JP2008515466A

JP2008515466A - 対象物のクラスの画像表現を識別する方法及びシステム

Info

Publication number: JP2008515466A
Application number: JP2007527265A
Authority: JP
Inventors: ペン，アラン; トンプソン，スコット・エフ
Original assignee: Individual
Current assignee: Individual
Priority date: 2004-08-17
Filing date: 2005-05-03
Publication date: 2008-05-15
Also published as: US7974676B2; US20090060297A1; WO2006022916A3; EP1997068A2; EP1997068A4; CA2577547A1; EP1997068B1; WO2006022916A2

Abstract

画像中の病変の位置を特定し、特定された病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを評価する方法であって、画像が複数のピクセルを含み、各ピクセルが０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有するものである方法が提供される。方法は、病変内で一つ以上の境界標ピクセルを画定すること、可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲のクラスタを成長させること、及びセット中の各輝度レベルに関して、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築することを含む。方法はさらに、各輝度レベルにおける最小ポリゴンの特徴値を計算すること、セット中の輝度レベルの範囲で対象領域の面積又は体積の変化に特徴的である数値を決定すること、及び対象領域の面積又は体積の変化に特徴的である数値に応答して、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定することを含む。

Description

関連出願の相互参照
本出願は、２００４年８月１７日に出願された米国特許仮出願第６０／６０１，９８１号及び２００５年１月３１日に出願された米国特許仮出願第６０／６４７，７５６号の恩典を主張する。

本研究は、米国国立がん研究所（ＮＣＩ）によって交付された少なくとも一つの助成金Ｒ４４ＣＡ８５１０１によって部分的に支援されたものである。米国政府は本発明に特定の権利を保有する。

コンパクトディスクで提出されたコンピュータプログラムリスト付録
本明細書とともに、二つの同一の、すなわち複製のコンパクトディスクが提出されている。これらのコンパクトディスク上の資料を引用例として本明細書に取り込む。これらの同一のコンパクトディスクはそれぞれ以下のファイルを含む。

発明の背景
発明の分野
本発明は、良性及び悪性の病変のＭＲＩシグナルのような対象物のクラスの画像表現を識別する方法、処理手順及びコンピュータコードのセットであって、表示される輝度の範囲の中心で病変を表示するためのシステムの制約、たとえばウィンドウイング／レベリングに適合するために画像が変換されている画像表現を識別する方法、処理手順及びコンピュータコードのセットに関する。

従来技術
多くの従来技術用途では、データは三次元で表現され、それらの次元の二つ（ｘ、ｙ）が一定サイズのグリッド上の空間位置を表し、第三の次元（ｗ）が元のソースデータの表現である。一例として、磁気共鳴画像診断（ＭＲＩ）システムでは、ｗ次元は、画像診断システムからのシグナルの強さを表す画像輝度である。ＭＲＩの例では、ソースシグナルは画像輝度シグナルに変換されて、表示システムによって課される輝度値の制限、たとえば２⁸＝２５６個の別個の輝度レベルに適合するようなやり方でＭＲＩ画像データの医学的に適切な表現を示す。ｗ軸上での線形変換、たとえばウィンドウイング及びレベリングは一般に、医学的に関連のある画像部分を表示輝度スケールの中心部分に示すために使用される。これらの用途の多くでは、エンドユーザは、元のシグナルの強さに基づいてソースデータ内の対象物（たとえば病変）を区別し、識別することができることによる利点を得ることができる。しかし、症例ごとに異なるおそれあるソースシグナルから画像輝度シグナルへの変換は、この比較解析を困難かつエラーを被りやすいものにする。他の用途では、データは四次元で表現され、それらの次元のうち三つが空間的位置（ｘ、ｙ、ｚ）を表し、第四の次元（ｗ）がソースデータの表現である。本発明における二つの空間次元に関するすべての記述及び説明は、三つの空間次元に容易に拡張される。術語「ピクセル」は、２次元をいうためによく使用され、術語「ボクセル」は、３次元をいうためによく使用されるが、本明細書では、ピクセルを使用して２次元及び３次元を指す。

医療用ＭＲＩの例では、悪性病変のガドリニウム増強画像からのソースシグナルは、多くの場合、良性病変のガドリニウム増強画像からのソースシグナルよりも強い。しかし、ソースデータが、医療診断を最適化する（この最適化は症例ごとに異なる）ように調節された画像輝度に変換されたのち、放射線専門医にとって、提示される画像に基づいて元の磁気共鳴シグナルの強さを評価することは困難である。

本発明の目的は、画像中のピクセルの輝度に基づいて画像中の病変ががん性であるのか、良性であるのか、不確かな性質であるのかを評価するためのシステム、方法及びコンピュータプログラム製品を提供することである。

本発明のさらなる目的は、ピクセルの輝度及び空間的関係、たとえば対象物の中又は近くの勾配及び形状に基づいて対象物のクラスを識別することができる、病変を評価するためのシステム、方法及びコンピュータプログラム製品を提供することである。

本発明のさらなる目的は、ソースデータが、医療診断を最適化するように調節された画像輝度に変換されたのち、放射線専門医が元の画像シグナルの強さを評価することを可能にするためのシステム、方法及びコンピュータプログラム製品を提供することである。

さらなる目的は、おそらくは多数の病変を提示する患者の体の実質的部分から診断情報を同時に得ることである。

もう一つの目的は、一つ又は多くのとも二つのタイムフレームに対応する画像から得られる画像データに基づいて信頼性の高い診断情報を得ることである。

本発明の範囲及び内容は、上述の目的によって又は上述の目的だけに限定されることを意図しない。

本発明は、身体領域の画像を評価する新規な方法であって、画像の少なくとも一つが、起こりうる病変を示唆する異常を示すものであり、
各画像中の、そのような異常を示すピクセルの位置を決定するステップ、
輝度レベルＩの各セットに関して、決定するステップで決定された位置におけるピクセルを含むクラスタの周囲の輪郭を決定するステップ、
ネストされたシーケンスで各輪郭の個別の特徴を識別する関数Ｆを画定するステップ、
各輝度レベルにおける輪郭の範囲で関数Ｆの値の変化を特徴づけるために使用される関数Ｇを画定するステップ、及び
関数Ｇの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変を、良性である可能性が高いもの又はがん性である可能性が高いものとして特定するステップ
を含む方法を提供する。

簡潔にいうと、本発明は、特に、画像中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法であって、画像が複数のピクセルを含み、各ピクセルが０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有するものである方法の使用を特徴とする。方法の一つの実施態様は、画像中の病変内で境界標ピクセルを画定するステップ、可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲のクラスタを成長させるステップ、及びセット中の各輝度レベルに関して、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築するステップを含む。方法はさらに、セット中の各輝度レベルにおける前記最小ポリゴンの特徴値を計算するステップ、輝度レベルの範囲で特徴値の変化に関連する数値を決定するステップ、及び輝度レベルの範囲で特徴値の変化に関連する数値に応答して、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定するステップを含む。

