JP2006527057A

JP2006527057A - ３次元画像のセグメント化

Info

Publication number: JP2006527057A
Application number: JP2006516665A
Authority: JP
Inventors: ペカール，ウラジミール; ラインホルトカオス，ミヒャエル; マクナット，トッド
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2003-06-13
Filing date: 2004-06-09
Publication date: 2006-11-30
Also published as: WO2004111937A1; ATE476720T1; EP1636753B1; DE602004028471D1; EP1636753A1; US20060159341A1; US7536041B2

Abstract

関心構造の描写は、例えば、多角形測定によって表す、3次元変形可能モデルを関心構造の境界に適合させることによって行うことができる。変形可能モデル適合処理は、器官境界にメッシュを引き付ける画像特徴情報に基づいた外部エネルギと、メッシュの安定した形状を維持する内部エネルギとの和を最小にすることによって誘導される。よくある問題は、画像が備える、画像グラディエントなどの、信頼できる画像特徴情報が、メッシュを引き付けるのに十分でないというものである。本発明によれば、関心構造の境界に相当する完全な輪郭又は部分的な輪郭の形態において手作業で描写されるアトラクタは、十分な特徴情報を備えていない画像内に配置される。このアトラクタは、後のセグメント化処理において容易に鑑別し得る。このことによって、効果的には、3次元変形可能モデルは、低コントラスト、ノイズ又は画像アーチファクトを備えている画像における関心構造に適合可能である。

Description

本発明は、ディジタル・イメージングの分野に関し、特に変形可能モデルの利用による3次元画像セグメント化の分野に関する。詳細には、本発明は、関心3次元構造をセグメント化する方法に関し、画像処理装置に関し、画像処理装置用コンピュータ・プログラムに関する。

100年前より前のX線の発見以来、放射線は医療において、（X線によって写真をとることによって）診断の手助けをするよう一層用いられており、治療（放射線療法）としても一層用いられている。しかし、注意して放射線を用いなければならないということは明らかである。

放射線治療とも呼ばれる放射線療法は、イオン化放射によって癌や他の病気を治療することである。イオン化放射は、遺伝物質を損ない、細胞が成長し続けることを不可能にしてしまうことによって、治療される領域（「関心構造、関心オブジェクト又は関心部位」）における細胞を損傷又は破壊するエネルギを沈着させる。放射線は癌細胞も正常細胞も損なうが、正常細胞は、自ら修復し、適切に働くことができる。放射線療法は、皮膚、舌、咽頭、脳、胸や子宮頸部の癌などの局所性固形腫瘍を治療するのに用い得る。放射線療法は、（各々、血液形成細胞の癌と、リンパ系の癌である）白血病及びリンパ腫を治療するのにも用いることができる。

通常用いられる放射線治療の1つのタイプには、エネルギの「パケット」であるフォトンが関係する。X線は、癌を治療するのに初めて用いられたフォトン放射の形態であった。X線は、保持するエネルギの量に応じて、人体の表面上の癌細胞又は人体の奥深くにある癌細胞を破壊するのに用いることができる。X線ビームのエネルギが高いほど、X線は標的組織内でより深い所まで進むことができる。直線加速器及びベータトロンは、一層大きなエネルギのX線を発生させる機械である。機械を用いて、癌部位上で（X線などの）放射線の収束を行うことを、外部ビーム放射線療法と呼ぶ。

ガンマ線は、放射線療法において用いるフォトンの別の形態である。ガンマ線は、（ラジウム、ウランやコバルト60などの）特定の元素が分解又は崩壊するにつれて放射線を放出するにつれて自然に発生する。各元素は、特定の速度で崩壊し、ガンマ線や他の粒子の形態でエネルギを放出する。X線及びガンマ線は、癌細胞に対して同様な作用を有する。

癌細胞に対して放射線を供給する別の手法として、腫瘍内又は体腔内に放射性インプラントを直接配置するというものがある。これは、内部放射線療法と呼ばれる。（内部放射線療法のタイプには、近距離放射線療法、組織内照射や、腔内照射がある。）この治療では、放射線被曝量は小さな領域内に集中しており、患者は病院に数日間入院する。内部放射線療法は、舌、子宮及び子宮頸部の癌によく用いられる。

放射線治療に対する新たな手法がいくつか、癌の治療を行ううえでの効果を判定するよう評価されている。そのような手法の１つとして、大量の放射線被爆が、手術中に腫瘍と、周囲の組織とに向けられる、手術中の放射がある。

別の手法として、粒子ビーム放射線治療がある。このタイプの治療は、高速移動亜原子粒子を用いて局所性癌を治療することが関係するという点でフォトン放射線療法とは異なる。組織を通ってとる経路に沿って沈着させるエネルギは、X線やガンマ線よりも一部の粒子（中性子、π中間子及び重イオン）のほうが多く、よって、当たる細胞により多くの損傷を与えてしまう。このタイプの放射は、高LET(線エネルギ付与)放射線と呼ばれることが多い。

