JP2007517610A - 医用画像のフィルタリングシステムおよび方法 - Google Patents

Abstract

３次元医用画像フィルタは、定められた３Ｄ領域の特性に基づいて、画像の定められた位置で１つの値を計算する。フィルタは、隣接する位置の画像値および勾配の関数である方程式によって規定される。方程式は、定められた位置で最終値を決定する。これらの方程式の特定の定義は、フィルタ特性を決定するとともに、様々な用途において調整されてもよい。

Description

［関連出願の相互参照］
この出願は、参照することによりその全体が本願に組み込まれる２００４年１月８日に提出された米国仮出願第６０／５３５，０８８号の利益を請求する。

本発明は、医用画像のフィルタリングシステムおよび方法に関し、特に、３次元画像フィルタを使用して、画像の所望の特性を考慮することにより、画像内の任意の定められた位置で１つの値を計算するためのシステムおよび方法に関する。

［発明の背景］
コンピュータ断層撮影（ＣＴ）および磁気共鳴（ＭＲ）スキャナによって得られる現代の３次元（３Ｄ）医用画像は、医師が検査して解釈するのに時間を要する多量のデータを含んでいる。それらの解析を支援するために、コンピュータ支援検出（ＣＡＤ；Ｃｏｍｐｕｔｅｄ Ａｉｄｅｄ Ｄｅｔｅｃｔｉｏｎ）、コンピュータ支援診断（ＣＡＤｘ）、様々な視覚化モダリティなどの様々な重要なツールが導入されてきた。そのようなツールは、セグメント化、候補検出、特徴収集、分類などを含むことができる前処理ステップを必要とする。分類は、疑わしい疾患の検出された病変／領域として候補を自動的に標識化するとともに、疑わしい疾患の検出された病変／領域を異なるタイプに分類するために使用できる。

想定し得る異常体または疾病領域を検出しようとするＣＡＤｘシステムにおいては、一般に、セグメント化ステップ、候補検出ステップ、特徴収集ステップ、分類ステップが使用される。セグメント化では、対象となる異常体のタイプを含むことができない画像の部位が排除される。例えば、結腸ポリープ検出においては、結腸の外側の領域が考慮されない。肺結節検出においては、肺の外側の領域が排除される。このステップは、外側領域を考慮せず且つ想定し得る誤ったポジ画像源を排除するために、その後の処理時間を節約する。また、多くのＣＡＤｘシステムは、対象と背景との間の正確な境界を形成して想定し得る候補を検出し或いは候補における特徴を形成するためにセグメント化に依存している。

候補検出段階中、アルゴリズムは、全ての或いは殆どの想定し得る疾病領域を検出しようとする。高い感度を有するように、この段階で多くの誤ったポジ画像が検出されてもよい。アルゴリズのその後の段階は、真正なポジ画像を保ちつつ、誤ったポジ画像を除去しようとする。例えば、結腸ポリープ検出において、候補検出器は、真正のポリープの全てを見つけようとするが、結腸の正常な襞、残存する大便、回盲弁を見つけてもよい。肺結節検出において、候補検出器は、真正な結節を見つけなければならないが、血管分岐部、顔裂性嚢胞、気管支の肥大、瘢痕を見つけてもよい。

特徴収集段階中、アルゴリズムは、真正なポジ画像を誤ったポジ画像から区別するために使用される各候補中および各候補周りの特徴を計算する。例えば、結腸ポリープ検出において、集められた特徴は、強度値および分布を含んでいてもよい。肺結節検出のために同様の特徴が使用されてもよい。分離段階は、真性なポジ画像を保持しつつ誤ったポジ画像を除去しようとして、前のステップで収集された特徴を解析する。

現在のＣＡＤ方法において、アルゴリズムの初期段階によって形成される誤ったポジ画像は、各ポリープ候補の特定の特徴を収集して解析することにより、その後の段階で除去される。これらの特徴を収集するために、候補によって占められる空間のある概念が使用されなければならない。

