. 請求項３９に記載の仮想血管造影検査を使用してステントグラフトの特性を決定する方法において、前記動脈瘤の端に最も近い大動脈領域の仮想生体組織検査を行い、予測されたグラフトインタフェース位置における前記組織の特性を決定するステップをさらに含むことを特徴とする、仮想血管造影検査を使用してステントグラフトの特性を決定する方法。
44. 複数のボクセルで形成された中空物体の３次元画像表現に関するスケルトンを規定する方法において、
    前記中空物体内におけるルートボクセルを識別するステップと、
    前記中空物体内のすべてのボクセルに関する距離マップを発生するステップであって、前記距離マップが、ユークリッド重み付き距離を有する隣接ボクセルの２６接続立方体プレートを使用して形成される、ステップと、
    前記距離マップにおける局所最大値を有するボクセルを、前記中空物体におけるブランチの終了点として識別するステップと、
    各々の局所最大値ボクセルに関して、前記ルートボクセルに対する最短接続経路、または、前もって規定された最短経路を決定するステップとを含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
45. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、多解像度データ減少を前記３次元画像表現に行い、前記発生および識別動作に関する減少データセットを発生するステップをさらに含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
46. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、前記最短経路を、前記物体の個々のブランチ内の中心に配置するステップをさらに含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
47. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、前記物体が少なくとも１つの血管を含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
48. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、前記物体が肺の気道を含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
49. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、前記物体が膀胱を含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
50. 請求項４４に記載の３次元画像表現に関するスケルトンを規定する方法において、前記物体が脊椎動物の脊髄を含むことを特徴とする、３次元画像表現に関するスケルトンを規定する方法。
51. 興味ある領域のコンピュータ支援診断を行う方法において、
    前記興味ある領域の少なくとも一部を含む画像走査データを取得するステップと、
    前記画像走査データを、複数のボクセルを含む体積表現に変換するステップであって、前記ボクセルの少なくとも一部が前記興味ある領域の表面を表す、ステップと、
    表面を表すボクセルの前記部分を、異常を示す幾何学的特長およびテクスチャ特徴の少なくとも一方に関して解析するステップとを含むことを特徴とする、コンピュータ支援診断を行う方法。
52. 請求項５１に記載のコンピュータ支援診断を行う方法において、前記テクスチャ特徴を、ボクセルの前記部分の２つのボクセル間の相関を特徴付ける確率密度関数に含めることを特徴とする、コンピュータ支援診断を行う方法。
53. 請求項５２に記載のコンピュータ支援診断を行う方法において、前記２つのボクセルを隣接するボクセルとしたことを特徴とする、コンピュータ支援診断を行う方法。
54. 請求項５２に記載のコンピュータ支援診断を行う方法において、ボクセルの前記部分の強度を使用し、前記確率密度関数の評価を発生することを特徴とする、コンピュータ支援診断を行う方法。
55. 請求項５４に記載のコンピュータ支援診断を行う方法において、複数のボクセル強度を使用し、前記興味ある領域の累積分布関数と、局所累積分布関数とを発生し、前記局所累積分布関数を文脈累積分布関数と比較し、異常な領域を識別することを特徴とする、コンピュータ支援診断を行う方法。
56. 請求項５５に記載のコンピュータ支援診断を行う方法において、前記局所累積分布関数と文脈累積分布関数との間の距離を決定し、前記距離が異常の基準を与えることを特徴とする、コンピュータ支援診断を行う方法。
57. 請求項５６に記載のコンピュータ支援診断を行う方法において、前記距離を使用し、強度値を、前記興味ある領域の表面を表すボクセルに割り当て、該方法が、強度における変化が異常な領域を表すように前記ボクセルを表示するステップをさらに含むことを特徴とする、コンピュータ支援診断を行う方法。
58. 請求項５７に記載のコンピュータ支援診断を行う方法において、前記興味ある領域が結腸を含み、前記異常がポリープを含むことを特徴とする、コンピュータ支援診断を行う方法。
59. 請求項５１に記載のコンピュータ支援診断を行う方法において、前記興味ある領域が大動脈を含み、前記異常が腹部の大動脈瘤を含むことを特徴とする、コンピュータ支援診断を行う方法。
60. 請求項５１に記載のコンピュータ支援診断を行う方法において、前記表面を二次微分可能な表面として表し、各々の表面体積ユニットが関連するガウス曲率を有し、前記ガウス曲率が結合して、前記幾何学的特長を形成することを特徴とする、コンピュータ支援診断を行う方法。
61. 請求項５９に記載のコンピュータ支援診断を行う方法において、複数の予め決定された幾何学的特長テンプレートを規定し、前記表面の幾何学的特長を前記テンプレートと比較し、幾何学的特長分類を決定することを特徴とする、コンピュータ支援診断を行う方法。