JP2008080121A - 画像内の領域を識別する方法及びシステム - Google Patents

Abstract

【課題】実質的に優れた画像内の領域の初期形状方式識別を有利に容易にして、結果的に画像を検査対象の解析に用い得るようにするような画像データを処理する堅牢な手法及びシステムを提供する。
【解決手段】画像内の領域を視覚化する方法及びシステムを提供する。この方法は、画像内の領域の周りの領域応答を算出するステップ（７２）と、領域の領域応答に基づいて領域スコアを導くステップ（７４）と、領域スコアを複数の確率モデルと比較することにより画像内の領域をラベルするステップ（７６）とを含んでいる。
【選択図】 図３

Description

本発明は一般的には、画像内の領域を識別する方法及び装置に関し、さらに具体的には、医用画像内の解剖学的構造をラベルする方法及び装置に関する。

多くの撮像応用、特に医用撮像応用では、器官及び病変等のような様々な解剖学的構造を識別するために画像がしばしば解析される。例えば、胸部Ｘ線写真又は計算機式断層写真法（ＣＴ）画像を用いて肺ガンの検出を容易にすることができる。特に、ＣＴ画像は解剖学的構造の極めて詳細な描写を提供するので有利であり、従ってガンの可能性を招き得る病変の進展を検出して追跡するために益々多く用いられるようになっている。

例えば、肺ガン及び結腸ガンの検出のために、放射線科医は先進型肺分析（ＡＬＡ）手法及び計算機式断層写真法コロノグラフィ（ＣＴＣ）手法を用いて肺及び結腸の結節及びポリープの存在を探索する。放射線科医は、胸部のアキシャル・スライスを観察することにより肺の結節を検出する。しかしながら、ＣＴシステムは一般的には、単一回のＣＴ走査について数枚の画像を提供する。従って、放射線科医に対して、画像を解釈して疾患を指示し得る疑わしい領域を検出するのに用いるためのかなりの量の情報が提示される。単一回のＣＴ走査に伴うこのかなりの量のデータは、放射線科医に時間の掛かる過程を課する。さらに、大量のデータにおいて疑わしい区域を識別することは困難であるため、このかなりの量のデータはガンの検出の見落としを招いて不利な場合がある。加えて、ＣＴ容積の寸法が極めて大きいため、放射線読影に相当なばらつきが生じ、臨床的に重要な結節が見落とされる。
米国特許出願公開第２００６／００７９７４３号

計算機支援式検出又は計算機支援式診断等と様々に記述されしばしば頭字語「ＣＡＤ」によって参照される手法が、胸部Ｘ線写真及び胸部ＣＴ走査での肺結節の検出において放射線科医を支援しまた他の解剖学的構造及び疾患状態を検出して診断するための実行可能なアプローチとして出現した。

画像の様々な領域に存在する解剖学的構造を強調する幾つかのＣＡＤ手法が開発されている。一つの特定的な手法では、領域は周囲構造の局所的な形状に従って識別されてラベルされる。肺ガンを識別するもう一つの特定的な手法では、ヘッセ行列の固有値解析を道具として用いて、ボクセルを血管又は結節に属するとして分類する。しかしながら、かかる手法は、画像導関数を算出するのに必要とされる各々のボクセルの極く小さい近傍を考慮しており、このため、構造を識別するのに堅牢で且つ／又は正確であるとは言えない。

従って、実質的に優れた画像内の領域の初期形状方式識別を有利に容易にして、結果的に画像を検査対象の解析に用い得るようにするような画像データを処理する堅牢な手法及びシステムを開発することが望ましい。

簡潔に述べると、本発明の一実施形態によれば、画像内の領域にラベルを割り当てる方法を提供する。この方法は、複数の幾何学的構造の確率モデルを導くステップと、画像内の領域の周りの領域応答を算出するステップと、上述の複数の確率モデルを用いて各々の幾何学的構造の領域スコアを算出するステップと、領域スコアに基づいて画像内の領域をラベルするステップとを含んでいる。

