JP2007111531A - 画像の一貫性を改善する方法、信号、機械読出可能媒体およびシステム - Google Patents

Abstract

【課題】ターゲットオブジェクトの一貫性のあるセグメンテーションを可能にする方法を提供すること。
【解決手段】コンピュータトモグラフィ装置からデータを取得し、初期画像に含まれるターゲットオブジェクトにてユーザが選択したボクセルの集合を受け取り、ターゲットオブジェクトの初期セグメンテーションを導出し、ここでこの初期セグメンテーションは上記ターゲットオブジェクトの顕著輝度に基づいて求められ、上記の初期セグメンテーションに基づいて初期画像を描画し、上記の初期セグメンテーション内で決定されたボクセル輝度変化の評価を含む平均移動アルゴリズムを介して事前のセグメンテーションから主モードを決定し、上記のターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリムに上記主モードを供給し、ターゲットオブジェクトの改善された画像を描画する。
【選択図】図２

Description

本発明は、画像の一貫性を改善する方法、信号、機械読出可能媒体およびシステムに関し、２００５年１０月１７日に提出された米国暫定特許明細書第60/727,577号（代理人事件簿番号第2005P18505US号）に優先権を主張し、これを参考としてここに組み込むものである。

磁気共鳴イメージング、Ｘ線イメージング、および／またはＣＴイメージングなどの医用イメージングのようなイメージング用の装置から得られた画像データから、肝臓腫瘍などのターゲットオブジェクトをセグメンテーションする技術は公知である。しかしながら医学的な応用においてユーザの対話には一貫性がないために、ターゲットオブジェクトの一貫性のあるセグメンテーションを得ることは極めて困難であった。

本発明の課題は、ターゲットオブジェクトの一貫性のあるセグメンテーションを可能にする方法およびこの方法を実施するアクティビティに対する機械命令を含む信号、この機械命令を含む機械呼び出し可能媒体およびシステムを提供することである。

上記のターゲットオブジェクトの一貫性のあるセグメンテーションを可能にする方法についての課題は、本発明の請求項１により、コンピュータトモグラフィ装置からデータを取得し、初期画像に含まれるターゲットオブジェクトにてユーザが選択したボクセルの集合を受け取り、このターゲットオブジェクトの初期セグメンテーションを導出し、ここでこの初期セグメンテーションは上記ターゲットオブジェクトの顕著輝度に基づいて求められ、上記の初期セグメンテーションに基づいて初期画像を描画し、この初期セグメンテーション内で決定されたボクセル輝度変化の評価を含む平均移動アルゴリズムを介して事前のセグメンテーションから主モードを決定し、上記ターゲットオブジェクトの改善された画像を導出するように適合されたアルゴリムに前記主モードを供給し、上記のターゲットオブジェクトの改善された画像を描画することによって解決される。

上記のターゲットオブジェクトの一貫性のあるセグメンテーションを可能にする方法を実施するアクティビティに対する機械信号を含む信号および機械読出可能媒体についての課題はそれぞれ本発明の請求項１９および２０により、ターゲットオブジェクトの改善された画像を自動的に決定し、ここでこの改善された画像は、上記ターゲットオブジェクトの主モードに基づいて決定されたものであり、ターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムにターゲットオブジェクトの主モードを供給し、ここでこの主モードを、コンピュータトモグラフィ装置から得られたデータから決定し、上記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって上記の主モードを決定するアクティビティに対する機械信号を含む信号および機械読出可能媒体によって解決される。

上記のシステムについての課題は、本発明の請求項２１により、ターゲットオブジェクトの改善された画像を決定する処理手段と、この改善された画像を描画するように適合されたユーザインタフェースとを有しており、上記の改善された画像は、ターゲットオブジェクトの主モードに基づいて決定されており、このターゲットオブジェクトの主モードは、ターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムに供給され、上記主モードは、コンピュータトモグラフィ装置から得られたデータから決定され、上記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって上記主モードが決定されることを特徴とするシステムを構成することによって解決される。