本発明の評価法は一般に、異なる身体領域スライスの数多くの画像から出発することができる。予備的な手作業又は自動化された操作を実施して、病変の証拠を示さない画像をさらなる処理から除外してもよい。

たとえば、すべての画像を目視的に審査したのち、異常を示すように思われる画像だけを本発明にしたがって評価することもできる。

あるいはまた、すべての画像を本発明にしたがって評価したのち、その評価が病変の存在を示さない画像を捨てることもできる。たとえば、異常の証拠がない場合、すなわち画像中の各対象区域、すなわち異常の評価が、一定のしきい値未満である画像輪郭のサイズの変化の数値を出す場合、その画像を捨てることができる。当該数値は、経験に基づいて選択することができるが、３〜５の範囲であると予想されよう。

本発明ならびにそのさらなる目的及び利点をよりよく理解するため、以下、好ましい実施態様の詳細な説明及び添付図面を参照する。

発明の詳細な説明
本発明は、良性及び悪性の病変のＭＲＩシグナルのような対象物のクラスの画像表現を識別する方法、処理手順及びコンピュータコードのセットであって、表示される輝度の範囲の中心で病変を表示するためのシステムの制約、たとえばウィンドウイング／レベリングに適合させるために画像が変換されている画像表現を識別する方法、処理手順及びコンピュータコードのセットである。本発明の方法、処理手順及びコンピュータコードは、ピクセルの輝度及び空間的関係、たとえば対象物の中又は近くの勾配及び形状に基づいて対象物のクラスを識別する。

本発明は、ガドリニウム増強磁気共鳴画像（ＭＲＩ）上、解析される画像データが２５６個の個別の輝度値を有し、公知の技術にしたがって事前のウィンドウイング及びレベリング操作に付されたところの画像輝度値に基づいて、悪性病変から良性病変を識別するための放射線医学におけるその用途に関して説明する。本発明は、まず、２次元空間スライスに対応する画像に関して説明する。その後、３次元データセットを含む２次元スライスのセットへの本発明の拡張を説明する。ウィンドウイング及びレベリングは、識別される症例と症例との間で「妥当に合致」して、標準的な医療行為に適合し、各症例に関して、病変のおおよその位置を示す「境界標」が既知であるものと仮定する。本発明は、当業者の技能の範囲内で、画像中のピクセルの画像輝度及び空間的関係を評価することが目標であるいかなる画像診断システムにも適用可能であることが理解されよう。

標準的なしきい値設定及びクラスタ画定アルゴリズムを使用して、一つの実施態様によると最高値（たとえば２５５）で始まり最低値（０）で終わる可能な輝度値それぞれに関して境界標の周囲にクラスタを成長させる。境界標の周囲のクラスタが、ネストされた単調に増大する（ただし、必ずしも厳密に増大するわけではない）シーケンスを形成する。可能な輝度レベルそれぞれに関して、クラスタを含む最小形状であるような特定の形状で対象領域（ＲＯＩ）をクラスタの周囲に構築する。一つの態様にしたがって、ＲＯＩは、クラスタの周囲に形成された最小限の長方形のボックス又は長方形の枠である。当業者の技能の範囲内で他の形状を使用してもよい。ＲＯＩもまた、ネストされた単調に増大する（ただし、必ずしも厳密に増大するわけではない）シーケンスを形成する。本発明の一つの実施態様によると、ＲＯＩが長方形ボックスである場合、シーケンス中の各ＲＯＩに関して、幅に高さを掛けることによってＲＯＩの面積を計算する。ＲＯＩの形状が長方形ボックスではないならば、面積は、ＲＯＩ形状に応じて異なる式を使用して計算する。使用されるＲＯＩの特徴が面積ではないならば、異なる式を使用することもできる。面積以外の可能な特徴の例として、超音波では、高さに対する幅の比が重要であり、この比を、選択される特徴として使用することができる。さらに、ＲＯＩが２次元ではなく３次元で示されるならば、面積の代わりにＲＯＩの体積を使用してもよい。

ＲＯＩ面積ｖｓ輝度レベルのプロットはステップ関数である。ＲＯＩ面積ｖｓ輝度レベルのプロットは、いくつかの輝度レベルにわたって一定にとどまったのち、より大きなサイズへと「ステップアップ」することができる。ステップの数が、多様なＭＲＩ画像診断システム及びプロトコルからの画像を使用して病変が良性であるのか悪性であるかを高度に予測させるということがわかった。そのうえ、ステップの数は、他の識別的特徴からの高度な独立性を示し、コンピュータ援用診断又はコンピュータ援用検出システムのコンポーネントとして有用であるということがわかった。ここに示す具体的な例では、病変の画像は、ステップの数が９以下である場合には良性であると解釈され、ステップの数が９を超える場合にはがんであると解釈される。これらのしきい値は、適宜、当業者が調節することができる。さらには、ＲＯＩの特徴に関連する他の数値を使用してもよい。

個別のＲＯＩの数は、病変の形状及び勾配の関数であるが、輝度値の変換、たとえばウィンドウイング及びレベリングに対しては、そのような変換が極端でない（たとえば、レベリングが画像をいくつかの輝度まで減らすことができなかった）限り、比較的鈍感である。

あるいはまた、本発明の一つの実施態様は、以下のように、より一般的な数学的文脈で説明することもできる。クラスタとは、接続されたピクセルのセットである。レベルＬにおける輪郭は、まず、ピクセルが、グレースケール画像中の対応するピクセルが値＞＝Ｌを有する場合には値１を有し、そうでない場合には値０を有するところのバイナリしきい値画像を生成することによって構成される。レベルＬにおける輪郭は、バイナリ画像上の０及び１の境界にあるピクセルのセットである。レベルＬにおける外輪郭は、境界標を取り囲み、かつ境界標からもっとも遠いレベルＬにおける輪郭である。レベルＬにおけるＲＯＩは、クラスタ又は輪郭の周囲で最小サイズを有する指定された形状、たとえば正方形又は長方形のボックスを有する幾何学的対象物である。

１．病変中のピクセルの位置を決定する。「ピクセル」とは、画像の座標系中の特定の位置における画素をいう。

２．病変内の境界標を手作業で又は自動的に選択する。既定の規則のセットによって決定された可能な輝度レベルのサブセット中の各レベルＬに関して境界標の周囲のクラスタを決定し、各Ｌにおけるクラスタに関して外輪郭を決定する。たとえば、画像内の各輝度レベルを使用してもよいし、そのいくつかのサブセット、たとえば一つおき又は二つおきの輝度レベルをサンプリングし、使用してもよい。より一般的には、当業者の技能の範囲内で、公知である他の方法を使用して境界標の周囲の閉鎖路の他のセットを画定することもできる。