もう一つの実施形態では、画像内の解剖学的構造をラベルする医用イメージング・システムを提供する。このシステムは、画像内の関心のあるボクセルの周りの領域応答を算出し、複数の確率モデルに基づいて各々の解剖学的構造のボクセル・スコアを算出し、領域スコアに基づいて画像内のボクセルをラベルするように構成されている画像プロセッサと、ラベルされた解剖学的領域を含む画像を表示するように構成されている表示ユニットとを含んでいる。

もう一つの実施形態では、計算機式断層写真法（ＣＴ）画像内の解剖学的構造をラベルする計算機式断層写真法（ＣＴ）システムを提供する。このシステムは、ＣＴ画像内の関心のあるボクセルの周りの領域応答を算出し、複数の確率モデルに基づいて各々の解剖学的構造のボクセル・スコアを算出し、領域スコアに基づいて画像内のボクセルをラベルするように構成されている画像プロセッサを含んでいる。システムはさらに、ラベルされた解剖学的構造を含むＣＴ画像を表示するように構成されている表示ユニットを含んでいる。

もう一つの実施形態では、画像内の領域をラベルするようにコンピュータ・システムに命令するコンピュータ命令を記憶したコンピュータ読み取り可能な媒体を提供する。コンピュータ命令は、複数の幾何学的構造の確率モデルを導くステップと、画像内の領域の周りの領域応答を算出するステップと、上述の複数の確率モデルを用いて各々の幾何学的構造の領域スコアを算出するステップと、領域スコアに基づいて画像内の領域をラベルするステップとを含んでいる。

本発明の上述の特徴、観点及び利点並びに他の特徴、観点及び利点は、添付の図面を参照して以下の詳細な説明を読むとさらに十分に理解されよう。図面全体を通して類似の符号は類似の部分を表わす。

図１は、本発明の手法に従って医用画像データのような画像データを取得して処理するイメージング・システム１０を示すブロック図である。但し、当業者には理解されるように、画像データはまた地震学的画像データ又は地誌学的画像データを含み得る。図示の実施形態では、システム１０は、本発明の手法に従ってＸ線投影データを取得し、投影データを画像に再構成し、表示及び解析のために画像データを処理するように設計されている計算機式断層写真法（ＣＴ）システムである。図１に示す実施形態では、イメージング・システム１０はＸ線放射源１２を含んでいる。例示的な一実施形態では、Ｘ線放射源１２はＸ線管である。他の実施形態では、Ｘ線放射源１２は、１又は複数の固体Ｘ線放出器であってもよいし、実際には所望の対象を撮像するのに有用なスペクトル及びエネルギを有するＸ線を発生することが可能な他の任意の放出器であってよい。

放射線源１２はコリメータ１４の近傍に配置されることができ、コリメータ１４は、放射線源１２によって放出される放射線流１６を整形するように構成され得る。放射線流１６は、患者１８のような被撮像体を含む撮像容積を通過する。放射線流１６は、以下に論ずる検出器アレイの構成及び所望のデータ取得方法に依存して、全体的にファン（扇形）形状又はコーン（円錐）形状であってよい。放射線の一部２０は、被撮像体を透過するか又は被撮像体の周りを通過して、参照番号２２で全体的に示す検出器アレイに衝突する。アレイの検出器素子が、入射Ｘ線ビームの強度を表わす電気信号を発生する。これらの信号が取得され処理されて、被撮像体の内部の特徴の画像を再構成する。

放射線源１２はシステム制御器２４によって制御され、システム制御器２４はＣＴ検査系列のための電力信号及び制御信号の両方を供給する。さらに、検出器２２もシステム制御器２４に結合され、システム制御器２４は検出器２２において発生される信号の取得を命令する。システム制御器２４はまた、ダイナミック・レンジの初期調節やディジタル画像データのインタリーブ処理等のような様々な信号処理作用及びフィルタ処理作用を実行することができる。一般的には、システム制御器２４は、イメージング・システムの動作を命令して、検査プロトコルを実行すると共に取得されたデータを処理する。本例では、システム制御器２４はまた、汎用ディジタル・コンピュータ又は特定応用向けディジタル・コンピュータを典型的に基本構成要素とする信号処理サーキットリと、コンピュータによって実行されるプログラム及びルーチン、並びに構成パラメータ及び画像データを記憶する付設のメモリ・サーキットリと、インタフェイス回路等とを含んでいる。