本発明の有利な実施形態は従属請求項および以下の実施例の説明に記載されている。

添付の図面に基づく以下の具体的な実施例の詳細な説明から、実践的かつ有益な多様な実施形態をより一層容易に理解することができる。

図１は、システム１０００の実施例のブロック図であり、これはイメージング装置１３００のようなイメージング手段を含むことができる。イメージング装置１３００は、例えば患者１５００の画像である画像を供給する任意の装置とすることができる。例えば、画像装置１３００は、磁気共鳴（ＭＲ magnetic resonance）イメージング、Ｘ線イメージング、および／またはＣＴ（computed tomography）イメージングなどの医用イメージングのようなイメージング用の装置とすることが可能である。患者１５００についてのイメージングデータは、イメージング装置１３００を介して取得することができ、ここではイメージング装置による放射１４００が利用される。

イメージング装置１３００は、通信を行うため、ネットワーク１２００を介して情報装置１１００に接続することができる。情報装置１１００はユーザプログラム１１６０を含むことができ、このユーザプログラムは、イメージング装置１３００から得られた画像データを分析、処理および／または強調するように適合させることができる。例えば、ユーザによって選択されたターゲットオブジェクトの主モード（principle mode）が決定されるようにユーザプログラム１１６０を適合させることができ、この主モードは、セグメンテーションアルゴリズムに提供することができる。情報装置１１００は、ユーザインタフェース１１２０を含むことができ、イメージング装置１３００に関連付けられた画像情報が描画されるようにこのユーザインタフェースを適合させることができる。

図２は方法２０００の実施例のフローチャートである。アクティビティ２１００では情報装置および／またはプロセッサのようなデータ処理手段において、医用イメージング装置のようなイメージング装置からデータを得ることができる。

アクティビティ２２００では、ユーザが選択したターゲットオブジェクトを受け取ることができる。ユーザの選択は、初期画像に含まれるターゲットオブジェクトのボクセルの集合および／またはユーザインタフェース装置における点とすることが可能である。１実施例では、ユーザはターゲットオブジェクトの識別子を設定することができる。例えば、ユーザは、器官、腫瘍、骨、副腎および／または組織などの解剖学的な識別子を入力および／または選択することができる。

アクティビティ２３００では初期セグメンテーションを導出することができる。この初期セグメンテーションは、ターゲットオブジェクトの顕著な輝度に基づいて行うことが可能である。１実施例では初期セグメンテーションは、イメージング装置から得られたデータによって表される１つまたはそれ以上のオブジェクトの自動的および／またはユーザによって供給される識別に基づいて行うことができる。初期セグメンテーションは、判別関数（discrimination function）を介して導出することができ、ここでは画像のピクセルがターゲットクラスおよび／または非ターゲットクラスのメンバとして分類されるようにこの判別関数を適合させることが可能である。例えば、判別関数の１実施例では、画像輝度値に基づいてピクセルを分類することができる。判別関数は、イメージング装置から得られるデータの近傍の輝度分布から導出することができる。この近傍は、自動的におよび／またはユーザによって定めることができ、またイメージング装置から得られるデータに関連して、組織構造の性質についての事前の知識に基づいて求めることができる。判別関数は、イメージング装置から得られるデータに関連した位置に固有となることがある。例えば脳に対する判別関数は、患者の肝臓を包囲するエリアに対する判別関数とは異なり得るのである。１実施例において肝臓腫瘍に対する判別関数は、肝臓腫瘍について典型的で既知なあらかじめ定めた強度レベルにしたがってボクセルを分類する関数とすることが可能である。

１実施例において上記の初期セグメンテーションには背景構造の背景セグメンテーションの決定を含むことができる。この背景セグメンテーションをフリッピングして初期セグメンテーションを得ることができる。

初期セグメンテーションは、イメージング装置から得られるデータのあらかじめ定めた顕著なフィーチャ（feature）の周りの近傍の輝度分布から導出することができる。初期セグメンテーションは、領域拡張アルゴリズム（region growing algorithm），分水嶺アルゴリズム（watershed algorithm），レベルセットアルゴリズム（level set algorithm）および／またはグラフカットアルゴリズム（graph cut algorithm）などから得ることができる。