又、科学者は、放射線治療の効果を向上させ、患者に施される放射線を最小にする方法を探している。このために、例えば、関心領域、関心オブジェクト又は関心部位と、例えば、この領域を囲む組織のタイプとを正確に識別するよう、例えば、画像などの診断データを用いて放射線治療計画を行い得る。

セグメント化手法は、CT画像、MR画像やUS画像などのボリューム画像データ（診断画像）からの、例えば、器官や骨などの、関心構造を導き出すのに用い得る。普及しているセグメント化手法の1つとして、変形可能モデルを用いるものがある。変形可能モデルについての調査は、例えば、McInerney他によって公表されている（「Deformable models in medical image analysis: A survey」, Medical Image Analysis, 1(2):pp. 91-108, 1996参照。）。変形可能モデルは、弾力のある表面として表すことができ、その形状及び位置は、内部エネルギ及び外部エネルギの影響下で変わり得る。内部エネルギは、（セグメント化する対象の構造に関して事前に分かっていたことに基づいて形成された場合がある）モデルの形状をできる限りうまく維持する役目を担う。しかし、外部エネルギは、オブジェクトのエッジの方向にモデル表面を動かすものである。外部エネルギは、3次元画像から、すなわち、構造を有するオブジェクトの3次元表現であるデータセットから、導き出される。そのような、オブジェクトの3次元表現は、各々がオブジェクトのスライスを表す、複数の２次元画像を通常、備える。メッシュは好ましくは、三角形の形をとり、その角点は、モデルの表面上の３つの隣接ネットワーク点によって規定される。

公知の手法によれば、構造点は、セグメント化する対象の構造の表面上でサーチされる、すなわち、画像内の三角形の表面に垂直に延び得るサーチ線に沿って、サーチされる。セグメント化対象の構造の表面は、画像データの、はっきりと分かるグラディエントによって通常、特徴付けられる。モデルの表面を規定するネットワークのメッシュについてそのような構造点が判定された後、モデルのネットワーク点が、見つかった構造点に基づいて新たに算出される、すなわち、ネットワーク点は、内部エネルギと外部エネルギとの加重和が、新たに見つかったネットワーク点の最小値を呈するように算出される。この手法によれば、ネットワーク点の位置は、サーチ中に見つかった、直接隣接する構造点によってのみならず、他の構造点全てによっても影響を受ける。その後、この手法は、新たに算出されるネットワーク点を利用することによって数回反復して繰り返される。よって、モデルは反復毎に変形し、最後の反復後、すなわち、止める基準に達した後、モデルが呈する形状は、当該オブジェクト内でセグメント化される対象の構造であるとみなされる。

オブジェクトの３次元画像は、例えば、健康診断中に、X線CT（コンピュータ断層撮影）法、磁気共鳴法又は超音波法によって生成し得る。

すなわち、上記手法によれば、変形可能モデル適合処理は、関心構造の境界にメッシュを引きつける画像特徴情報に基づいた外部エネルギと、メッシュの、安定した形状を維持する内部エネルギとの和を最小にすることによって誘導される。

例えば、関心構造の、CT画像データを用いたセグメント化中に起こり得る問題は、3次元画像が多くの場合、メッシュを引きつけるのに信頼できる特徴情報、例えば、画像グラディエント、を有していないことが多い。すなわち、3次元画像の2次元スライスの一部では、関心構造の表面が、例えば、メッシュを引きつけるのに画像データのグラディエントが十分でないことが理由で関心構造の表面がセグメント化処理に対して「可視」でないということが起こり得る。このことはいくつかの理由、例えば、CTにおいて、軟組織の鑑別性が低いこと、画像分解能が低いことや、金属インプラントによるアーチファクト、で生じ得る。

本発明の目的は、セグメント化を向上させるようにするというものである。

本発明の例示的な実施例によれば、上記目的は、請求項1によって、複数の2次元画像からのオブジェクトを備える、関心3次元構造をセグメント化する方法によって解決し得る。本発明のこの例示的な実施例によれば、関心構造について特徴情報が不十分な複数の2次元画像の画像が識別される。更に、関心構造の少なくとも部分的な輪郭の形態におけるアトラクタが、特徴情報が不十分な複数の２次元画像の画像において手作業で描かれる。更に、関心構造が、例えば、上記セグメント化アルゴリズムを用いることによって複数の画像においてセグメント化され、手作業で描かれるアトラクタは、特徴情報が不十分な、2次元画像の領域における構造点を置き換える。効果的には、本発明の一特徴によれば、この方法によって、低コントラスト、ノイズや画像アーチファクトによって、完全に自動的に境界を描写することを可能にしない、器官部分などの構造への3次元変形可能モデルの適合の信頼度を向上させることを可能にし得る。更に、このことは効果的には、セグメント化処理のロバスト性を向上させ得る。