図１に示す実施形態では、システム制御器２４は、モータ制御器３２を介して回転サブシステム２６及び線形配置サブシステム２８に結合されている。一実施形態では、回転サブシステム２６は、Ｘ線源１２、コリメータ１４及び検出器２２を患者１８の周りで１回又は多数回にわたり回転させることができる。他の実施形態では、回転サブシステム２６は、線源１２又は検出器２２の一方のみを回転させることもできるし、撮像容積の周りに環状に配置された様々なＸ線放出器及び／又は検出器素子を別々に作動させることもできる。線源１２及び／又は検出器２２が回転する実施形態では、回転サブシステム２６はガントリを含み得る。このように、システム制御器２４を利用してガントリを動作させることができる。線形配置サブシステム２８は、患者１８、又はさらに明確に述べると患者テーブルを線形に変位させることができる。このようにして、患者テーブルをガントリ内部で線形に移動させて、患者１８の特定の区域の画像を形成することができる。

加えて、当業者には理解されるように、放射線源１２は、システム制御器２４の内部に配設されているＸ線制御器３０によって制御され得る。具体的には、Ｘ線制御器３０は、Ｘ線源１２に電力信号及びタイミング信号を供給するように構成されている。

さらに、システム制御器２４はまた、データ取得システム３４を含むものとして図示されている。この例示的な実施形態では、検出器２２はシステム制御器２４に結合されており、さらに具体的にはデータ取得システム３４に結合されている。データ取得システム３４は、検出器２２の読み出し電子回路によって収集されたデータを受け取る。データ取得システム３４は典型的には、サンプリングされたアナログ信号を検出器２２から受け取って、コンピュータ３６による後続の処理のためにこれらのデータをディジタル信号へ変換する。

コンピュータ３６は典型的には、システム制御器２４に結合されているか又はシステム制御器２４を組み入れている。データ取得システム３４によって収集されたデータは、後続の処理及び再構成のためにコンピュータ３６に送信され得る。コンピュータ３６は、コンピュータ３６によって処理されたデータ又はコンピュータ３６によって処理されるべきデータを記憶することのできるメモリ３８を含むか又はメモリ３８と通信することができる。尚、大量のデータを記憶するように構成されている任意の形式のメモリがかかる例示的なシステム１０によって利用され得ることを理解されたい。さらに、メモリ３８は取得システムに配置されていてもよいし、データ、処理パラメータ、及び／又は後述の手法を具現化するルーチンを記憶するために、ネットワーク・アクセスが可能なメモリ媒体のような遠隔の構成要素を含んでいてもよい。

コンピュータ３６はまた、走査動作及びデータ取得のようにシステム制御器２４によって可能にされ得る各特徴を制御するように構成されることができる。さらに、コンピュータ３６は、キーボード及び他の入力装置（図示されていない）を典型的に装備した操作者ワークステーション４０を介して操作者から指令及び走査用パラメータを受け取るように構成され得る。これにより、操作者は、これらの入力装置を介してシステム１０を制御することができる。このようにして、操作者は、再構成画像、及びコンピュータ３６からのシステムに関連するその他データを観察したり、撮像を開始したりすることができる。