検出点などの１つの点の位置だけにより、限られた数の特徴を集めることができる。結腸ポリープまたは肺結節によって占められるボリュームのある種の評価が、更なる特徴を適切に集めるために存在しなければならない。一般に、検出の初期段階で多数の候補が検出される。これらの候補を処理するために、任意の特徴収集方法が迅速に機能しなければならない。

患者の適切な診断を行なうために画像内の想定し得る候補を正確に識別して表すための方法が必要である。このプロセスは、候補の認識を必要とし、また、真正なポジ画像を保ちつつ誤ったポジ画像を迅速且つ効率的に除去できる能力を必要とする。

［発明の要点］
本発明は定められた３Ｄ領域の特性に基づいて画像の定められた位置で１つの値を計算する３次元医用画像フィルタに関する。フィルタは隣接する位置の画像値と勾配との関数である方程式によって規定される。方程式は定められた位置で最終値を決定する。これらの方程式の特定の定義は、フィルタ特性を決定するとともに、様々な用途において調整されてもよい。

以下において添付図面を参照しながら本発明の好ましい実施形態について詳細に説明する。なお、同様の参照符号は同様の要素を示している。

［詳細な説明］
本発明は、画像の特性を識別するためのフィルタの使用に関する。フィルタの１つの用途は、大腸ポリープまたは肺結節等の異常体または候補の想定し得る位置の検出である。フィルタの他の用途は、真正な候補を誤った候補から区別するために候補識別のための特徴を収集することである。他の用途は、３Ｄ画像内での候補の範囲を決定するために候補のセグメント化を行なうことである。

当業者であれば分かるように、本発明は、患者の内部構造を見るために、任意のタイプの２次元または３次元画像化システムと共に使用されてもよい。そのような構造としては、器官、血管、組織領域または他の定められた構造を含むことができる。患者は、人間であってもよく、あるいは、動物であっても構わない。また、手法は、フィルタが２Ｄだけでなく高次元用に規定されているので、任意の次元の画像に適用されてもよい。

また、本発明は２次元または３次元画像化を伴う非医学的な用途で使用されてもよい。そのような１つの例は中身またはパッケージあるいは収容された対象を決定するための手荷物検査であってもよい。そのようなシステムは、郵便配達環境において、あるいは、所持品検査のために空港や警備の厳重な位置において使用することができる。また、本発明は、工業的用途を有することができ、製造され或いは組み立てられた製品を検査あるいは計数するために使用できる。

図１は、本発明に係る典型的なコンピュータ断層撮影（ＣＴ）システムを概略的に示している。ＣＴシステムは、コンピュータ支援検出（ＣＡＤ）システムと共に、患者に対して非侵襲的な処置を行なって様々な医学的状態を検査するために使用することができる。そのような処置の例は、病変および場合によっては癌組織の存在の仮想的な結腸鏡検査または胸部検査である。当業者であれば分かるように、本発明の範囲および精神から逸脱することなく他の画像化モダリティを使用することができる。例えば、磁気共鳴画像化（ＭＲＩ）、Ｘ線透視画像化または超音波画像化（超音波画像診断法）を使用して画像を得ることもできる。説明のために、典型的なコンピュータ断層撮影（ＣＴ）システムの使用との関連で本発明を説明する。

ＣＴには、例えば患者である対象３を透過して放射線検出器４に入射するピラミッド形のＸ線ビーム２を放射するＸ線源１が設けられており、Ｘ線ビーム２の縁部光線が図１に鎖線で表わされている。典型的な実施形態において、Ｘ線源１および放射線検出器４は環状ガントリ７の互いに反対側に装着されている。

従って、Ｘ線源１および放射線検出器４は、システム軸線８を中心に回転できる計測システムを形成し、それにより、前記システム軸線８に対して相対的な様々な投影角度で、かつ、システム軸線８に沿う様々な位置で、患者３にＸ線を放射することができる。その結果として得られる個々の検出素子の出力信号はデータ取得システム１０によって読み取られる。信号は、患者３の画像を計算する信号プロセッサ１２へ送られ、また患者３の画像はモニタ１３に表示させることができる。