アクティビティ２４００では、上記の初期セグメンテーションに基づいて初期画像を描画することができる。

アクティビティ２５００では、ターゲットオブジェクトの初期セグメンテーションの主モード（principal mode）を決定することができる。この主モードは、平均移動アルゴリズム（mean shift algorithm）を適用することによって決定可能であり、この平均移動アルゴリズムには、ターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価が含まれる。平均移動は、主モードに達するまで繰り返して決定することができる。１実施例では上記の平均移動アルゴリズムは、つぎの等式の１つまたはそれ以上の評価を含むことができる。すなわち、

ここで、
（ｘ_i，ｙ_i，ｚ_i），ｉ＝０，１，２，…は、与えられた位置（ｘ₀，ｙ₀，ｚ₀）から始まる位置の並びであり、
Ｓiは、オブジェクトの初期セグメンテーションであり、
ｋはカーネル関数であり、
ωは重み付け関数である。

１実施形態において上記の重み付け関数は、ガウシアン重み付け関数、三角重み付け関数（triangle weight function）、コサイン重み付け関数（cosine weight function）および／またはステップ重み付け関数（step weight function）などである。

アクティビティ２６００ではターゲットオブジェクトの主モードをセグメンテーションアルゴリズムに供給することができる。ここではこのアルゴリズムを適合させて、ターゲットオブジェクトの改善された画像を導出することができる。

アクティビティ２７００では、上記の主モードに基づいて、改善された画像を導出することができる。

アクティビティ２８００では、上記の改善された画像を描画することができる。この改善された画像は、ターゲットオブジェクトの主モードに基づいて取得および／または導出することができる。

一貫性があるターゲットオブジェクトのセグメンテーションを対話式に得ることは比較的困難な問題となることがあり、殊にターゲットオブジェクト内で輝度分布が大きく変化する場合にはそうである。医学的な応用において発生し得る一貫性のないユーザの対話により、セグメンテーションの一貫性は極めて困難な課題となり得る。いくつかの実施例では、平均移動を使用して、主モードのような初期の事前セグメンテーション条件を一貫して確立することができる。提案した上記の手法を、例示的な対話式肝臓腫瘍セグメンテーションアルゴリズムに組み込んで検証を行い、ここではこのアルゴリズムにより、マウスをクリックすることによって指示されたターゲットの肝臓腫瘍がセグメンテーションされた。実験によって示されたのは、この手法の性能は比較的良好であり、ユーザの対話に対して比較的ロバストとなり得ることである。

対話式オブジェクトセグメンテーションは、入力画像のターゲットオブジェクトに所属するラベル付け要素（labeling element）を含むことができ、これはユーザの対話によって指定することができる。入力画像からターゲットオブジェクト領域を精確かつロバストにラベル付けすることの可能な精確なオブジェクトセグメンテーションアルゴリズムは、コンピュータビジョンアプリケーションの１実施例における重要な構成要素である。例えば、コンピュータトモグラフィ（ＣＴ）画像における肝臓腫瘍のセグメンティングは、コンピュータ支援肝臓ガン診断および治療計画において重要な作業となり得る。いくつかの実施例においては対話式オブジェクトセグメンテーションアルゴリズムに対して主要な２つの目標が存在し得る。すなわち、（ｉ）対話式オブジェクトセグメンテーションアルゴリズムにより、入力画像においてオブジェクトセグメンテーションアルゴリズムを精確に位置決めする、（ii）対話式オブジェクトセグメンテーションアルゴリズムにより、ユーザとの対話とは無関係な一貫性したセグメンテーション結果を形成する、という目標が存在し得るのである。ターゲットオブジェクト内に１つまたは２，３のサンプル位置が与えられる場合、背景からターゲットオブジェクトを精確にセグメンテーションすることは容易ではなくなり得る。実施例によっては、ターゲットオブジェクトが背景から良好に分離される場合、セグメンテーションを得るのは比較的容易であり、精確でありかつ一貫性を有することが可能である。残念なことに実践的な応用においては、ターゲットオブジェクトは、このターゲットオブジェクトが位置している豊かな背景から良好に分離することできないことがある。しかもターゲットオブジェクトの輝度分布が顕著であり、および／または比較的容易に識別可能な場合でも良好に分離できないのである。例えばターゲットオブジェクトは、類似の輝度分布を有する背景構造の隣にあることもあり、ターゲットオブジェクトと背景構造との間に境界のぼけが生じ得る。境界点における勾配の大きさは、ターゲットオブジェクト内の輝度変化の大きさよりも顕著でなくなる。ターゲットオブジェクト境界の精確な位置を識別するための判定条件を確立するのが比較的困難になり得る例もある。１ユーザがターゲットオブジェクト領域内でつねに同じサンプリング位置を選択しない例もある。またターゲットオブジェクトの精確な位置決めは、特定のアプリケーションにおける相応の画像の特性に関連することがある。