更に、本発明によれば、例えば、3次元画像を形成する100個の2次元画像のうち、例えば、20個のみが、関心構造について不十分な特徴情報を有する場合には、手作業によるアトラクタの配置又は描写は、100個の画像全てにおいて行わなければならないではなく、この20個の画像においてのみ行えばよい。よって、ユーザによって必要な相互作用は最小になり、それは、臨床アプリケーションでは特に重要な関心事である。

請求項2記載の、本発明の別の例示的な実施例によれば、特徴情報が不十分な2次元画像の識別は、セグメント化処理を有する。すなわち、本発明によれば、セグメント化処理は、3次元画像に施される。更に、この第１セグメント化処理からのセグメント化結果に基づいて、不十分な特徴情報を有する、2次元画像の画像が識別される。更に、特徴情報が不十分な画像について、手作業で描写されるアトラクタが加えられる。更に、第２のセグメント化処理が行われ、この処理では、アトラクタは、不十分な特徴情報を有するものとして先行して識別された画像内に備えられる。

効果的には、本発明のこの例示的な実施例によれば、最終セグメント化に用いるものと同様なセグメント化処理を、不十分な特徴情報を有する上記画像の識別に用い得る。

請求項3記載の、本発明の別の例示的な実施例によれば、複数の画像における、関心構造のセグメント化は、内部エネルギ及び外部エネルギの反復最適化に基づいている。エネルギ最適化に基づいたそのような構造セグメント化は、本明細書及び特許請求の範囲に内容を援用する、Weese他による「Shape constrained deformable models for ３D medical image segmentation」, Proc. of 17^th International Conference on Information Processing in Medical Imaging （IPMI）, pages 380-387, Davies, CA, USA, 2001, Springer-Verlagによって更に詳細に記載されている。

効果的には、この例示的な実施例による方法は、ロバストでもある、高速で、効率的でかつ非常に正確なセグメント化処理を可能にする。

請求項4記載の、本発明の別の例示的な実施例によれば、関心構造を最終的にセグメント化するセグメント化も、例えば、本明細書及び特許請求の範囲に内容を援用する、Weese他による「Shape constrained deformable models for ３D medical image segmentation」, Proc. of 17^th International Conference on Information Processing in Medical Imaging （IPMI）, pages 380-387, Davies, CA, USA, 2001, Springer-Verlagに記載されているようなエネルギ最小化に基づいている。

請求項5記載の、本発明の別の例示的な実施例によれば、不十分な特徴情報を有する複数の2次元画像の画像における、関心構造の少なくとも部分的な輪郭の形態におけるアトラクタを手作業で描写することには、アトラクタが、セグメント化中に、関心構造の、強いエッジとしてみなされるように、少なくとも部分的な輪郭に相当するボクセルにラベルを割り当てることが関係する。よって、本発明のこの例示的な実施例によれば、アトラクタは、関心構造の表面境界、すなわち、画像データにおいてはっきりと分かるグラディエントをシミュレートするようにラベリングされる。よって、本発明による方法は、更なる改変なしで、複数のセグメント化方法に施し得る。

請求項6記載の、本発明の別の例示的な実施例によれば、方法は、CT画像に基づいた放射線治療計画（RTP）のためのものである。効果的には、本発明のこの例示的な実施例は、関心構造の高速で正確なセグメント化が理由で、放射線治療計画の改善を可能にする。

請求項7記載の、本発明の別の例示的な実施例によれば、画像を記憶するメモリと、アトラクタを描写するポインタと、画像における、関心3次元構造をセグメント化する画像プロセッサとを備える画像処理装置を備える。本発明の一特徴によれば、特徴情報が不十分な画像における関心構造の境界の少なくとも部分輪郭に相当し得るアトラクタが手作業で描写される。このために、装置は、ユーザに入力をプロンプトするよう形成し得る。このことが理由で、特徴情報が不十分な画像があっても、セグメント化は改善される。

請求項8記載の、本発明の別の例示的な実施例によれば、複数の画像における関心構造をセグメント化し、少なくとも１つの判定基準に基づいて関心構造について、特徴情報が不十分な複数の2次元画像の画像を識別するよう更に形成される画像プロセッサを備える画像処理装置が備えられる。

効果的には、例えば、判定基準を用いることによって、低減された処理量しか要しないものであり、それによって低性能のプロセッサを用いることを可能にする、非常に高速で、安定していて、ロバストな処理を備え得る。例えば、この判定基準を適宜設定することによって、セグメント化に要する処理量は、画像処理装置をパソコン（PC）又はワークステーションによって実施し得るような量に削減し得る。