３．外輪郭の空間から実数の空間までの関数Ｆを画定する。上記した具体的な方法では、各Ｌに関して、外輪郭を決定し、関数を長方形の面積Ｆ（Ｃ）＝面積（Ｂ）（Ｂは、外輪郭の周囲の最小長方形であると定義されるＲＯＩである）であると画定する。より一般的には、当業者の技能の範囲内で、ＲＯＩＢは、輝度レベルの範囲でネストされたシーケンスを形成するクラスタの周囲の別の多角形形状であってもよく、Ｆは、ネストされたシーケンス中のＲＯＩの特徴を画定する個別の要素を識別する任意の関数であってもよい。

４．外輪郭｛Ｃ｝のセットにわたってＦの範囲の関数Ｇを画定する。上記の具体的な方法では、Ｇ（｛範囲Ｆ_C｝）＝Ｍである（Ｍは、範囲中の個別の要素の数である。すなわち、Ｆ×面積が値を変化させる）。より一般的には、Ｇは、当業者の技能の範囲内で、ステップ３の関数Ｆを特徴づけるために使用される別の関数であることができる。さらには、当業者には容易に理解されるように、範囲の一部分だけで外輪郭中のステップを考慮する、ステップの密度を考慮する、又は他の適切な関数を考慮することが可能である。

５．関数Ｇに基づいて特徴、すなわち病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを画定する。上記の具体的な方法では、一つのしきい値を９に設定して悪性病変から良性病変を識別する。より一般的には、当業者の技能の範囲内で、異なるしきい値を使用して、又は多数のしきい値もしくは別の識別的なＧの特徴を使用して、良性又は悪性であることの異なる可能性を示すこともできる。

一つの実施態様にしたがって、本発明は、画像診断装置もしくはピクチャアーカイビング、たとえばＭＲＩ装置もしくは他の適当な画像診断装置又は院内ＰＡＣシステムに接続されたコンピュータで具現化される（図１を参照）。本開示に関して、コンピュータとは、画像診断装置とは別個にあるコンピュータ又は画像診断装置に組み込まれているコンピュータであって、ユーザとコンピュータ（すなわち入力装置及び表示装置）との間の通信が画像診断装置コンソール、たとえばＭＲＩコンソールを介するものであるコンピュータの両方を互換的に意味する。この実施態様によると、コンピュータは、入力装置（たとえばキーボード及びマウス）、表示装置（たとえばモニタ）及びプロセッサを有する。プロセッサは、記憶装置、中央処理ユニット（ＣＰＵ）及び他の公知のコンポーネント（図示せず）を含む公知のシステムであることができる。コンピュータは、画像診断又はアーカイビング装置とは別個に具現化することもできるし、その一部として具現化することもできる。後者の場合、別個のコンポーネントを使用するのではなく、画像診断又はアーカイビング装置の表示装置及び入力装置を使用してコンピュータと接続することができる。

ソースデータは、造影剤の使用後にＭＲＩシグナルから導出された画像（ＰＯＳＴ）のピクセル輝度及び造影剤の使用前にＭＲＩシグナルから導出された画像（ＰＲＥ）のピクセル輝度からなる。差し引き（ＳＵＢ）画像のピクセル輝度は、ＰＯＳＴのピクセル輝度からＰＲＥのピクセル輝度を差し引くことによって得られる（図２、ステップ１）。多数のＰＯＳＴコントラスト画像があるならば、ピーク増強に対応するＰＯＳＴコントラスト画像が使用される。以下、本具現化の各ステップにＳＵＢを使用するのかＰＯＳＴを使用するのかを示す。

本発明の一つの実施態様にしたがって、パラメータをＱ＝２５mm²、Ｎ＝４に設定する（図２、ステップ２）。Ｑは、病変の面積の下限であり、Ｎは、クラスタがバックグラウンドノイズ中に効果的に成長する点を近似するために発見的に決定される。数Ｎの意味は以下のように説明される。病変の最小サイズＥは、まず、各輝度レベルＬにおける外輪郭を、境界標の輝度レベルから出発し、外輪郭内の面積が最初にＱ、すなわちパラメータによって設定された下限を超えるところのレベルに達するまで減らすように構成することによって得られる。輝度レベルＬがさらに低下するにつれ、外輪郭内の面積が増大して、最終的には、病変の外側のバックグラウンド組織を含めた画像全体を包含する。これらの外輪郭それぞれに関し、ＰＯＳＴ画像上の対応する経路に沿った平均勾配を計算する。最大平均勾配に対応するレベルＩMaxを選択し、レベルＩMaxの外輪郭内の面積が病変の最小面積である。指数ＬがＩMaxよりも減少するとき、外輪郭内の面積は増大する。面積がはじめに病変の最小面積のＮ倍を超えると、外輪郭が病変を超えて延展し、バックグランド組織中に成長したものとみなす。

「ステップ特徴」は、増強性グループ中の単一ピクセルであると定義される境界標Ｌによって決定される、ＳＵＢ画像上の増強性ピクセルのグループの計測値である（図２、ステップ３）。一般に、同じ増強性グループ内の異なる境界標が異なるステップ特徴値を生じさせる。使用される境界標は、専門家が画像及び文脈情報を使用して決定することもできるし、画像処理及び／又はヒストグラム解析から自動的に決定することもできる。一つの実施態様の具現化では、ヒストグラム解析は、病変の一部である可能性が高いピクセルの輝度を特定するために使用され、クラスタ解析は、病変を含む可能性が高い増強性ピクセルの集合を特定するために使用される。境界標を特定するためには、増強性ピクセルのクラスタのセントロイド又は他の特定領域を使用することができる。もう一つの実施態様の具現化では、放射線専門医が、長方形又は他の形状のＲＯＩを病変の周囲に画定し、境界標がそのＲＯＩの中心点である。このＲＯＩは入力装置によってプロセッサに入力される。

次に、ステップ特徴をアルゴリズム的に説明するが、この記載に関しては、２５５（最高）〜０（最低）の範囲の２５６個の可能なピクセル輝度レベルが画像上にあるものと仮定する。Ｉ（Ｌ）によって境界標におけるピクセル輝度を指定し、各ピクセルが０≦Ｉ＜２５５の範囲の特定の輝度Ｉを有するものとする。本発明のもう一つの実施態様によると、各ピクセルは、１２８、５１２又は１０２４個の輝度レベルの画像表示を含むであろう０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有することができる。レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対して４連結した、輝度レベル＞＝１を有するピクセルのクラスタを構築する。クラスタ中の各ピクセルからクラスタ中の他の各ピクセルへの４近傍経路がある場合、そのクラスタは４連結している（ピクセルは、横並び又は一方が他方の真上にある場合、４近傍している）。２次元の８近傍及び３次元の６近傍、１８近傍又は２６近傍をはじめとする他の連結形態を使用することもできる（Digital Image Processing, Gonzalez and Waitz, 2^nd Edition, Adison & Wesley, 1987を参照）。これらのクラスタは、指数が減少するにつれ単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-）＜＝…）を形成する。２次元の場合、関数はクラスタの面積である。３次元の場合、関数はクラスタの体積であることができる。当業者の技能の範囲内で他の代替方法を使用することもできる。輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、関数は、２次元の場合には面積であり、３次元の場合には体積である）に等しくなるまでこのプロセスを継続する。IIは、外輪郭の関数がパラメータによって設定された病変の下限を超えるところの最初のレベルである（図２、ステップ４〜９）。ステップ５は、外輪郭を導出するために使用されるバイナリしきい値画像を計算し、ステップ６は、外輪郭内の関数（たとえば面積又は体積）を計算する。