ＣＴシステムにより走査され且つ信号プロセッサ１２により計算された画像は、更なる処理のためにＣＡＤシステム２０へ送信される。ＣＡＤシステム２０は、画像にフィルタを適用して、応答画像を得る。この応答画像は、その後、候補を形成するために使用される。その後、特徴は、候補から収集される（フィルタ値から得られた特徴を含む）とともに、候補を真正なポジ画像または誤ったポジ画像として分類するために使用される。真正なポジ画像として分類された候補だけが医師に与えられる。

ポリープ検出における応答画像を形成するための様々な方法が存在する。結腸コンピュータ断層撮影法（ＣＴＣ）や仮想結腸鏡検査（ＶＣ）の場合には、幾つかの公知の方法を使用できる。これらの幾つかの公知の方法において、応答画像は、ポリープの一部であるボクセルの可能性を計算するフィルタにより規定されたボリュームである。他の公知の方法において、応答画像は、曲率測定によって標識される結腸のメッシュ表面から成っている。この曲率測定において、特定の範囲の曲率値を有するメッシュ内の位置は、ポリープである位置の可能性が高いことを示している。そのため、応答画像の構造は、それを形成するために使用される方法に応じて異なっている可能性がある。

本発明は、勾配の大きさ、角度、半径方向距離（ｇｒａｄｉｅｎｔ Ｍａｇｎｉｔｕｄｅ，Ａｎｇｌｅ ａｎｄ Ｒａｄｉａｌ ｄｉｓｔａｎｃｅ：ＭＡＲＳ）フィルタとも称される３次元（３Ｄ）画像フィルタに関する。ＭＡＲＳフィルタは、周囲の３Ｄ領域の特性に基づいて、画像中の任意の定められた位置の値を計算する。ＭＡＲＳフィルタは特定の画像特性を考慮に入れる方程式の組み合わせに基づいている。特定のバージョンのＭＡＲＳフィルタは、候補検出、対象強調、セグメント化、特徴値形成、特徴値収集に使用することができる。前述した公知の方法とは異なり、ＭＡＲＳフィルタは対象のセグメント化または表面のセグメント化を行なう必要がない。

処理されるべきボリュームＶ内の３Ｄ位置ｘが与えられると、ＭＡＲＳフィルタは、ｘの周囲の画像の特性に基づいて１つの値を計算する。この値は、その後、適切に選択されたフィルタパラメータと共に、幾つかの目的のために使用されてもよい。閾値を上回る値または特定の範囲内の値を有する全ての点を候補として分類することにより候補のリストが形成されてもよい。また、関心対象に属するボクセルの可能性を示すために、セグメント化の確かさとして出力値が使用されてもよい。また、フィルタを逆に適用すると、最終値に最も寄与したボクセルをとることにより、領域のセグメント化を生じさせることができる。最終的に、画像内の特定の点におけるフィルタの出力値または組み合わされた出力値は、分類のための特徴として直接に使用することができ、これにより、高い値は、候補が真正なポジ画像であることの高い確率または低い確率を示す。

ＭＡＲＳフィルタのための一般的な方程式は以下の通りである。
ここで、Ｍ（ｘ）は、ｘすなわち画像ボリューム内の３Ｄ位置におけるＭＡＲＳフィルタの出力を示している。ｙはそのボリューム内の他の３Ｄ位置である。ｍは位置ｙにおける勾配の大きさであり、ｒはｙからｘまでの半径方向距離であり、また、θは位置ｙにおける勾配とｘからｙまでの放射線との間の角度である。積分は定められたボリュームＶ’にわたって続けられる。このボリュームは、当初の全ボリュームＶであってもよく、あるいは、定められた部分ボリュームＶ’であってもよい。主関数Ｓは、値が個々の各点でどのように重み付けられ且つ積分内で合計されるのかを規定し、原画像値によって決まってもよい。そのために、Ｓの定義はフィルタの特異性を決定する。関数Ｔは定められたボリュームの大きさに基づいて重み付けを行なう。