請求項9記載の、本発明の別の例示的な実施例によれば、画像処理装置の画像プロセッサは、内部エネルギと外部エネルギとの反復最適化によって関心構造のセグメント化を行うよう形成される。これによって、要求される計算量を低く維持する一方で非常に正確なセグメント化を可能にする。

請求項10記載の、本発明の別の例示的な実施例によれば、エネルギ最小化を用いることによって関心構造のセグメント化を行うよう形成される画像プロセッサを備える画像処理装置が備えられる。

請求項11記載の、本発明の別の例示的な実施例によれば、ポインタによる複数の２次元画像の画像における関心構造の少なくとも部分的な輪郭の形態におけるアトラクタの手作業による描写が、セグメント化中に関心構造の強いエッジとしてアトラクタがみなされるように少なくとも部分的な輪郭に相当するボクセルにラベルを割り当てることを画像プロセッサに行わせるように形成される画像プロセッサを備える画像処理装置が備えられる。よって、本発明のこの例示的な実施例によれば、関心構造の表面境界、すなわち、画像データにおいてはっきりと分かるグラディエントをシミュレートするようにアトラクタがラベリングされる。効果的には、これによって、不十分な画像情報が画像の一部分に備えられている場合にも正確なセグメント化が可能になり得る。

請求項12記載の、本発明の別の例示的な実施例によれば、画像処理装置が備えられ、この画像処理装置は、放射線治療計画装置、放射線治療装置、ワークステーション、コンピュータ又はパソコンである。すなわち、画像処理装置は、適宜形成されるワークステーション、コンピュータ又はパソコンによって実施し得る。更に、例えば、医師（MD）が放射線治療計画を行うよう、特に形成される放射線治療計画装置の一体化された部分であり得る。このために、例えば、スキャナからのCT画像などの診断データを獲得するよう放射線計画装置を形成し得る。更に、画像処理装置は、放射線治療装置の一体化された部分であり得る。そのような放射線治療装置は、診断データの獲得と、関心構造に放射線を施すこととに施し得る放射線源を備え得る。

よって、本発明の例示的な実施例によれば、本発明を行うよう形成されるプロセッサ又は画像処理装置は、例えば、内容を本明細書及び特許請求の範囲に援用する、国際公開01/45562A2及び米国特許第6,466,813号に開示されている、一体化された放射線治療（計画）装置又は、放射線治療（計画）装置の一部であり得る。

請求項13記載の、本発明の別の例示的な実施例によれば、複数の2次元画像からの、関心3次元構造をセグメント化するコンピュータ・プログラムが、画像処理装置に備えられる。コンピュータ・プログラムは、何れかの適切なプログラミング言語、例えばC++で書かれていてよく、例えば、CD−ROM上などのコンピュータ判読可能媒体上に記憶されていてよい。更に、コンピュータ・プログラムは、画像処理装置又は適切なコンピュータにダウンロードし得るワールド・ワイド・ウェブなどのネットワークから入手し得る。本発明のこの例示的な実施例によれば、コンピュータ・プログラムは、請求項1記載の、本発明による方法を行う。

オブジェクトにおける関心3次元構造を自動的に描写又はセグメント化するうえで不十分な特徴情報を備える、オブジェクトの3次元画像を形成する2次元画像の画像が識別される。更に、本発明の一特徴によれば、この画像では、関心構造の少なくとも部分的な輪郭を実質的にたどり得るアトラクタが描写される。このことは操作者によって行い得る。アトラクタは、例えば、手作業で描写される輪郭に相当するボクセルに画像の通常の強度範囲外の特定のラベルを割り当てることによる、セグメント化処理の特徴サーチ・アルゴリズムによって容易に鑑別することができる。変形可能モデル適合処理又はセグメント化処理では、手作業で描写された輪郭は更に、モデルを引き付ける人工的な強いエッジとしてみなし得る。

本発明のこれらや他の特徴は、以下に説明する実施例から明らかとなり、その実施例を参照しながら明らかにされる。

本発明の例示的な実施例は、添付図面を参照しながら、以下に説明することとする。

図1は、本発明による画像処理装置の例示的な実施例を示す。図1に示す画像処理装置は、セグメント化する対象の構造の変形可能モデルを記憶可能であり、検査する対象のオブジェクトの3次元画像を形成する複数の2次元画像を記憶することができるメモリ2を備える、画像の処理及び制御のプロセッサ1を備える。画像の処理及び制御のプロセッサは、（図１に図示していない）イメージング装置、例えば、MR装置、US（超音波）装置やCT装置、にバス・システム3を介して結合し得る。画像の処理及び制御のプロセッサによってセグメント化される構造は、モニタ4上に表示することができる。ユーザは、キーボード5又は、マウスやトラックボールなどの、図1に示していない他の入力手段を介して画像の処理及び制御のプロセッサ1をアクセスすることができる。キーボード5、マウスやトラックボールは全て、例えば、モニタ4上に表示される画像においてアトラクタを描写するよう、モニタ4上に表示される画像に対してポインティング処理を行い得るポインタとみなされる。