Ｉ_max及びＩ_min値は、ヒストグラム解析を使用して決定することができる。あるいはまた、一つの実施態様にしたがって、輝度レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、ＰＯＳＴからのデータを使用して４連結セットＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算する（図２、ステップ１０）。MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する（図２、ステップ１１〜１４）。外輪郭上の各ピクセルに関し、標準的な画像処理技術を使用してＰＯＳＴ画像中の対応するピクセルの勾配を計算する。MeanGradは、この計算された勾配値のセットの平均値と定義される。ヒストグラム解析を使用してＩmax及びＩminを決定する方法の一例が図８に示されている。病変を含む６４×６４ピクセルのサブ画像を乳房ＭＲＩポストコントラスト画像から切り取った。図８のグラフは、平滑化後の、切り取ったサブ画像内のピクセル輝度のヒストグラムを示す。ＭＲＩ画像中の各ピクセルは、０．４×０．４＝０．１６mm²にほぼ等しい面積をカバーする。各輝度レベルに関して、その輝度レベルを有するピクセルの数に０．１６mm²を掛けることにより、当該輝度レベルを有するピクセルのおおよその面積を計算する。各輝度レベルに関して、当該輝度レベル以上を有するピクセルのおおよその面積は、所与の輝度レベル以上であるすべての輝度レベルの面積を合計することによって計算される。一番右の縦棒によって示される輝度レベル１９６が、そのレベル以上のピクセルの面積が上記実施態様におけるパラメータＱに対応する２５mm²の面積を超えるような第一の輝度レベルである。中間の縦棒によって示される、Ｉmaxとして使用される輝度レベル１８３は、ヒストグラムがヒストグラムの右ピークでその最大値に達するところの輝度レベルである。Ｉmax以上の値を有するピクセルの面積は上記のように計算される。左の縦棒によって示される、Ｉminとして使用される輝度レベル７４は、そのレベル以上のピクセルの面積が、上記実施態様におけるパラメータＮに対応する、Ｉmax×因数４によって計算される面積を超えるような最高の輝度レベルである。

Ｉ_minは、Ｃ_Iminの関数がＣ_Imaxの関数を所定の倍数だけ超えるところ、すなわち関数（Ｃ_Imin）＞Ｎ*関数（Ｃ_Imax）であるところの最低輝度レベルとして設定される（図３、ステップ１〜７）。Ｉ_minを設定するための代替基準は、当業者の技能の範囲内で、文脈、クラスタサイズ、クラスタ数又はヒストグラム解析から決定することができる。

レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングＲＯＩＢ_Iを構築し、ＲＯＩの特徴を表す関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算する。一つの輝度レベルから次に低い輝度レベルまでの外輪郭の変化に依存して、最小バウンディングＲＯＩは、増大することもできるし、一定のままとどまることもできる。輝度レベルの低下が最小バウンディングＲＯＩの関数における変化を誘発するたび、ステップカウンタが増す。「ステップ特徴」は、Ｂ（Ｊ）＞Ｂ（旧）（Ｂ（旧）は、直前の最小バウンディングＲＯＩである）であるときステップの全数として出力されるステップカウンタの最終値である。そして、ステップの全数に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かな性質であるのかを判定する（図３、ステップ８〜１２）。また、ステップの全数の代わりに、ＲＯＩの特徴の変化に関連するもう一つの数値を使用することもできると考えられる。

図４及び５は、それぞれ、悪性病変及び良性病変の輪郭及びバウンディングＲＯＩ、この場合は長方形を示す。ボックス１は、輝度レベルＩ_maxにおけるクラスタを示す。クラスタ（直前の輝度レベルから加えられたピクセル）の成長が黒く示されている。直前のレベルから増大しているバウンディングボックスは実線の境界で示されている。増大していないバウンディングボックスは点線の境界で示されている。

二つの病変は、ＭＲＩ画像上で同等なサイズ、形状及び輝度範囲を有している。しかし、悪性病変は１２のステップ（異なるボックス）を示し、良性の病変は三つのそのようなステップを示す。

良性の症例でさえ、クラスタの成長が多くの輝度レベルで起こるということに注目すること。ノイズの多い画像では、クラスタの成長は、下にある検査対象の生理学的対象物の特徴にかかわらず、実質的にあらゆる輝度レベルで起こる。ステップ特徴は、クラスタ成長における小さな偶発的変化の多くをフィルタリングし、境界標の配置に対して比較的鈍感である。

悪性乳房病変から良性乳房病変を識別するための本発明の妥当性確認
データは、乳房ＭＲＩのためのコンピュータ援用診断（ＣＡＤ）システムを開発し、評価するために米国国立がん研究所（ＮＣＩ）によって交付された助成金Ｒ４４ＣＡ８５１０１の下で実施された研究から得たものである。

６種の異なる画像診断システム／プロトコルを使用する５カ所の施設から１６９症例の乳房ＭＲＩ画像を収集した。３５名の放射線専門医がこの研究に参加し、それぞれが６０症例を解釈した。各放射線専門医によって診断された症例の約１／２はがんであり、症例の約１／２は良性であった。すべての症例を生検的に実証した。各症例は、最低６名、最大１９名の放射線専門医によって解釈された。複数の閲覧者は、各症例に関して境界標のサンプル、ひいてはステップ関数値のサンプルを生じさせた。

ＣＡＤシステムは、ステップ関数を計算し、９ステップのしきい値を使用して値をバイナリ輝度特徴に変換した。ステップ≦９が輝度＝０を生じさせ、ステップ＞９が輝度＝１を生じさせた。真の病理と比較した場合の予測病理の精度を使用して、輝度及びステップ関数両方に関する放射線専門医たちの解釈の性能を評価した。本発明から生成されたステップ関数は、３５の試験のうち３４で放射線専門医よりも正確であった。ステップ関数の平均精度は６６％であった。放射線専門医の輝度解釈の平均精度は５６％であった。精度を以下の表１に示し、また、図６でグラフにして示す。

ＮＣＩ支援研究の目標は、偏りのない試験画像のセットを得ることであった。この目標にもかかわらず、試験セット中のがん病変は、試験セット中の良性病変よりも統計的に著しい量だけ大きかった。ステップの数から導出した見かけ識別が試験セット中の病変サイズ偏りの直接的な結果であるかどうかを判定するために、解析を実施した。