操作者ワークステーション４０に結合されている表示器４２を利用して、再構成画像を観察することができる。加えて、走査画像は、操作者ワークステーション４０に結合され得るプリンタ４４によって印刷されてもよい。表示器４２及びプリンタ４４はまた、コンピュータ３６に直接接続されてもよいし、又は操作者ワークステーション４０を介して接続されてもよい。操作者ワークステーション４０はまた、画像保管通信システム（ＰＡＣＳ）４６に結合されていてもよい。尚、ＰＡＣＳ４６は、リモート・システム４８、放射線科情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）、又は内部網若しくは外部網に結合されていてもよく、異なる位置にいる第三者が画像データへのアクセスを得ることができるようにしていることを特記しておく。加えて、計算機支援式診断（ＣＡＤ）ユニット５０が、コンピュータ３６に結合されて動作することができる。ＣＡＤユニット５０は、ＣＡＤアルゴリズムを画像データに適用するように構成されたソフトウェアを含み得ることを特記しておく。さらに、ＣＡＤユニット５０は表示器４２に結合されていてもよく、表示器に画像データを表示することができる。実際には、ＣＡＤユニット５０はデータ取得システム３４の一部であってもよいし、典型的にはデータ取得システム３４から遠隔に位置する完全に別個の構成要素であって、ＰＡＣＳ４６のようなメモリに記憶された画像データを解析するように構成されていてもよい。

さらに、コンピュータ３６及び操作者ワークステーション４０は、標準型又は特殊目的のコンピュータ・モニタ及び付設されている処理サーキットリを含み得る他の出力装置に結合されていてもよいことを特記しておく。１又は複数の操作者ワークステーション４０をさらにシステムにリンクして、システム・パラメータを出力する、検査を依頼する、及び画像を観察する等を行なうことができる。一般的には、システム内に供給されている表示器、プリンタ、ワークステーション及び同様の装置は、データ取得構成要素に対してローカルに位置していてもよいし、或いはインターネット又は仮想私設網等のような１又は複数の構成可変型網を介して画像取得システムにリンクされて、同じ施設内若しくは病院内の他の場所又は全く異なる場所等のようにこれらの構成要素に対してリモートに位置していてもよい。

上述のように、この実施形態において利用される例示的なイメージング・システムは、図２にさらに詳細に示すようなＣＴ走査システム５２であってよい。ＣＴ走査システム５２は、軸方向撮像範囲の広範な選択肢、高いガントリ回転速度及び高い空間分解能を提供するマルチ・スライス検出器ＣＴ（ＭＤＣＴ）システムであってよい。代替的には、ＣＴ走査システム５２は、高速又は低速のガントリ回転速度で、コーン・ビーム幾何学的構成及び被検体の体内器官全体のような容積の撮像を可能にする面積検出器を利用した容積測定ＣＴ（ＶＣＴ）システムであってもよい。ＣＴ走査システム５２は、フレーム５４、及び患者１８を内部で移動させ得る開口５８を有するガントリ５６と共に図示されている。患者テーブル６０が、フレーム５４及びガントリ５６の開口５８に配置されて、典型的には線形配置サブシステム２８（図１を参照）によるテーブル６０の線形変位を介して患者１８の移動を促すことができる。ガントリ５６は、焦点６２からＸ線放射を放出するＸ線管のような放射線源１２と共に図示されている。心撮像では、放射線流は心臓を含む患者１８の断面に向けられる。

典型的な動作では、Ｘ線源１２は焦点６２から検出器アレイ２２（図１を参照）に向かってＸ線ビームを投射する。鉛又はタングステンのシャッタのようなコリメータ１４（図１を参照）は典型的には、Ｘ線源１２から発散するＸ線ビームの寸法及び形状を画定する。検出器２２は、複数の検出器素子によって全体的に形成されており、検出器素子は、心臓又は胸部のような関心のある被検体を透過したＸ線及び関心のある被検体の周りを通過したＸ線を検出する。各々の検出器素子は、Ｘ線ビームが検出器２２に衝突した時刻の検出器素子の位置でのＸ線ビームの強度を表わす電気信号を発生する。ガントリ５６は、複数のＸ線写真ビューがコンピュータ３６によって収集され得るように関心のある被検体の周りを回転する。