対話式オブジェクトセグメンテーションアプリケーションの１実施例では、ユーザによる対話が受け取られてターゲットオブジェクトが選択され得る。これは、位置および／またはサンプルなどについて他のユーザによる選択とは一貫していないことがあり得る。本発明ではこのようなばらつきを抑止するメカニズムを確立することができる。ある実施形態では平均移動アルゴリズムを利用して、ユーザによる対話式の入力に基づく一貫性のある事前セグメンテーション条件の集合を確立することができ、これによって対話式オブジェクトセグメンテーションアルゴリズムにより、ターゲットオブジェクト領域を一貫して位置決めすることができる。

図３は２つのステージを含み得る方法３０００の実施形態のブロック図である。ステージ３１００では上記のアルゴリズムにより、ターゲットオブジェクトの１つまたはそれ以上の顕著なフィーチャをベースにして求めることのできるセグメンテーションを導出することができる。ここでこのターゲットオブジェクトは、ユーザによる入力を介して選択される顕著な強度を含み得る。初期セグメンテーションは状況によって精確でないことがある。しかしながらこのようなセグメンテーションは、実施形態によっては得るのが困難でない、ターゲットオブジェクトの顕著で安定した構成を表すことができる。ステージ３２００では平均移動アルゴリズムを初期セグメンテーションに適用して主モードを位置決めすることができる。このような主モードにより、安定かつ一貫した参照位置が得られ、ターゲットオブジェクトの安定した統計的特性が確立される。これによってこの対話式オブジェクトセグメンテーションアルゴリズムより、ユーザによる対話とは無関係に比較的一貫したセグメンテーション結果を得ることができるのである。

以下の実施例において例示的な事前セグメンテーション条件（またはいくつかの特殊なアプリケーションに対するシード（seed））選択法を３次元（３Ｄ）アプリケーションにおいて詳述することができる。この手法は任意の次元の画像に拡張することができる。

Ｉ(ｘ，ｙ，ｚ)によって３Ｄ画像を表し、ここで（ｘ，ｙ，ｚ）は固定されたボクセル座標であり、（ｘ₀，ｙ₀，ｚ₀）は、ユーザによる対話によって確立された、ターゲットオブジェクトＳにおける初期位置であり、これは、例えば、マウスのクリックによって指示されたターゲットオブジェクトにおける位置とすることができる。Ｓi＝{Ｉ(ｘ，ｙ，ｚ)｜Ｆ_S(ｘ，ｙ，ｚ)＝ｆ_S}をＩにおけるサイズｎ＝｜Ｓi｜のボクセルの集合とし、ここでＦ_S()は、ターゲットオブジェクトの所定の顕著なフィーチャの判別関数を表す。Ｓiは、ターゲットオブジェクトＳの初期セグメンテーションを構成する。この初期セグメンテーションＳiは、精確なセグメンテーションでないことがある。多数のターゲットオブジェクトボクセルが欠落し、多数の背景ターゲットオブジェクトがターゲットオブジェクトとして含まれている可能性がある。Ｓiに対して比較的緩やかな２つの目標を含む実施形態もある。すなわち（ｉ）Ｓiによりターゲットオブジェクトの最も顕著な部分を捕捉する、（ii）ターゲットオブジェクトはＳiにおいてその近傍の周りで優位であるようにするという２つの目標を含む実施形態もある。１実施形態では、Ｓiはすでに利用可能である。例示的なオブジェクトセグメンテーションアプリケーションでは、所定の顕著なフィーチャに基づくターゲットオブジェクトの大まかな識別は、大きな困難もなく行うことができる。例えば、肝臓腫瘍セグメンテーションでは、このような初期セグメンテーションは、輝度分布から直接導出された判別関数を使用して得ることができ、ここでこの輝度分布は、マウスのクリックによって指示された位置の周りの小近傍から得られる。状況によっては顕著な背景構造を識別して、つぎにセグメンテーション結果をフリップすることによって初期セグメンテーションを得ることができる。例えば、例示的なリンパ節セグメンテーションアプリケーションにおいて、比較的安定した隣接の骨構造が比較的容易に識別される。この骨構造は、この骨構造の近くにおいてリンパ節を比較的良好に識別するために使用可能である。