放射線専門医によって解釈された病変サイズは、放射線専門医によって病変の周囲に描かれた長方形の対象領域（ＲＯＩ）の（面積＝幅×高さ）であると推定した。非常に大きな病変及び非常に小さな病変の影響を減らし、各症例のステップの数に関して閲覧者の間でコンセンサスを強要するため、解析は、以下の基準を満たす評価に限定した。
ＲＯＩ＿Ａｒｅａ＞＝３００ピクセル
ＲＯＩ＿Ａｒｅａ＜＝１８００ピクセル、及び
ステップ数＝当該症例を解釈した閲覧者のコンセンサス（モード）ステップ数
１３８の症例（良性６９、がん６９）が、この基準を満たすＲＯＩ及び閲覧者の間のステップ数に関する非曖昧モードを有するものであった。

各症例に関し、評価基準を満たした放射線専門医に関して平均ＲＯＩ＿ａｒｅａを計算した。がん及び良性の場合の平均ＲＯＩ＿ａｒｅａは以下のとおりであった。
がん：９８７ピクセル、及び
良性：８７７ピクセル

サイズの差が依然としてあったが、両側ｔ検定をｐ＝０．０５で使用した場合、この差は統計的に有意ではなかった。

１３８の症例それぞれにコンセンサス（モード）ステップを使用すると、がん及び良性の場合の平均ステップ数は以下のとおりであった。
がん：１０．９、及び
良性：７．３

この差は統計的に有意であった（ｐ値＜０．０００１）。

ステップ特徴が、他の公知の識別的特徴から比較的独立しながらも、ＭＲＩ上で悪性乳房病変から良性乳房病変を識別するのにこれほど効果的である理由は十分には理解されていない。ステップ特徴は、それぞれが識別的である勾配、形状、輝度及びサイズの態様を組み合わせ、また、以下の要因がステップ特徴で役割を演じると推測される。

良性病変は、多くの場合、悪性病変よりも鋭いエッジ（急峻な勾配）を有すると考えられている。これは、おそらくは、ＭＲＩ上で境界を不明瞭に見せる悪性病変の血管形成によるものである。他方、良性病変と周囲の組織との間のシャープな画定は急峻な勾配を生じさせる。より鋭い良性病変のエッジは、最大輝度に達するまでに、より大きくかつより少ないステップを示させる。

悪性病変は、多くの場合、良性病変よりも強いソースシグナルを有すると考えられている。強いソースシグナルは、ステップが生じる機会をより多く生じさせることができる。

ソースシグナルが表示装置上で画像輝度に変換されると、良性の病変が伸縮されて（ウィンドウイングされて）、悪性病変の輝度範囲に匹敵しうる表示可能な輝度範囲の一部を満たす。悪性病変が強いソースシグナルを有するならば、悪性病変は、表示のために低輝度の良性病変と同じ程度に伸縮される必要はない。低輝度シグナルの伸縮は、低位ビットを出力シグナルに加える効果を有する。画像が６４輝度レベルに及ぶならば、それは６ビットによって表すことができ、伸縮された画像が２５６レベルに及ぶならば、それは８ビットのデータを要する。２個の低位ビットの包含はノイズを混入させ、それがより多くのステップの追加を生じさせ、計測された勾配の識別効果の一部を実質的に隠蔽するおそれがある。クラスタの変化ではなく輪郭から導出された長方形ＲＯＩの変化の評価は、伸縮処理によって導入されるノイズの影響の一部を軽減する。特に、クラスタの境界又はそれに隣接して位置し、かつ長方形ＲＯＩの中に正しく位置するピクセル上のノイズは、多くの場合、クラスタ形状には影響するが、ＲＯＩ形状には影響しない。

悪性病変は、良性病変よりも多くの針骨形状及び不規則さを有する傾向にある。これらの針骨形状における成長は、良性病変における成長の場合よりも多数の変化を長方形の枠の中に誘発するおそれがある。

上記のように、画像化された悪性病変は一般に、画像化された良性病変よりも大きくなることができる。これは、より小さなサイズででも視認可能にする良性病変のより鋭い勾配及び患者来診間のより急速な悪性病変の成長をはじめとする多様な理由によることができる。より大きな悪性病変は、ステップが生じる機会をより多く生じさせる。上記で提示した解析は、これが唯一の識別要因ではないが、それでも、この特徴の有効性に寄与する一因であるかもしれないことを示唆する。

次に図７を参照すると、本発明の一つの実施態様の製品又はコンピュータプログラム製品１０００が示されている。コンピュータプログラム製品１０００は、記録媒体１００２、たとえばフロッピーディスク、光学読み取りコンパクトディスクもしくはＣＤ−ＲＯＭの形態の大容量読み取り専用メモリ、テープ、伝送タイプ媒体、たとえばデジタルもしくはアナログ通信リンク又は同様なコンピュータプログラム製品を含む。記録媒体１００２は、本発明の実施態様にしたがって画像評価法を具現化する方法を実施するためのプログラム手段１００４、１００６、１００８及び１０１０をその上に記憶している。

記録されたプログラム手段１００４、１００６、１００８、１０１０によって画定された一連のプログラム命令又は一つ以上の相関モジュールの論理的アセンブリが、画像評価システム１００に対し、本発明の実施態様の画像評価を実施するよう指示する。

本発明のもう一つの実施態様によると、取得したソースデータに基づいて、大きな乳房区域、さらには乳房全体に関して診断情報を作成することができる。以下、この実施態様を、乳房の断面「スライス」、すなわち二つの平行面によって画定される薄い領域から得られた二次元ソースデータに関して説明する。このデータは、おそらくは２５６×２５６ピクセルの寸法であるピクセルのマトリックス、すなわち格子状配列によって構成される。各ピクセルは、マトリックス内の対応する点における画像輝度を表す値を有する。

ここで考察する実施態様によると、マトリックス中の各ピクセルを出発点又は境界標として使用して、先に本明細書で記載した処理手順を実行することができる。その結果、各ピクセルｐに関し、輝度レベル範囲Ｉ_max（ｐ）〜Ｉ_min（ｐ）で処理手順を実施したとき生じるステップの数（バウンディングボックスサイズの変化の数）に等しい数値又はステップ値が生成される。

その結果、元のマトリックス中の各ピクセルに関するステップ値を含むデータのセットが得られる。

次いで、同じステップ値を有する隣接ピクセル位置をクラスタに分類し、ステップ値を範囲、たとえば＞９及び≦９に分割し、ステップ値＞９を有する各クラスタが第一の色、たとえば赤で表示され、ステップ値≦９を有する各クラスタが第二の色、たとえば白で表示されるところの「スライス」のマップを作成する。あるいはまた、ステップ値≦９を有する各クラスタを透明に設定して、元の画像で示されたピクセル輝度を見せてもよい。