本発明の例示的な実施例によれば、画像処理装置は、放射線治療計画装置、放射線治療装置、ワークステーション、コンピュータやパソコンであってよい。すなわち、上記画像処理装置は、コンピュータ、ワークステーション、パソコン（PC）などによって実施してよい。更に、画像処理装置は、放射線治療計画を行うよう形成される放射線治療計画装置であってよい。そのような装置は、診断データを供給するCTスキャナなどのスキャナ装置に結合可能であり得る。

更に、画像処理装置は、例えば、イオン化放射線を発生させる放射線源、を備える放射線治療装置であってよい。放射線治療装置は、内部放射線治療用であっても外部放射線治療用であってもよい。例えば、放射線治療装置は、高LET（線エネルギ付与）放射線タイプの治療装置であり得る。更に、放射線治療装置は、ガンマ線を施し得る。

別の例示的な実施例によれば、画像処理装置は、例えばCTスキャナなどのX線源を備える放射線治療装置に一体化させ得る。X線源は、関心構造の画像を獲得し、関心構造に放射線を施して放射線治療を行うよう形成し得る。

図2は、図1に表す画像処理装置を動作させる、本発明の例示的な実施例による方法又はコンピュータ・プログラムの簡易フローチャートを示す。以下の例では、CT画像を用いる。しかし、前述のように、本発明の方法は、他の適切な画像にも適用し得る。工程S1における開始後、当該方法は、工程S2で、例えばCTスキャナからのオブジェクトの3次元画像を形成する複数の2次元CT画像をロードする。更に、当該方法は工程S3に進み、工程S3では、自動セグメント化処理を複数の2次元CT画像に対して行って、関心構造について、特徴情報が不十分な複数の2次元画像の画像を判定する。以下に更に詳細に説明するように、セグメント化処理又は変形可能モデル適合処理は、関心構造の境界にメッシュを引き付ける、画像特徴情報、すなわち、関心構造の表面を表す、はっきりと分かるグラディエント、に基づいた外部エネルギと、メッシュの安定した形状を維持する内部エネルギとの和を最小にすることによって誘導される。3次元画像における2次元画像が、メッシュを引き付けるのに信頼できる特徴情報、例えば、画像グラディエントを備えていない場合にセグメント化処理における問題が起こり得る。このことは例えば、例えばCTにおける、軟組織の鑑別性が低いこと、2次元画像の画像分解能が低いことや、例えば、金属インプラントなどのインプラントによるアーチファクトによって起こり得る。

工程S3において行うセグメント化処理では、例えば膀胱の、変形可能モデルMが関心構造に形成される。モデルの表面はネットワークによって形成され、その三角形メッシュは、モデルの表面上の3つの隣接ネットワーク点をお互いに3度接続する。

このようにして三角形に分割されるモデルの代わりに、ネットワークのメッシュが三角形の形状を有していない一方、3個ではない数のネットワーク点を多角形又は単体の形態でお互いにリンクする多角形構造によっても規定することができる。

変形可能モデルは、座標x_iを備えるV個の頂点と、T個の三角形とを有するメッシュによって通常、表される。2次元画像における、関心構造にメッシュを形成するよう、反復手順が用いられ、各々の反復は、表面検出工程と、メッシュ再構成工程とを備える。メッシュ再構成は、
E=E_ext+αE_int (1)
を最小にすることによって行われる。

外部エネルギE_extは、表面検出工程において得られる表面パッチに向けてメッシュを動かす。内部エネルギE_intは、メッシュの柔軟性を制限する。パラメータαは各項の相対的な影響度に重み付けを行う。次に、アルゴリズムの種々の構成部分を以下で説明する。

表面検出
表面検出を行うよう、特徴値

と、三角形の中心

との距離

との最適な組み合わせを備える点

を見つけるよう、サーチが三角形の法線に沿って行われる。

パラメータ「l」はサーチ・プロファイル長を規定し、パラメータδは、2つの連続した点の間の距離であり、パラメータDは、距離情報及び特徴値の重み付けを制御する。例えば、量

は特徴として用いてよく、そのとき、g(x)は、点xでの画像グラディエントを表す。符号は、周囲の構造に対する、関心構造の輝度に応じて選ばれる。閾値g_maxよりグラディエントが小さい画像点の場合、この量は事実上、メッシュの法線の方向におけるグラディエントである。