このように、Ｘ線源１２及び検出器２２が回転するのに伴って、検出器２２は減弱されたＸ線ビームに関連するデータを収集する。次いで、検出器２２から収集されたデータに前処理及び較正を施して、走査対象の減弱係数の線積分を表わすようにデータを調整する。次いで、一般に投影と呼ばれる処理済みのデータは、フィルタ補正され逆投影されて、被走査域の画像を形成することができる。形成された画像は、幾つかのモードでは、３６０°よりも小さい又は大きい角度分の投影データを組み入れていてよい。一旦、再構成されたら、図１及び図２のシステムによって形成される画像は、患者１８の体内の特徴６６を明らかにする。

再構成された画像は、ＣＡＤアルゴリズムを用いてさらに解析されることができ、画像を検査する放射線科医が画像内の幾つかの解剖学的構造を識別することを可能にする。例えば、ＣＡＤアルゴリズムを用いて、肺のＣＴ画像では肺結節を、また結腸の画像ではポリープをラベルし、肝臓の画像において病変を識別し、神経及び心臓の画像において動脈瘤を識別し、肺の画像において肺塞栓症を検出し、血管樹抽出及び合流点／分岐点検出を行なうことができる。ＣＡＤアルゴリズムは、画像内の幾つかの関心領域を識別し、これらの領域を処理して、対応する領域スコアを算出するように構成されている。次いで、この領域スコアを用いて解剖学的構造をラベルして、さらに詳細な診断に供する。このアルゴリズムを画像に適用する態様を図３にさらに詳細に記載する。

図３は、ＣＡＤ解析に基づく処理ルーチンを実行するときの例示的なステップの流れ図を示す。図３に要約された手法はステップ６８から開始し、このステップでは画像データを取得することができる。例えばＣＴシステムでは、ステップ６８の画像データ取得は典型的には、操作者が操作者ワークステーション４０（図１を参照）を介してシステムと対話することにより開始される。読み出し電子回路が、スキャナ検出器に衝突する放射線によって発生される信号を検出し、システムはこれらの信号を処理して有用な画像データを生成する。但し、当業者には理解されるように、画像データは、限定しないが磁気共鳴イメージング（ＭＲＩ）システム、陽電子放出断層写真法（ＰＥＴ）システム、単光子放出計算機式断層写真法（ＳＰＥＣＴ）システム又はディジタル・ラジオグラフィ・システムのような画像取得装置から入手されてもよい。加えて、上述のような画像取得装置を用いて患者１８（図１を参照）から画像データを直接取得してもよいが、画像データは代わりにアーカイブ・サイト又はデータ記憶設備からのデータを含んでいてもよい。

画像を取得した後に、取得された画像内の領域が識別される。一実施形態では、領域は関心のあるピクセル又は関心のあるボクセルを含んでいる。領域は幾つかのボクセル又はピクセルを含んでいてよい。一実施形態では、画像内の各々のボクセルを閾値処理して領域を識別する。領域は通常、肺結節及び血管等のような様々な解剖学的構造を表わす。

ステップ７２では、領域の領域応答が算出される。一実施形態では、関心のあるボクセルについて非線形フィルタの領域応答が算出される。領域応答は、領域、及び／又は領域の周りの特定の近傍ボクセルについて算出される応答として定義される。一実施形態では、識別される近傍ボクセルの寸法を、識別したい関心のある構造の寸法に基づいて設定することができる。特定の実施形態では、各々のボクセルでの等値面の主曲率を領域応答として用いる。

ステップ７４では、識別された領域について複数の確率モデルを用いて領域スコアが算出される。領域スコアは、領域が血管又は結節のような特定の解剖学的構造に属する尤度を示す値に相当する。一実施形態では、領域スコアは、特定の解剖学的構造によって領域について所与の曲率データを観察する確率から成っている。もう一つの実施形態では、領域スコアは、領域の強度データの関数から成っている。

ステップ７６では、領域スコアを用いることにより領域をラベルする。さらに他の実施形態では、ラベルされた領域を、異なる解剖学的構造に異なる色を用いて放射線科医に対して表示して、画像のよりよい視覚化を図ることができる。