本発明においては、ここで、候補形成のためにＳが規定されるＭＡＲＳフィルタの一例について説明する。前述したように、候補形成のためのＭＡＲＳフィルタにおいては、Ｓの異なる定義が使用される。以下では、半ば分離できる定義がＳに関して使用される。すなわち、
Ｖ（ｘ）は、位置ｘにおける画像ボリューム内の値を示している。Ｃ₁，Ｃ₂，σは、画像化装置および対象の特性に依存する定数である。例えば、Ｃ₁は、ＣＴデータにおける空気または軟組織のためのハウンズフィールド値から得ることができる。Ｃ₂およびσに関する値は、サイズ関連であり、解剖学的な関心対象によって決まる。

Ｓの定義は、位置ｘでのＭＡＲＳ応答であるＭ（ｘ）を決定するために使用される。この応答は、大きさ、勾配角度、半径、原画像位置ｘに依存している。積分は全ての点の応答を累算する。別の事例においては、点がボクセルである。各点（ボクセル）の応答はＳ関数によって決定される。候補検出のために、この一般的な関数を分離可能な項Ｓ１，Ｓ２，Ｓ３で定めることができる。

Ｓに関するこの特定の定義は、医用画像内での候補検出のための優れたフィルタを与える。この定義において、関数Ｔの値は一定であり、１に設定される。関数Ｓ₁は定められた引数の大きさに基づいてスケーリングを行なう。これは、大きさに基づくスケーリングのために使用されるとともに、Ｓ₃関数の成分として使用される。Ｓ₂は、特定の点における勾配の方向および距離に基づいたスコアを与える。なお、これは、隣接する点によって得られた値に依存しておらず、そのため、点ｘの周りにおいて任意の順で計算を続けることができ、従って、効率的な実施の可能性が得られる。また、計算は、関心器官と背景との間でセグメント化が正確に規定されていることに依存しない。最後に、Ｓ₃は、ｘからｙへの経路に沿うグレーレベル値に基づいてスケーリングを行なう。ここで、表記Ｖ（Ｘ）→Ｖ（ｙ）は、ボクセルｘをｙに接続する線上のボクセル強度のセットを示している。

以下は医用画像データに直接適用されるこのフィルタの例を与えている。図２は、前記定義と共に画像に適用されるＭＡＲＳフィルタを使用して各ボクセルのための最終値を計算するために値の収集に関与する計算要素のグラフィック図を示している。計算用のボクセル２０２は白で示され、一方、値が集められるボクセル２０４はグレーで示されている。ボクセル２０４は、ボクセル２０４に関連する全ての周囲ボクセルを代表している。例えば、周囲ボクセルは、ボクセル２０２に隣接するボクセルであってもよい。この収集は計算用のボクセルを取り囲む全てのボクセルに関して行なわれる（図示されていない）。各周囲ボクセルは、関連する画像勾配２０６と、その勾配２０６の大きさ２０８および角度２１０と、周囲ボクセル２０４の半径方向距離２１２とを有している。最終値は、各周囲ボクセル２０４から集められた全ての値の関数の積分によって決定される。最終値は、例えば、想定し得る候補（すなわち、結腸ポリープ）を識別するために使用することができる。

図３は、結腸の画像に適用された前記定義を有するＭＡＲＳフィルタを示す。左側の画像３０１はほぼ中心にポリープ３１０を有するＣＴスライスを示している。右側の画像３０２は同じスライスにおけるＭＡＲＳフィルタの出力を示している。高強度領域３２０によって示されるポリープ位置で高いスコアが得られる。これらのスコアは、候補形成や特徴収集のために使用でき、また、誤ったポジ画像を除去するための何らかの後処理を伴う対象セグメント化に使用できる。

図４は、肺の画像に適用された前記定義を有するＭＡＲＳフィルタの用途を示す。左側の画像４０１は肺のＣＴスライスを示している。右側の画像４０２は同じＣＴスライスにおけるＭＡＲＳフィルタの出力を示している。フィルタリングされた画像は、血管強調の適用と高強度領域によって例示された想定され得る肺結節候補とを示している。高強度領域は高いスコアを有する領域に対応している。この画像４０２における高強度領域は、血管４０４、肋骨４０６を強調している。また、高強度領域は想定し得る肺結節も示すことができる。これらの高いスコアは、その後、候補形成のために、誤ったポジ画像を除去するための特徴として、あるいは、対象の二値セグメント化を決定するための信頼性マップとして直接に使用することができる。