プロフィールｋは、区分的に連続かつ単調非増加な関数であり、これは非負実数の非負読み出し番号をマッピングして

となる。

カーネルＫは、
Ｋ(ｘ，ｙ，ｚ)＝ｋ(‖ｘ，ｙ，ｚ‖²)
なる（ｘ，ｙ，ｚ）から非負実数への関数であり、ここで‖・‖は距離測度である。

ｗで（ｘ，ｙ，ｚ）から非負の実数への重み付け関数を表すとする。（ｘ，ｙ，ｚ）に核ｋを有する平均移動ｍ(ｘ，ｙ，ｚ)は、

と定められ、ここでｍ(ｘ，ｙ，ｚ)は、主モードをポイントする（ｘ，ｙ，ｚ）における局所的な勾配であり、Ｓの統計的な構成によって定めることができる。（ｘ_i，ｙ_i，ｚ_i），ｉ＝０，１，２，…によって、与えられた点（ｘ₀，ｙ₀，ｚ₀）から始まるシーケンスが表され、また繰り返し処理
（ｘ_i+1，ｙ_i+1，ｚ_i+1）＝（ｘ_i，ｙ_i，ｚ_i）＋ｍ(ｘ_i，ｙ_i，ｚ_i)
によって生成される実施形態もある。

（ｘ_i，ｙ_i，ｚ_i）は、初期位置（ｘ₀，ｙ₀，ｚ₀）とは無関係にｍ(ｘ_i，ｙ_i，ｚ_i)＝０の場合に主モードに達する。これは、事前のセグメンテーション条件選択に対して有利な特性となり得る。

本願発明のいくつかの実施形態ではカーネル関数は、ロバスト性、精確さ、速度および／または効率などを含み得る多くの検討事項に対して比較的簡単にすることができる。本発明の実施形態ではガウスカーネルまたはステップカーネル（step kernel）を使用することができ、これは特定のアプリケーション例に対して有利であり得る。考慮すべきファクタは、カーネルの帯域幅であり、これはターゲットオブジェクトのサイズに関係し得る。特定のアプリケーションにおいてターゲットオブジェクトの精確なサイズは、直ちに利用可能ではないことがある。特定の実施形態においてターゲットオブジェクトのサイズが一般的に既知であれば、比較的大きな帯域幅を維持することができる。重み付け関数は、アプリケーションのシナリオに関連させることができる。一般的に重み付け関数は、最も顕著なフィーチャをさらに強調することができる。

いくつかの実施形態は、肝臓腫瘍セグメンテーションアルゴリズムに利用可能である。約０．８ミリメートル×０．８ミリメートル×５ミリメートルの解像度で肝臓ＣＴ画像の４つの集合に対して比較テストを行った。これは別の複数のソースから得たものである。合計して４０個の腫瘍が存在し、その１０個のターゲットオブジェクトが２人の医師によって手動でセグメンティングされた。肝臓腫瘍セグメンテーションアルゴリズムに対して平均移動シード選択アルゴリズムを使用せずに、またこれを使用してセグメンテーション一貫性数（segmentation consistency number）をテストした。