当然、ステップ値を、それぞれが別個の色に対応する、より多数の範囲に分割することが望ましいかもしれない。各色は、当該区域が悪性である異なる可能性を表し、その場合、ステップ値の数が大きければ大きいほど、悪性である公算が高くなるであろう。

この代替実施態様によると、各ピクセルに関してステップ値を決定しないことにより、必要なコンピューティング能力及び処理時間を減らすことができる。その代わりに、ピクセルのクラスタに関して代表的なステップ値を計算し、その代表的なステップ値をそのクラスタ中の各ピクセルに割り当てる。

より具体的には、処理手順のはじめに、ＳＵＢ画像からのデータを使用して、最高の輝度値を有するピクセルの４連結クラスタを構築する。そのようなクラスタそれぞれを評価して、それがユーザ画定パラメータの最低基準を満たすかどうかを判定する。具体的には、クラスタは、以下の最低基準を満たさなければならない。（１）クラスタ中のピクセルの数に、ピクセルサイズを画像化された対象の物理的サイズに相関させる係数を掛けた場合（たとえば、各ピクセルは、対象上で０．８mm²の物理的面積に相当することができる）、その積は、パラメータによって設定された最小値（たとえば２５mm²）以上でなければならず、（２）クラスタ中の各ピクセルに関して、まず、ＰＯＳＴのピクセル値からＰＲＥのピクセル値を引き、次いでその差をＰＲＥの値で割ることにより、ＰＲＥに対するＰＯＳＴの増強率を決定し、クラスタ内のすべてのピクセルについて平均増強率を計算し、その平均が、パラメータによって設定された最小値（たとえば８０％）以上でなければならない。最低基準を満たすクラスタがないならば、次に低い輝度値のクラスタを試験する。クラスタが最低基準を満たすところの輝度レベルが見つかるまでこのプロセスを継続する。いかなる輝度レベルに関しても最低基準を満たすクラスタがないならば、その画像中のすべてのピクセルにステップ値０を割り当てる。

この反復プロセスのいずれかの輝度レベルで多数のクラスタが最低基準を満たすならば、最大サイズのクラスタを処理手順中で出発クラスタとして使用し、このクラスタが計算されたところの輝度レベルを「出発輝度レベル」とする。ひとたび出発クラスタが決定したならば、そのクラスタを埋めて、クラスタの境界内に位置するすべてのピクセルを含める。次いで、ＰＯＳＴ画像からのデータを使用してクラスタの周囲の平均勾配を計算する。次いで、出発クラスタに隣接する、次に低い輝度レベルの輝度値（「出発輝度レベル」−１）を有するすべてのピクセルを加えることによってクラスタを成長させる。次いで、成長したクラスタの平均勾配を計算し、出発クラスタの平均勾配と比較する。成長したクラスタの平均勾配が出発クラスタの平均勾配よりも小さいならば、Ｉ_maxを「出発輝度レベル」に等しく設定する。成長したクラスタの平均勾配が出発クラスタの平均勾配よりも大きいならば、成長したクラスタを新たな出発クラスタとして使用し、次に低い輝度レベルを新たな出発輝度レベルとして使用し、この低下した輝度レベルで処理手順を継続する。

ひとたびＩ_maxが設定されると、原出願で記載されているように、Ｉ_minを決定し、Ｉ_maxとＩ_minとの間でバウンディングボックス中の変化の数としてステップ値を計算することにより、処理手順を続行する。Ｉ_maxにおける埋められたクラスタ内のすべてのピクセルに対し、この方法で計算したステップ値に等しいステップ値を割り当てる。本研究に基づくと、Ｉ_maxは、対象上の４００mm²以下の物理的面積に対応するＲＯＩに対応すると考えられる。

そして、プロセスは、同じ処理手順を使用して繰り返されるが、ステップ値を割り当てられているすべてのピクセルを除外してもよいし、除外しなくてもよい。実例として、Ｉ_maxにおける埋められたクラスタの所与の面積は、ソースデータ画像上で１００mm²以上の寸法を有することができる。そして、得られたデータを上記のように処理して、所望のマップ及び対応するカラーコード化表示を生成する。

上記説明は、２次元スライスにおけるクラスタの関数の点で識別的特徴を明確に述べたものである。本発明は、個々のスライスにおける関数のセットにおける一つ以上の統計値を画定することにより、２次元スライスのセットに拡張することができる。たとえば、一つの統計値は、２次元スライスのセットに対する最大関数値であってもよい。この統計値は、もっともがん様の特徴を有する乳房中の増強を特定するために使用することもできるし、特定の病変ではなく乳房ががんを含む可能性を評価するのに有用であることもできる。第二の統計値は、何らかのしきい値を超える関数値を有するクラスタの空間的分布の尺度であってもよい。このような尺度は、たとえば、３次元乳房内に位置する、ステップカウント９を超える増強の中心の垂直方向位置の標準偏差であってもよい。この統計値は、がんを含むわけではないが、乳房全体に延展した疑わしく見えるパターンを示す乳房を特定するのに有用であるかもしれない。

本発明の処理手順は、当該技術で公知の技術、たとえばＣＧＩ分野で用いられている技術を使用して三次元ステップ値マップ及び結果的な表示を作成するために適合させることができる。

本発明の有意な利点は、それが「ブルーミング効果」を明らかにするために使用される方法によって生成される情報に少なくとも匹敵しうる情報を提供するということにあることがわかった。これは、Fischerらによる文献「Is the ‘blooming sign’ a promising additional tool to determine malignancy in MR mammography」Eur. Radiol (2004) 14: 394-401（２００３年９月２７日オンライン出版、Springer-Verlag）に記載されている運動論的方法である。この方法は、一定期間、たとえば１分間隔で８分間に得られたいくつかの画像からのデータに基づく。このためには、患者は、その全期間中、じっとしていることを要求され、少しでも動くと、得られる情報の信頼性が低下する。対照的に、本発明は、最大で２セット、すなわち増強剤注入前の１セット、注入後の１セットのソースデータしか要らない。実際に、本発明は、注入後の１タイムフレームだけで取得された画像データに基づいて実施することもできる。

計測境界標の決定に関連して、対象外の区域に関するデータを消去又はフィルタリングすることが有利であろう。たとえば、検査区域が乳房である場合、乳房の外面は、増強点として解釈されるであろう画像データを生成することができる。このデータをフィルタリングすることができる。同様に、胸壁内の領域に関するデータをフィルタリングすることができる。

Ｉ_maxとして使用するための、局所勾配に基づく値を決定するための処理手順では、第一の最大勾配値を特定したのち、ずっと低いピクセル輝度の領域で第二の最大勾配値に遭遇することがある。これが起こるならば、Ｉ_max値は、遭遇される第一の最大勾配に基づいて決定される。他方、第一の最大勾配値に対応するピクセル強度よりもわずかに低いピクセル強度の領域で第二の最大勾配値に遭遇するならば、Ｉ_max値は、遭遇される第二の最大勾配に基づいて決定することもできる。