セグメント化のために、前述した特定のＭＡＲＳフィルタは、定められたボクセルが関心対象の一部である可能性を規定するために使用されてもよい。従って、当該ＭＡＲＳフィルタは、結腸ポリープ候補、想定し得る肺結節または血管の範囲を決定するために使用されてもよい。フィルタから得られた各ボクセル毎に可能性が与えられると、ヒステリシス閾値法または他の公知の方法により最終的な二値セグメント化を達成することができる。どの領域に関して特徴を集めるべきかを決定することを含み、対象をセグメント化するための用途は幾つかある。また、特定の対象のセグメント化は、（図４に示されるように）動脈の位置を肺と共に見つけ出すなどの他の用途を有していてもよい。対象がセグメント化されると、病変を決定する重要な特徴である対象直径および対象ボリュームを計算することが容易になる。また、寄与度の高いボクセルを決定し且つこれらのボクセルをセグメント化に使用するために、フィルタを逆に適用して使用してもよい。

また、本発明は、Ｓに関して他の定義を用いると、特徴収集に使用することもできる。以下は、このためにＳを規定している。この定義において、Ｓ₁は同一のままである。しかしながら、Ｓ₂は以下のように規定される。
Ｓ３は一定であり、１に設定される。

候補形成の先の事例において、積分のボリュームは当初のボリュームＶ（Ｖ’＝Ｖ）である。フィルタが特徴収集のために使用される場合、積分のボリュームＶ’は特定の対象の範囲によって規定される。結腸ポリープ検出の場合、Ｖ’は、ポリープ候補に属するように計算されるボクセルのセットを含んでいる。肺結節検出において、Ｖ’は肺結節候補内のボクセルのセットである。対象範囲またはセグメント化は、その対象の特徴が計算される領域を規定する。セグメント化は、前述したようにフィルタから計算されてもよく、あるいは、画像内で対象を自動的にセグメント化する他の手段によって計算されてもよい。

Ｔ関数は定められた部分ボリューム内の点の数として規定される。そのために、Ｔ関数の目的はサイズに基づいて結果を正規化することである。この場合、距離はＳ２の方程式内で使用されない。これは、計算された点ｘの近傍に全ての点があることをフィルタが前提としているからである。

３次元画像フィルタを使用して、画像の所望の特性を考慮することにより画像内の任意の定められた位置における値を計算する方法に関する実施形態を説明してきたが、当業者であれば前述した教示内容を踏まえて変更および変形を成すことができる。従って、開示された本発明の特定の実施形態においては、添付の請求項によって規定される本発明の範囲および精神に入る変更を行なえることは言うまでもない。つまり、特許法によって特に求められる内容をもって本発明を説明してきたが、特許証によって請求され、望まれ、保護されるものが添付の請求項に示されている。

本発明に係る典型的なコンピュータ断層撮影（ＣＴ）システムの概略図 本発明に従ってＭＡＲＳフィルタをボクセルに適用したグラフィック図 ＭＡＲＳフィルタの適用前および本発明に従ってＭＡＲＳフィルタを適用後の結腸の一対の画像を示す図 ＭＡＲＳフィルタの適用前および本発明に従ってＭＡＲＳフィルタを適用後の肺の一対の画像を示す図

符号の説明

１ Ｘ線源
２ Ｘ線ビーム
３ 患者
４ 放射線検出器
８ システム軸線
１０ データ取得システム
１２ 信号プロセッサ
２０ ＣＡＤシステム

Claims (28)