セグメント化の間、この閾値は、関心構造が近傍の他のオブジェクトよりもかなり小さなグラディエントを境界で有する場合、又は、関心オブジェクトの別々の部分が、グラディエントの大きさがかなり異なる境界を有する場合、生じる問題がないようにする。

外部エネルギ
反復最近接点アルゴリズムとそっくりに、外部エネルギ

を用いてよく、そのとき、重みw_iは、メッシュ再構成中に、より有力な表面点

に、より大きな影響度を与えるよう挿入されている。この外部エネルギによって、検出される表面点は、メッシュの三角形の中心を直接引き付けることになる。その結果、三角形の中心は、画像における表面点によって引き付けられると、ほとんどもう動くことはできない。この理由で、メッシュは、適合処理の最初によく検出される偽オブジェクト境界に付いたままである。この問題は、三角形の中心である

が、表面点

における画像グラディエントに垂直である平面によって引き付けられる場合にかなり軽減される。

上記式から推論し得るように、外部エネルギは、適合後の変形可能モデル又は形状モデルと、特徴点、すなわち、関心構造の境界、との距離に基づいている。

内部エネルギ
内部エネルギを投入する上での開始点は、頂点座標

を備える三角形メッシュによって表される形状モデルである。

この式では、

は、平均モデルの頂点座標を表し、

は、モデルのM個の固有モードに関連付けられる頂点座標の変動を表し、
p_kは固有モードの重みを表す。

形状モデルはメッシュ頂点の適切な分布を備えるので、内部エネルギはこの分布を維持するよう企図されている。その目的で、２つの隣接するメッシュ頂点の座標間の差異ベクトルが検討される。変形可能モデル及び形状モデルの差異ベクトルが比較され、それらの間の偏差にはペナルティが課される。

そのとき、集合N(i)は、頂点iの近傍を有する。メッシュ再構成中には、形状モデルのスケールs及び向きRと、その重みp_kとを頂点座標x_iに加えて判定しなければならない。

セグメント化処理、すなわちメッシュ再構成は更に、式(1)に表す合計エネルギEを最小にすることによって行われる。

この方法は、内容を本明細書及び特許請求の範囲に援用する、Weese他による「Shape constrained deformable models for ３D medical image segmentation」, Proc. of 17^th International Conference on Information Processing in Medical Imaging （IPMI）, pages 380-387, Davies, CA, USA, 2001, Springer-Verlagによって更に詳細に記載されている。

更に、後の工程S4では、自動セグメント化がうまくいかなかった、CT画像などの複数の2次元画像の画像が識別される。しかし、不十分な特徴情報を有する画像は、操作者に向けてモニタ4上で表示されるように操作者によっても識別し得るものであり、操作者はその場合判定し得る。画像が十分な特徴情報を有していない場合、すなわち、工程3を参照しながら説明した方法による自動セグメント化がうまくいかない場合、工程5で、アトラクタを操作者によって、工程4において識別された上記画像において手作業で描写し得る。このために、特徴情報が不十分な上記画像を、ポインタによってアトラクタを配置させる操作者に向けて表示し得る。好ましくは、このアトラクタは、関心構造の少なくとも部分的な輪郭に相当する。前述のように、手作業で描写されるアトラクタは、関心構造の境界に相当する完全な輪郭又は部分的な輪郭の形態を有し得る。このアトラクタは、後の工程S6において行われるセグメント化処理の一部である特徴サーチ・アルゴリズムによって容易に鑑別可能であるようなものである。このことは、例えば、手作業で描写される輪郭に相当するボクセルに、画像データの通常の強度範囲外の特定のラベルを割り当てることによって行えるようにし得る。すなわち、手作業で描写されるアトラクタによって、関心構造の境界又は部分を、画像データの、人工的にはっきり分かるグラディエントによって特徴付け得る。更に、後のセグメント化処理又は変形可能モデル適合処理では、手作業で描写される輪郭又はアトラクタは、信頼できる画像特徴情報がない状態でモデルを引き付ける人工的な強いエッジとしてみなし得る。

このエッジにおけるアトラクタの手作業での描写の場合、当該画像は操作者に向けてモニタ4を介して個々に表示し得る。

後の工程S6では、自動セグメント化処理は、アトラクタを用いることによって、CT画像などの複数の2次元画像の画像に対して行われる。自動セグメント化方法として用いられる当該方法は好ましくは、工程S3を参照しながら説明したものと同じものである。よって、不必要に繰り返すことがないようにするために、セグメント化処理の説明については工程S3を参照する。工程S6では、関心構造に対して、特徴情報が不十分な画像において、アトラクタが人工的な強いエッジ、すなわちはっきり分かるグラディエントを「シミューレートする」ということによって、特徴情報が不十分な画像においても複数の2次元画像の全てにおいてセグメント化はうまくいく。更に、後の工程S7では、工程S6で得られるセグメント化結果が、例えば、モニタ4を介して出力され、更に方法は工程S8に進み、工程S8で方法は終了する。