図９は、本発明の種々の特徴及び利点を示すチャートであり、図１０〜１３は、図９の個々のパネルを再現したものである。図１４は、本発明にしたがって生成された診断結果を示す表示装置のスクリーンキャプチャである。

当業者には、本明細書で述べる画像評価法を他の評価法と組み合わせてさらに高精度の結果を提供することができるということが理解されよう。

特定の実施態様の前記説明が本発明の一般的性質を十分に明らかにするため、他者は、現在の知識を応用することにより、過度な実験を実施することなく、かつ一般的概念を逸することなく、そのような特定の実施態様を様々な用途に合わせて容易に変形及び／又は適合させることができ、したがって、そのような適合及び変形は、開示された実施態様の均等物の意味及び範囲に包含されるものと解釈される。本明細書で使用する術語又は専門用語は、説明のための語であり、限定のための語ではないことが理解されよう。開示された様々な機能を実行するための手段、用具及びステップは、本発明を逸することなく、代替形態をとることができる。

したがって、明細書及び／又は請求の範囲で見られる「〜するための手段」などの表現又は方法ステップの言い回しは、それに続く機能的記述を伴って、現在又は将来に存在することができる、述べられた機能を実施する構造的、物理的、化学的又は電気的要素もしくは構造又は方法ステップを、明細書で開示された実施態様と厳密に均等であるかどうかにかかわらず、定義し、包含することを意図し、すなわち、同じ機能を実施するための他の手段又はステップを使用することができ、そのような表現がもっとも広い解釈を与えられることを意図する。

図１は、本発明の一つの実施態様の画像診断装置又はピクチャアーカイビングシステム及びコンピュータシステムの図である。本発明の一つの実施態様にしたがって初期化を実行し、Ｉ_MAXを計算する方法のフローチャートである。本発明の一つの実施態様にしたがってＩ_MAX及び数値ステップを計算する方法のフローチャートである。本発明の一つの実施態様の、悪性病変の場合のクラスタ及びバウンディングボックスを示す図である。本発明の一つの実施態様の、良性病変の場合のクラスタ及びバウンディングボックスを示す図である。多施設治験で試験した３５人の放射線専門医のうち３４人よりも本発明のほうがＭＲＩ上で画像輝度に基づいて悪性乳房病変から良性乳房病変を識別するのに優れていることを示すグラフである。本発明の一つの実施態様のコンピュータプログラム製品を示すブロック図である。ヒストグラム解析を使用してＩmax及びＩminを決定する方法の一例を示す図である。本発明の様々な特徴及び利点を示す表示画面を複製したものである。図９のパネルの一つを再現したものである。図９のパネルの一つを再現したものである。図９のパネルの一つを再現したものである。図９のパネルの一つを再現したものである。本発明にしたがって生成された診断表示を示すスクリーンキャプチャである。