セグメンテーションの一貫性を評価するテストに使用した性能評価基準はつぎの式で定めることができる。すなわち、

であり、ここでＣ(*)はボクセル数を表す。Ｓ_(x,y,z)およびＳ_(x',y',z')は、相異なる２つの初期位置（ｘ，ｙ，ｚ）および（ｘ'，ｙ'，ｚ'）を使用した２つのセグメンテーション結果をそれぞれ表す。このテストにおいてｒは１５個の腫瘍を使用して推定し、各腫瘍を約１５回セグメンティングした。平均的なセグメンテーション一貫性は、平均移動シード選択アルゴリズムが組み込まれた肝臓セグメンテーションアルゴリズムに対して約９７％であることがわかり、これに対して、平均移動シード選択アルゴリズムを利用する事前条件正規化のない肝臓セグメンテーションアルゴリズムに対しては平均セグメンテーション一貫性は約８８％である。

ある実施形態では平均移動法により、対話式オブジェクトセグメンテーションの一貫性を改善することができる。ある実施形態では、平均移動アルゴリズムを利用して初期事前セグメンテーションアルゴリズムを確立することができる。提案したこの手法は、例示的な肝臓腫瘍セグメンテーションアルゴリズムに組み込まれ、このアルゴリズムにより、ターゲットの肝臓腫瘍を指示するマウスクリックを受け取った。テスト結果によって示されたのは、このアルゴリズムがユーザの対話のばらつきに比較的ロバストになり、また肝臓腫瘍セグメンテーションアルゴにおいて比較的高い一貫性が得られることである。

注
上に述べた詳細な説明および実施形態の図を目にすれば、実際的で有益な別の実施形態が当業者には直ちに明らかになるであろう。数多くの変形形態、変更および付加的な実施形態が可能であり、このようなすべての変形形態、変更および実施形態は本発明の精神および範囲内にあるものとみなされることを理解されたい。

したがってこの明細書の任意の部分（例えば、名称、分野、背景、要約、図面など）の内容にかかわらず、明示的な定義、主張または議論を介して殊に指定しない限り、この明細書および／またはこれに優先権を主張する任意の明細書の任意の請求項のどちらであっても、また元々記載されていたか否かにかからわらず、任意の請求項について、
特性、機能、アクティビティまたは要素の個々の説明または図解のすべて、アクティビティの個別のシーケンスのすべて、または要素の個別の相互関係のすべてを含める必要はなく、
任意の要素は、組み合わせ、分離および／またはコピーすることができ、
任意のアクティビティは、繰り返すことができ、複数のエンティティによって実行することができ、および／または複数の権限（jurisdiction）で実行することができ、また
任意のアクティビティまたは要素は、指定して除外することができ、アクティビティの順序は変更することができ、および／または要素の相互関係は変更可能である。

さらにここで記載した任意の数または範囲は、特に指定しない限り、数または範囲は概数である。ここで任意の範囲が記載される場合、特に指定しない限り、この範囲は、そこに含まれるすべての値と、そこに含まれる範囲を含むものとする。例えば、１〜１０の範囲が記載される場合、この範囲は、その間のすべての値、例えば、１．１，２．５，３．３３５，５，６．１７９，８．９９９９などを含み、またはその間の範囲、例えば１〜３．６５，２．８〜８．１４，１．９３〜９などを含むことができる。

ここに参考として組み込まれる任意の文献（例えば、米国特許、米国特許明細書、刊行物、論文その他）の任意の情報は、このような情報とここに記載した別の表現および図面との間で矛盾が生じない範囲でのみ参考として組み込まれる。本発明の任意の請求項またはこれに優先権を主張しようとする請求項を無効にし得る矛盾を含む矛盾が生じる場合、組み込まれる参考文献のこのような矛盾する情報はすべて、特に本発明に含まれていないものとする。

したがって上記の説明および図面は、本来的に説明のためのものであり、制限的なものではない。

定義
以下の用語が本明細書において実際に使用される場合、以下の定義が適用される。これらの用語および定義は、先入観なしに示されるものであり、この明細書と整合している。この明細書およびこれに優先権を主張する任意の明細書の遂行中にこれらの用語を再定義する権利は留保されている。これに優先権を主張する任意の特許明細書の請求項を解釈するという目的に対し、各定義（または特許の遂行中に補正された場合には再定義された用語）は、その定義の外にある関連事項を明瞭かつ明白に拒否するものとして機能する。