効果的には、上記方法によって、操作者から要求される相互作用の量をかなり削減することを可能にするが、それは、アトラクタを、複数の2次元画像の全てに加えなくてよい一方、自動セグメント化がうまくいかない、特徴情報が不十分なもののみに加えればよいからである。更に、効果的には、本発明によって、例えばRTPシステムにおける自動器官描写ツールのロバスト性を向上させることを可能にする。更に、特に放射線治療計画では、改善を達成できるが、それは、本発明によって達成されるセグメント化結果が非常に正確であり、正確な放射線治療計画を可能にするからである。更に、操作者による半自動相互作用によって、器官部分などの関心構造への変形可能モデルの、信頼度の高い設定を、低コントラスト、ノイズや、画像アーチファクトが完全に自動的な境界描写を可能にしない場合にも達成することができる。

図3は、男性患者の股関節部を表す２次元CT画像を示す。参照数字10及び12は大腿骨頭を表し、参照数字13は骨盤を表す。参照番号14は脊髄を表す。16と18との２つの骨盤部分の間には、膀胱20がある。図3から分かり得るように、膀胱20はほとんど鑑別不能であり、膀胱20の境界をはっきりと識別する、図3の画像データにおける、はっきり分かるグラディエントは何ら存在しない。

図4は、例えば、図4の画像におけるボクセルが適宜、ラベリングされるように、モニタ4上のポインタ装置によって膀胱20の境界すなわち輪郭を操作者がトレースすることによって膀胱20の輪郭22が手作業でマーキングされている、図3の画像を示す。図4から分かり得るように、輪郭22は、完全に白色であり、よって、強いエッジを表し、それは、モデルを強く引き付けるので、セグメント化処理によって容易にセグメント化することができる。膀胱20の輪郭22に適合させ得る対象の当初モデルは、参照数字24によって図3に示す。図4から分かり得るように、セグメント化処理の当初は、モデル24は、膀胱20の輪郭22に厳密に適合していない。

図5は、モデル24が輪郭22に厳密に適合している、セグメント化処理の終わりでの図4の画像を示す。

よって、図3と図5との比較から分かり得るように、画像に備えられる特徴情報が、膀胱20などの関心構造の境界をはっきりと見分けるのに十分でない場合でも、本発明によって、そのような関心構造の非常に正確な半自動セグメント化を可能にする。

本発明による方法の例示的な実施例を実行するよう形成される、本発明の例示的な実施例による画像処理装置を示す図式表現である。本発明による方法の例示的な実施例を示す流れ図である。膀胱を表す、3次元画像の2次元画像を示す図である。本発明によってアトラクタが膀胱に加えられており、モデルが初期化されている、図3の画像を示す図である。本発明によって、モデルがアトラクタに形成される、図4の画像を示す図である。