確率モデルは、一つの幾何学的形状又は複数の幾何学的形状の組み合わせによって解剖学的構造を近似し又はモデリングすることにより導かれる。次いで、解剖学的構造はモデル・パラメータを用いて表わされる。応答の分布が、モデル・パラメータの関数として導かれる。各々のモデルがパラメータを有し、これらのパラメータは、パラメータが取り得る一定範囲の値を有している。

さらに他の実施形態では、特定のパラメータが特定の値を取る尤度を記述する確率分布もまた導かれる。かかる分布を導くためには、既存の医学的知識を盛り込むと共に幾何学的制約及び物理的制約が適用される。さらに特定的な実施形態では、応答の確率分布は、存在しない特定の形状モデル及び／又は雑音のある画像について算出される。

図３に記載される手法は、様々な医用画像に適用され得る。本発明の手法の一つの特定的な応用は、肺ガンの検出に用いられる肺のＣＴ画像において結節及び血管を識別することである。領域スコアの算出及び引き続いて行なわれる画像のラベリングの例について以下に詳細に説明する。

一実施形態では、領域スコアの算出にベイズ・フレームワークを用いる。Ｍ＝｛Ｍ_ｉ，ｉ＝１，…，Ｎ｝を一組のパラメトリック・モデルとし、パラメータｍ_ｉが変域Ｍ_ｉに含まれており、すなわちｍ_ｉ∈Ｍ_ｉであるとする。各々の可能なラベルを表わすＭ_ｉの一つが、ボクセルｘに関連するデータＤに貼り付られることになる。ベイズの定式化において、各々のモデルＭ_ｉ∈の領域スコアは、ベイズの法則を用いることにより算出することができる。

次いで、ボクセルｘのラベルを、様々なモデルの領域スコアを比較する何らかの関数を介して割り当てることができる。一実施形態では、割り当てられるラベルは最大エビデンスを有するモデルに対応し、すなわち

となる。Ｄを個別データＤ_ｊの集合すなわちＤ＝｛Ｄ_ｊ，ｊ＝１，…，Ｍ｝と仮定すると、三つの代替的な経路に従うことができる。第一の経路は、モデルＭ_ｉの選択が与えられた場合に、各々のデータＤ_ｊが集合Ｄのその他全ての異なるデータに独立であると仮定し、続いてｍ_ｉ∈Ｍ_ｉにわたって周辺化を行なう、すなわち

とするものである。第二の経路は、モデルＭ_ｉ及びそのパラメータｍ_ｉの選択が与えられた場合に、各々のデータＤ_ｊが集合Ｄのその他全ての異なるデータに独立であると仮定し、やはり続いてｍ_ｉ∈Ｍ_ｉにわたって周辺化を行なう、すなわち

とするものである。第三の経路は、独立性を一切仮定しないでｍ_ｉ∈Ｍ_ｉにわたって周辺化を行なう、すなわち

とするものである。

式（１）において領域スコアｐ（Ｄ_ｊ｜ｍ_ｉ，Ｍ_ｉ，ｘ）を算出するためには、ボクセルｘに関連するパラメトリック・モデルＭ_ｉ及び集合ＤのデータＤ_ｊ∈Ｄを定義する。一実施形態では、孤立値モデルＭ_１、結節モデルＭ_２、血管モデルＭ_３、胸膜又は胸壁結節モデルＭ_４、胸膜又は胸壁隆起モデルＭ_５及び合流点モデルＭ_６が考慮される。後者五つのモデルはまとめて解剖学的モデルと呼ばれ、肺で見出される可能性のある構造の代表的なものである。第一のモデルは、これら解剖学的モデルのいずれにも対応しない全てのモデル用の包括的モデルである。第一のモデルは、解剖学的モデルのばらつきを説明するために用いられる。

図３で説明したように、一実施形態では、領域応答はボクセルの曲率データを含んでいる。曲率データを算出する方法を以下に説明する。容積画像Ｉは、コンパクトな小変域Ｒ^３からＲへ２回の微分が可能な写像として定義される。任意の所与のＩ_０について、Ｉ（ｘ）＝０は点ｘでの等値面を定義し、∇Ｉ（ｘ）≠０である。等値面の主曲率Ｋは以下の式によって与えられる。