1. １つの画像内の１つの定められたボクセルの応答値を、当該ボクセルの周囲にある複数の周囲ボクセルの勾配およびグレーレベル値の関数に基づいて作成するためのコンピュータ実施方法において、
   ａ．周囲ボクセルの勾配の角度、大きさ、距離の値を計算するステップと、
   ｂ．（ａ）で計算された角度、大きさ、距離の値および周囲ボクセルのグレーレベル値に基づいて１つの値を計算するステップと、
   ｃ．周囲ボクセルからの値を組み合わせて、最終応答値に到達するステップと、
   を備えることを特徴とするコンピュータ実施方法。
2. 周囲ボクセルは画像ボリューム全体によって規定されることを特徴とする請求項１に記載の方法。
3. 周囲ボクセルは画像ボリューム全体の選択された一部分によって規定されることを特徴とする請求項１に記載の方法。
4. 関数は応答画像を形成するために画像の一部に適用されることを特徴とする請求項３に記載の方法。
5. 関数は応答画像を形成するために画像の全てのボクセルに適用されることを特徴とする請求項３に記載の方法。
6. 応答画像は、関数値が１つ又は複数の特定の閾値によって表されるボクセルを識別することにより画像内の候補を検出するために使用されることを特徴とする請求項４に記載の方法。
7. 候補が異常な候補を示すことを特徴とする請求項６に記載の方法。
8. 応答画像は、関数値が１つ又は複数の特定の閾値によって表されるボクセルを識別することにより画像内の候補を検出するために使用されることを特徴とする請求項５に記載の方法。
9. 候補が異常な候補であることを特徴とする請求項８に記載の方法。
10. 画像が３次元画像であることを特徴とする請求項１に記載の方法。
11. 画像が２次元画像であることを特徴とする請求項１に記載の方法。
12. 応答値は、１つの候補の周囲の関心ボリューム（ＶＯＩ）の特徴を形成するために使用されることを特徴とする請求項１に記載の方法。
13. 関心ボリューム（ＶＯＩ）は、定められた閾値を上回る値を最終応答値に与えたボクセルを選択することにより規定されることを特徴とする請求項１２に記載の方法。
14. 関心ボリューム（ＶＯＩ）内のフィルタ応答値の１つ又は複数の統計的測定値を計算することにより、検出された候補の周囲の関心ボリューム（ＶＯＩ）の特徴を形成するステップを更に備えることを特徴とする請求項４に記載の方法。
15. 関心ボリューム（ＶＯＩ）内のフィルタ応答値の１つ又は複数の統計的測定値を計算することにより、検出された候補の周囲の関心ボリューム（ＶＯＩ）の特徴を形成するステップを更に備えることを特徴とする請求項５に記載の方法。
16. １つの候補の周囲の１つの領域をセグメント化するステップを更に備え、対象の範囲は、その位置でどのボクセルが閾値を超える値を最終応答値に与えたかを決定することにより規定されることを特徴とする請求項４に記載の方法。
17. １つの候補の周囲の１つの領域をセグメント化するステップを更に備え、対象の範囲は、その位置でどのボクセルが閾値を超える値を最終応答値に与えたかを決定することにより規定されることを特徴とする請求項５に記載の方法。
18. 周囲ボクセルの数に基づいて最終値をスケーリングするステップを更に備えることを特徴とする請求項１に記載の方法。
19. 画像が医用画像であることを特徴とする請求項１に記載の方法。
20. 医用画像が人間の結腸の画像であることを特徴とする請求項１９に記載の方法。
21. 結腸ポリープを検出するためにフィルタ応答値が使用されることを特徴とする請求項２０に記載の方法。
22. 結腸ポリープ候補を真正なポリープまたは誤ったポジ画像として分類するために、あるいは、結腸ポリープをタイプに従って分類するためにフィルタ応答値が使用されることを特徴とする請求項２０に記載の方法。
23. 結腸ポリープをセグメント化するためにフィルタ応答値が使用されることを特徴とする請求項２０に記載の方法。
24. 医用画像が肺の画像であることを特徴とする請求項１９に記載の方法。
25. 肺結節を検出するためにフィルタ応答値が使用されることを特徴とする請求項２４に記載の方法。
26. 肺結節候補を真正な結節または誤ったポジ画像として分類するために、あるいは、肺結節をタイプに従って分類するためにフィルタ応答値が使用されることを特徴とする請求項２４に記載の方法。
27. 肺結節をセグメント化するためにフィルタ応答値が使用されることを特徴とする請求項２４に記載の方法。
28. 候補を真正な異常体または誤ったポジ画像として分類するために、あるいは、異常体を異常のタイプにしたがったカテゴリーに分類するために特徴が使用されることを特徴とする請求項１２に記載の方法。