Claims

複数の2次元画像からのオブジェクトに備えられている関心3次元構造をセグメント化する方法であって、
前記複数の画像の各々は、前記オブジェクトのスライスを表し、
前記関心構造について特徴情報が不十分な前記複数の2次元画像の画像を判定する工程と、
前記関心構造の少なくとも部分的な輪郭の形態で前記複数の2次元画像の前記画像内にアトラクタを手作業で描写する工程と、
前記複数の画像における前記関心構造を、前記アトラクタを用いることによってセグメント化する工程とを備えることを特徴とする方法。
請求項1記載の方法であって、
前記関心構造について特徴情報が不十分な前記複数の2次元画像の画像を判定する工程が、
前記複数の画像における前記関心構造をセグメント化する工程と、
該関心構造について特徴情報が不十分な前記複数の2次元画像の画像を少なくとも１つの判定基準に基づいて識別する工程とを備えることを特徴とする方法。
請求項2記載の方法であって、
前記複数の画像における前記関心構造を前記セグメント化する工程が、
変形可能モデルの表面上のネットワーク点を前記関心構造に相互接続するメッシュ・ネットワークによって表面が形成される変形可能モデルの適合に基づいており、
前記変形可能モデルの前記適合が、前記変形可能モデルと、適合後の変形可能モデルとの間の距離に基づいた内部エネルギと、前記適合後の変形可能モデルと、前記関心構造上の特徴点との間の距離に基づいた外部エネルギとの反復最適化に基づいていることを特徴とする方法。
請求項1記載の方法であって、
前記関心構造の前記少なくとも部分的な輪郭を用いることによって前記複数の画像における前記関心構造を前記セグメント化する工程が、
変形可能モデルの表面上のネットワーク点を前記関心構造に相互接続するメッシュ・ネットワークによって表面が形成される変形可能モデルの適合に基づいており、
前記変形可能モデルの前記適合は、前記変形可能モデルと、適合後の変形可能モデルとの間の距離に基づいた内部エネルギと、前記適合後の変形可能モデルと、前記関心構造上の特徴点との間の距離に基づいた外部エネルギとの反復最適化に基づいていることを特徴とする方法。
請求項1記載の方法であって、
前記関心構造の少なくとも部分的な輪郭の形態で前記複数の2次元画像の前記画像内にアトラクタを手作業で描写する工程は、セグメント化中に前記関心構造の強いエッジとして前記アトラクタがみなされるような、前記少なくとも部分的な輪郭に相当するボクセルへのラベルの割り当てを備えることを特徴とする方法。
請求項1記載の方法であって、
CT画像に基づいた放射線治療計画のためであることを特徴とする方法。
画像処理装置であって、
複数の2次元画像を記憶するメモリを備え、
前記複数の画像の各々は、オブジェクトのスライスを表し、
更に、前記複数の2次元画像においてアトラクタを引き付けるポインタと、
前記複数の2次元画像からの前記オブジェクトに備えられている3次元関心構造をセグメント化する画像プロセッサとを備え、
該画像プロセッサは、
前記関心構造について特徴情報が不十分な前記複数の2次元画像の画像を判定する処理と、
ユーザによって示される、前記２次元画像の前記画像における前記関心構造の少なくとも部分的な輪郭の形態を有するアトラクタを獲得する処理と、
該アトラクタを用いることによって前記複数の画像における前記関心構造をセグメント化する処理とを行うよう形成されることを特徴とする画像処理装置。
請求項7記載の画像処理装置であって、
前記画像プロセッサは、前記関心構造について特徴情報が不十分な前記複数の2次元画像の画像を判定するよう、
前記複数の画像における前記関心構造をセグメント化する処理と、
該関心構造について特徴情報が不十分な前記複数の2次元画像の前記画像を少なくとも１つの判定基準に基づいて識別する処理とを行うよう更に形成されることを特徴とする画像処理装置。
請求項8記載の画像処理装置であって、
前記画像プロセッサは、
前記複数の画像における前記関心構造の前記セグメント化を、変形可能モデルの表面上のネットワーク点を前記関心構造に相互接続するメッシュ・ネットワークによって表面が形成される変形可能モデルの適合に基づいて行うよう更に形成され、
前記画像プロセッサは、
前記変形可能モデルの前記適合を、前記変形可能モデルと、適合後の変形可能モデルとの間の距離に基づいた内部エネルギと、前記適合後の変形可能モデルと、前記関心構造上の特徴点との間の距離に基づいた外部エネルギとの反復最適化に基づいて行うよう更に形成されることを特徴とする画像処理装置。
請求項7記載の画像処理装置であって、
前記画像プロセッサは、前記複数の画像における前記関心構造の前記セグメント化を、前記関心構造の前記少なくとも部分的な輪郭を用いることによって行うよう更に形成され、
前記セグメント化は、変形可能モデルの表面上のネットワーク点を前記関心構造に相互接続するメッシュ・ネットワークによって表面が形成される変形可能モデルの適合に基づいており、
前記画像プロセッサは、前記変形可能モデルの前記適合を、前記変形可能モデルと、適合後の変形可能モデルとの間の距離に基づいた内部エネルギと、前記適合後の変形可能モデルと、前記関心構造上の特徴点との間の距離に基づいた外部エネルギとの反復最適化に基づいて行うよう更に形成されることを特徴とする画像処理装置。
請求項7記載の画像処理装置であって、
前記ポインタによる、前記複数の2次元画像の前記画像における前記関心構造の少なくとも部分的な輪郭の形態でのアトラクタの手作業による描写は、セグメント化中に前記関心構造の強いエッジとして前記アトラクタがみなされるような、前記少なくとも部分的な輪郭に相当するボクセルへのラベルの割り当てを前記画像プロセッサに行わせることを特徴とする画像処理装置。
請求項7記載の画像処理装置であって、
放射線治療計画装置と、放射線治療装置と、ワークステーションと、コンピュータとパソコンとのうちの１つであることを特徴とする画像処理装置。
複数の2次元画像からのオブジェクトに備えられている関心3次元構造をセグメント化する画像処理装置用コンピュータ・プログラムであって、
前記複数の画像の各々は、前記オブジェクトのスライスを表し、
前記関心構造について特徴情報が不十分な前記複数の2次元画像の画像を判定する工程と、
ユーザによって示される、前記関心構造の少なくとも部分的な輪郭の形態を前記複数の2次元画像の前記画像において有するアトラクタを獲得する工程と、
前記複数の画像における前記関心構造を、前記アトラクタを用いることによってセグメント化する工程とを備えることを特徴とする方法。