式中、３×２行列Ｚの正規直交列は∇Ｉの零空間に広がっている。

行列

は、ボクセルｘでの容積画像の曲率データを表わしている。このようにして得られた曲率データを結節モデルＭ_２の曲率データと比較して、ボクセルが結節であるとラベルされる尤度を推定する。結節モデルを生成する方法を以下に説明する。

典型的には、結節を表わすように選択される結節モデルＭは、相似形の同心楕円の等値面を有する中実の楕円であって、最も外側の等値面がａ＝ｂ≦ｃによって与えられる半軸を有する楕円となっており、ここで、ａ、ｂ及びｃは３本の半軸の長さである。すなわち
Ｍ_２：ρ×θ×Φ→Ｒ^３
であり、

である。式中、ρ＝［０，１］、θ＝［０，２π）、Φ＝［−π／２，π／２］であり、ρ∈Πの各々の選択によって異なる等値面が定義される。

ｘを、Ｍ_２の値域Ｒ_２⊂Ｒ^３内の点であるとし、Ｒ_２についての一様分布に従ってランダムに選択されているものとし、すなわちｘがＭ_２の小値域の内部に位置する確率が小値域の容積測定量に依存するとする。そして、次式によって与えられる確率変数Π_２、Φ_２を考える。

Π_２及びΦ_２の結合累積確率分布関数Ｐ_{Π２，Φ２}（ρ，φ）は、変域の部分集合（０，ρ）×θ×（−π／２，φ）のみを考えるときに楕円Ｍ_２から得られる中実体の部分的容積についての式から算出され、この関数は、
Ｐ_{Π２，Φ２}（ρ，φ）＝（ρ^３（ｓｉｎφ＋１））／２
によって与えられる。従って、Π_２及びΦ_２の結合確率密度Ｐ_{Π２，Φ２}（ρ，φ）は、
ｐ_{Π２，Φ２}（ρ，φ）＝３ρ^２（ｃｏｓφ）／２＊Ｉ（ρ）Ｉφ（Φ）
となる。ここで、確率ベクトルＫすなわち

を考える。確率変数の変換における標準的な結果を用いると共に、孤立値の確率α_２を考えると、Ｋ_１ ^２及びＫ_２ ^２の結合確率密度ρ_Ｋ２（Ｋ｜ａ，ｃ）は、

となる。式中、Ｋ_ａ，ｃ ^２（Ｋ）は集合であって、

である。

血管モデルＭ_３、胸膜又は胸壁結節モデルＭ_４、胸膜又は胸壁隆起モデルＭ_５及び合流点モデルＭ_６も上述と同じ手法を用いて生成することができる。式（４）によって生成される領域スコアを、式（５）に記載されているような結節モデルの確率密度と比較して、領域が結節である確率を決定することができる。

以上に述べた手法から分かるように、コンピュータ３６は、計算機支援式診断（ＣＡＤ）ユニット５０を用いて画像内の関心領域を識別することができる。コンピュータのプロセッサは、関心領域に対応するデータを処理して領域スコアを生成するように構成されている。次いで、領域スコアを、上述の手法を用いて形成され得る様々なモデルと比較して、画像内の解剖学的構造を識別してラベルする。

以上に述べた発明は、計算が領域の周りの近傍ボクセルと様々な幾何学的形状から算出される確率モデルとを考慮に入れているため、領域を識別してラベルする堅牢で正確な推定を含む幾つかの利点を有する。

発明の幾つかの特徴のみを本書で図示して説明したが、当業者には多くの改変及び変更が想到されよう。従って、特許請求の範囲は、本発明の真意に含まれるような全ての改変及び変更を網羅するものと理解されたい。また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本発明の手法の各観点に従って、処理された画像を形成するのに用いられて画像及び画像の基礎となる画像データを解析するＣＴイメージング・システムの形態にある例示的なイメージング・システムの図である。 図１のＣＴシステムの物理的な具現化形態の図である。 本発明の手法の各観点に従って、取得された画像データのＣＡＤ解析に基づいて画像データ処理を実行する論理の例示的なステップを示す流れ図である。