アクティビティ（activity）
アクション、動作、実行、関数、ステップおよび／またはステップおよび／またはその一部のこと。

コサイン重み付け関数（cosine weight function）
少なくとも部分的に無限級数１−(ｘ²／２！)＋(ｘ⁴／４！)−…で定義される重み付け関数のこと。

判別関数（discriminating function）
定義された数学的な関係であり、オブジェクトの画像を記述する。

フリッピング（flipping）
画像のあらかじめ定められた前景オブジェクトを背景に切り換える、および／またはあらかじめ定められた１つまたは複数の前景オブジェクトに関連付けられていないボクセルを関心対象のオブジェクトと分類する、画像に関連した数学的手法のこと。

グラフカットアルゴリズム（graph cut algorithm）
画像の数学モデルの１つまたは複数の横断面を定めることによって画像を単純化する方法のこと。

カーネル（kernel）
（ふつうは離散の）確率過程の遷移関数のこと。カーネルは独立しており、均一に分布しており、したがって確率密度関数であると仮定される。

レベルセットアルゴリズム（level set algorithm）
トポロジカルに変化し得る曲線および／または曲面を拡張する方法のこと。

平均移動アルゴリズム（mean shift algorithm）
１つまたは複数の隣接する画像に一層類似するように特定の画像ボクセルの特性を変化させる方法のこと。

主モード（principal mode）
ボクセル輝度の統計的モードに基づいて決定されるターゲットオブジェクトの基準位置のこと。

顕著フィーチャ（prominent feature）
周囲のフィーチャとは異なるフィーチャのこと。

顕著輝度（prominent intensity）
周囲のボクセル輝度とは異なるボクセル輝度のこと。

領域拡張アルゴリズム（region growing algorithm）
あらかじめ定めた１つまたは複数の判断基準に関連付けられた制限まで、オブジェクト表現の連続部分のサイズを変更する方法のこと。

信号（signal）
自動的に検出可能な物理量の変化として符号化され、あらかじめ定めた意味を有するアクティビティおよび／または１つ以上の文字、語、シンボル、視覚的な表示および／または特別な音響などに対する機械命令などの情報のこと。

ステップ重み付け関数（step weight function）
離散的でありかつ区分的に連続な値の変化を有する形状を備えた重み付け関数のこと。

三角重み付け関数（triangle weight function）
単調に増加する第１の部分の単調に減少する第２の部分の形状を有する重み付け関数のこと。

分水嶺アルゴリズム（watershed algorithm）
互いに交わらない水たまりでデータの「ランドスケープ」を満たすことにより、画像内のオブジェクトを描く方法のこと。ここでこの水たまりは、画像のランドスケープへの水の注ぎ込みをシミュレートするモデルによって形成される。２つの水たまりが交わる場合、ダム（いわゆる分水嶺）の表現が形成されて２つの水たまりが分離される。

システム１０００の実施例のブロック図である。 方法２００の実施例のフローチャートである。 例示的な方法３０００のブロック図である。

符号の説明

１０００ システム、 １１００ 情報装置、 １１６０ ユーザプログラム、 １２００ ネットワーク、 １３００ イメージング装置、 １４００ イメージング装置による放射、 １５００ 患者、 ２１００〜３３００ アクティビティ

Claims (21)

1. コンピュータトモグラフィ装置からデータを取得し、
   初期画像に含まれるターゲットオブジェクトにてユーザが選択したボクセルの集合を受け取り、
   当該ターゲットオブジェクトの初期セグメンテーションを導出し、ここで当該初期セグメンテーションは前記ターゲットオブジェクトの顕著輝度に基づいて求められ、
   前記初期セグメンテーションに基づいて初期画像を描画し、
   当該初期セグメンテーション内で決定されたボクセル輝度変化の評価を含む平均移動アルゴリズムを介して事前のセグメンテーションから主モードを決定し、
   前記ターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリムに前記主モードを供給し、
   当該のターゲットオブジェクトの改善された画像を描画することを特徴とする方法。
2. ターゲットオブジェクトの改善された画像を自動的に決定し、ここで当該の改善された画像は、前記ターゲットオブジェクトの主モードに基づいて決定されたものであり、
   前記のターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムにターゲットオブジェクトの主モードを供給し、ここで
   前記主モードをコンピュータトモグラフィ装置から得られたデータから決定し、
   前記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって前記主モードを決定する複数のアクティビティを含むことを特徴とする方法。
3. 前記の平均移動アルゴリズムには式
   

   

   の評価が含まれ、ここで
   （ｘ_i，ｙ_i，ｚ_i），ｉ＝０，１，２，…は、与えられた位置（ｘ₀，ｙ₀，ｚ₀）から始まる位置の並びであり、
   Ｓiは、オブジェクトの初期セグメンテーションであり、
   ｋはカーネル関数であり、
   ωは重み付け関数である、
   請求項１に記載の方法。
4. 前記のコンピュータトモグラフィ装置からデータを取得する、
   請求項１に記載の方法。
5. 前記のターゲットオブジェクトからユーザが選択したボクセルの集合を受け取る、
   請求項１に記載の方法。
6. 前記のターゲットオブジェクトのユーザによる識別子を受け取る、
   請求項１に記載の方法。
7. 前記のターゲットオブジェクトの初期セグメンテーションを決定する、
   請求項１に記載の方法。
8. 前記のコンピュータトモグラフィ装置から得られたデータのユーザによる識別子に基づいてオブジェクトの初期セグメンテーションを決定する、
   請求項１に記載の方法。
9. １つまたはそれ以上の背景構造のセグメンテーションをフリッピングして前記のターゲットオブジェクトの初期セグメンテーションを得る、
   請求項１に記載の方法。
10. 前記のコンピュータトモグラフィ装置から得られたデータのあらかじめ定めた顕著フィーチャの周りの近傍の輝度分布から、前記のオブジェクトの初期セグメンテーションを決定を導出する、
    請求項１に記載の方法。
11. 領域拡張アルゴリズムを介して前記初期セグメンテーションを導出する、
    請求項１に記載の方法。
12. 分水嶺アルゴリズムを介して前記初期セグメンテーションを導出する、
    請求項１に記載の方法。
13. レベルセットアルゴリズムを介して前記初期セグメンテーションを導出する、
    請求項１に記載の方法。]
14. グラフカットアルゴリズムを介して前記初期セグメンテーションを導出する、
    請求項１に記載の方法。
15. 前記重み付け関数は、ガウス重み付け関数である、
    請求項１に記載の方法。
16. 前記重み付け関数は、三角重み付け関数である、
    請求項１に記載の方法。
17. 前記重み付け関数は、コサイン重み付け関数である、
    請求項１に記載の方法。
18. 前記重み付け関数は、ステップ形重み付け関数である、
    請求項１に記載の方法。
19. ターゲットオブジェクトの改善された画像を自動的に決定し、ここで当該の改善された画像は、前記ターゲットオブジェクトの主モードに基づいて決定されたものであり、
    前記のターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムにターゲットオブジェクトの主モードを供給し、ここで
    前記主モードをコンピュータトモグラフィ装置から得られたデータから決定し、
    前記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって前記主モードを決定するアクティビティに対する機械命令を含む信号。
20. ターゲットオブジェクトの改善された画像を自動的に決定し、ここで当該の改善された画像は、前記ターゲットオブジェクトの主モードに基づいて決定されたものであり、
    前記のターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムにターゲットオブジェクトの主モードを供給し、ここで
    前記主モードをコンピュータトモグラフィ装置から得られたデータから決定し、
    前記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって前記主モードを決定するアクティビティに対する機械命令を含む機械読出可能媒体。
21. ターゲットオブジェクトの改善された画像を決定する処理手段と、該改善された画像を描画するように適合されたユーザインタフェースとを有しており、
    前記の改善された画像は、ターゲットオブジェクトの主モードに基づいて決定されており、
    前記のターゲットオブジェクトの主モードは、前記のターゲットオブジェクトの改善された画像を導出するように適合させたアルゴリズムに供給され、
    前記主モードは、コンピュータトモグラフィ装置から得られたデータから決定され、
    前記のターゲットオブジェクトの初期セグメンテーション内で決定されたボクセルの輝度変化の評価を含む平均移動アルゴリズムを適用することによって前記主モードが決定されることを特徴とするシステム。

Images