符号の説明

１０ イメージング・システム
１２ Ｘ線源
１４ コリメータ
１６ 放射線
１８ 患者
２０ 放射線の一部
２２ 検出器アレイ
２４ システム制御器
２６ 回転サブシステム
２８ 線形配置サブシステム
３０ Ｘ線制御器
３２ モータ制御器
３４ データ取得システム
３６ コンピュータ
３８ メモリ
４０ 操作者ワークステーション
４２ 表示器
４４ プリンタ
４６ ＰＡＣＳ
４８ リモート・クライアント
５０ ＣＡＤユニット
５２ ＣＴ走査システム
５４ フレーム
５６ ガントリ
５８ 開口
６０ 患者テーブル
６２ 焦点
６６ 患者の体内の特徴
６８ 画像データを取得するステップ
７２ 領域の領域応答を算出するステップ
７４ 領域スコアを確保するステップ
７６ 領域をラベルするステップ

Claims (10)

1. 画像内の領域にラベルを割り当てる方法であって、
   複数の幾何学的構造の確率モデルを導くステップと、
   前記画像内の領域の周りの領域応答を算出するステップ（７２）と、
   前記複数の確率モデルを用いて各々の幾何学的構造の領域スコアを算出するステップ（７４）と、
   前記領域スコアに基づいて前記画像内の前記領域をラベルするステップ（７６）と、
   を備えた方法。
2. 前記幾何学的構造は、解剖学的構造を含んでおり、前記ラベルするステップは、前記解剖学的構造をラベルするステップを含んでいる、請求項１に記載の方法。
3. 前記解剖学的構造は、結節、血管、ポリープ、腫瘍、病変、褶襞、動脈瘤及び肺塞栓の一つである、請求項１に記載の方法。
4. 前記確率モデルを導くステップは、
   複数の幾何学的モデルを用いて前記解剖学的構造をモデリングするステップと、
   モデル・パラメータを用いて前記解剖学的構造を表わすステップと、
   を含んでいる、請求項１に記載の方法。
5. 前記領域応答を算出するステップは、前記幾何学的モデル及び前記モデル・パラメータの関数として前記領域応答を算出するステップを含んでいる、請求項１に記載の方法。
6. 前記モデル・パラメータの関数として前記領域応答の分布を導くステップをさらに含んでいる請求項５に記載の方法。
7. 前記領域応答は、関心のあるピクセル又は関心のあるボクセルの周りの近傍での応答から成っている、請求項１に記載の方法。
8. 前記ラベルされた領域を表示するステップと、対応する関心領域を視覚化するために各々のラベルにそれぞれの色を割り当てるステップとをさらに含んでいる請求項１に記載の方法。
9. 画像内の解剖学的構造をラベルする医用イメージング・システム（１０）であって、
   前記画像内の関心のあるボクセルの周りで、該画像ボクセルの幾何学的応答を含む領域応答を算出し、
   複数の確率モデルに基づいて各々の解剖学的構造のボクセル・スコアを算出し、
   該ボクセル・スコアに基づいて前記画像内の前記関心のあるボクセルをラベルするように構成されている画像プロセッサ（３６）と、
   前記ラベルされた解剖学的領域を含む前記画像を表示するように構成されている表示ユニット（４２）と、
   を備えたシステム。
10. 計算機式断層写真法（ＣＴ）システム、陽電子放出断層写真法（ＰＥＴ）システム、単光子放出計算機式断層写真法（ＳＰＥＣＴ）システム、磁気共鳴イメージング・システム、顕微鏡検査法システム又はディジタル・ラジオグラフィ・システムの少なくとも一つを含んでいる請求項９に記載のイメージング・システム。

Images