Claims

身体領域の画像を評価する方法であって、画像の少なくとも一つが起こりうる病変を示唆する異常を示すものであり、
各画像中の、そのような異常を示すピクセルの位置を決定するステップ、
輝度レベルＩの各セットに関して、決定するステップで決定された位置におけるピクセルを含むクラスタの周囲の輪郭を決定するステップ、
ネストされたシーケンスで各輪郭の個別の特徴を識別する関数Ｆを画定するステップ、
各輝度レベルにおける輪郭の範囲で関数Ｆの値の変化を特徴づけるために使用される関数Ｇを画定するステップ、及び
関数Ｇの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変を、良性である可能性が高いもの又はがん性である可能性が高いものとして特定するステップ
を含む方法。
輪郭を画定するステップが、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するステップを含む、請求項１記載の方法。
関数Ｆを画定するステップが、関数Ｆ（Ｃ）＝面積（Ｂ）（Ｂは、クラスタの周囲に形成された幾何学的輪郭である）を画定するステップを含む、請求項１記載の方法。
幾何学的輪郭が２又は３次元の長方形ボックスである、請求項３記載の方法。
少なくとも一つのしきい値を９に設定して悪性病変から良性病変を識別する、請求項１記載の方法。
関数Ｇが、各輝度レベルにおける輪郭の範囲で関数Ｆの値の変化の数を反映する、請求項１記載の方法。
０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉをそれぞれが有する複数のピクセルを含む画像の中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法であって、
画像中の病変内で境界標ピクセルを画定するステップ、
０〜２^N−１の範囲の可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲にクラスタを成長させるステップ、
セット中の各輝度レベルで当該輝度レベルでクラスタを含む最小ポリゴンであるような対象領域を構築するステップ、
セット中の各輝度レベルに関して最小ポリゴンの特徴値を計算するステップ、
輝度レベルの範囲で特徴値の変化に関連する数値を決定するステップ、及び
輝度レベルの範囲で特徴値の変化に関連する数値に応答して、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。
特徴値の変化、決定するステップで決定された身体領域内の複数の病変を示すピクセルのしきい値及び位置、病変内の輝度レベルの数ならびに病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するステップをさらに含む、請求項７記載の方法。
最小ポリゴンが２次元であり、計算するステップで計算された特徴が最小ポリゴンの面積である、請求項７記載の方法。
最小ポリゴンが３次元であり、計算するステップで計算された特徴が最小ポリゴンの体積である、請求項７記載の方法。
２^N＝２５６である、請求項７記載の方法。
最小ポリゴンが長方形である、請求項９記載の方法。
最小ポリゴンが長方形ボックスである、請求項１０記載の方法。
画像を評価する方法であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を収集するステップ、
ポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて、差し引き画像のピクセル輝度を得るステップ、
病変を包囲する対象領域を選択するステップ、
一つ以上のピクセルからなることができる境界標を対象領域内に設定するステップ、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続するステップ、
Ｉ_max及びＩ_minを決定するステップ、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算するステップ、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すステップ、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力するステップ、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。
１タイムフレーム中のポスト画像が、１タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項１４記載の方法。
パラメータＱ及びＮをＱ＝２５mm²及びＮ＝４であるように設定することをさらに含む、請求項１４記載の方法。
対象領域を選択するステップが、ユーザによって設定された対象領域を入力装置を介して入力することを含む、請求項１４記載の方法。
対象領域を選択するステップが、画像処理及び／又はヒストグラム解析から対象領域を自動的に決定することを含む、請求項１４記載の方法。
２次元が画像中に反映される場合、Ｍが、４又は８からなる群より選択され、関数が面積である、請求項１０記載の方法。
３次元が画像中に反映される場合、Ｍが、６又は１８又は２６からなる群より選択され、関数が体積である、請求項１０記載の方法。
Ｉ_min及びＩ_maxを、以下のようにして、すなわち
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算し（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）、
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定する
ことによって決定する、請求項１０記載の方法。
ヒストグラム解析を使用してＩ_min及びＩ_maxを決定する、請求項１０記載の方法。
メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが病変を含むものであり、
病変中のピクセルの位置を決定するための第一のプログラム論理、
輝度レベルＩの各セットに関して、決定するステップで特定されたピクセルを含むクラスタの周囲の輪郭を決定するための第二のプログラム論理、
ネストされたシーケンス中の各輪郭の個別の特徴を識別する関数Ｆを画定するための第三のプログラム論理、
各輝度レベルでの輪郭の範囲で関数Ｆの値の変化を特徴づけるための使用される関数Ｇを画定するための第四のプログラム論理、及び
関数Ｇに応じた特徴を、関数Ｇの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、良性である可能性が高いもの又はがん性である可能性が高いものと特定するための第五のプログラム論理
を含むソフトウェア。
第二のプログラム論理が、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するための第六のプログラム論理を含む、請求項２３記載のソフトウェア。
第三のプログラム論理が、関数Ｆ（Ｃ）＝面積（Ｂ）（Ｂは、クラスタの周囲に形成された幾何学的輪郭である）を画定する第七のプログラム論理を含む、請求項２３記載のソフトウェア。
幾何学的輪郭が２又は３次元の長方形ボックスである、請求項２５記載のソフトウェア。
悪性病変から良性病変を識別するために少なくとも一つのしきい値が９に設定されている、請求項２３記載のソフトウェア。
関数Ｇが、各輝度レベルでの輪郭の範囲で関数Ｆの値の変化の数を反映する、請求項２３記載のソフトウェア。
メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像が複数のピクセルを含み、各ピクセルが、０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有するものであり、
画像中の病変内の境界標ピクセルを画定するための第一のプログラム論理、
０〜２^N−１の範囲の可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲のクラスタを成長させるための第二のプログラム論理、
セット中の各輝度レベルに関して、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築するための第三のプログラム論理、
セット中の輝度レベルの各セットで最小ポリゴンの特徴値を計算するための第四のプログラム論理、
輝度レベルの範囲で特徴値の変化に関連する数値を決定するための第五のプログラム論理、及び
輝度値の範囲で特徴値の変化に関連する数に応じて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定するための第六のプログラム論理
を含むソフトウェア。
対象領域の面積の値の変化に基づく、又は決定するステップで決定された身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づく関数、病変内の輝度レベルの数値及び病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するための第七のプログラム論理をさらに含む、請求項２９記載のソフトウェア。
最小ポリゴンが２次元であり、計算ステップで計算される特徴が最小ポリゴンの面積である、請求項２９記載のソフトウェア。
最小ポリゴンが３次元であり、計算ステップで計算される特徴が最小ポリゴンの体積である、請求項２９記載のソフトウェア。
２^N＝２５６である、請求項２９記載のソフトウェア。
最小ポリゴンが長方形である、請求項３１記載のソフトウェア。
最小ポリゴンが長方形ボックスである、請求項３２記載のソフトウェア。
メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるための第一のプログラム論理、
ポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るための第二のプログラム論理、
少なくとも一つの病変を包囲する対象領域を選択するための第三のプログラム論理、
対象領域内で境界標を設定するための第四のプログラム論理、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して、２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、少なくとも一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続するための第五のプログラム論理、
Ｉ_maxを決定するための第六のプログラム論理、
Ｉ_minを決定するための第七のプログラム論理、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算するための第八のプログラム論理、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すための第九のプログラム論理、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力するための第十のプログラム論理、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するための第十一のプログラム論理
を含むソフトウェア。
１タイムフレーム中のポスト画像が、１タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項３６記載のソフトウェア。
パラメータＱ及びＮをＱ＝２５mm²及びＮ＝４であるように設定するための第十二のプログラム論理をさらに含む、請求項３６記載のソフトウェア。
第一のプログラム論理が、ユーザによって設定された対象領域を入力装置を介して入力するための第十三のプログラム論理を含む、請求項３６記載のソフトウェア。
第一のプログラム論理が、画像処理及び／又はヒストグラム解析から対象領域を自動的に決定するための第十四のプログラム論理を含む、請求項３６記載のソフトウェア。
２次元が画像中に反映される場合、Ｍが、４又は８からなる群より選択され、関数が面積である、請求項３６記載のソフトウェア。
３次元が画像中に反映される場合、Ｍが、６又は１８又は２６からなる群より選択され、関数が体積である、請求項３６記載のソフトウェア。
第六及び第七のプログラム論理が、Ｉ_min及び値Ｉ_maxを決定するための、以下のようなプログラム論理、すなわち
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算する（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）ための第十五のプログラム論理、及び
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定するための第十六のプログラム論理
を含む、請求項３６記載のソフトウェア。
第六及び第七のプログラム論理が、ヒストグラム解析を使用してＩ_min及びＩ_maxを決定するための第十五のプログラム論理を含む、請求項３６記載のソフトウェア。
画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが病変を含むものであり、
病変中のピクセルの位置を決定し、
輝度レベルＩの各セットに関して、決定するステップで特定されたピクセルを含むクラスタの周囲の輪郭を決定し、
ネストされたシーケンス中の各輪郭の個別の特徴を識別する関数Ｆを画定し、
各輝度レベルでの輪郭の範囲で関数Ｆの値の変化を特徴づけるための使用される関数Ｇを画定し、
関数Ｇに応じた特徴を、関数Ｇの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、良性である可能性が高いもの又はがん性である可能性が高いものと特定する
ための一連の命令を含むコンピュータプログラム製品。
輪郭を決定するための命令が、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するための命令を含む、請求項４５記載のコンピュータプログラム製品。
関数Ｆを画定するための命令が、関数Ｆ（Ｃ）＝面積（Ｂ）（Ｂは、クラスタの周囲に形成された幾何学的輪郭である）を画定するための命令を含む、請求項４５記載のコンピュータプログラム製品。
幾何学的輪郭が２又は３次元の長方形ボックスである、請求項４５記載のコンピュータプログラム製品。
悪性病変から良性病変を識別するために少なくとも一つのしきい値が９に設定されている、請求項４５記載のコンピュータプログラム製品。
関数Ｇが、各輝度レベルでの輪郭の範囲で関数Ｆの値の変化の数を反映する、請求項４５記載のコンピュータプログラム製品。
画像中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像が複数のピクセルを含み、各ピクセルが、０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有するものであり、
画像中の病変内に境界標ピクセルを画定し、
０〜２^N−１の範囲の可能な輝度値のセット中の各輝度値に関して病変を含む境界標ピクセルの周囲のクラスタを成長させ、
セット中の各輝度レベルで、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築し、
セット中の各輝度レベルで最小ポリゴンの特徴値を計算し、
輝度レベルの範囲で特徴値の変化に関連する数値を決定し、及び
輝度レベルの範囲で特徴値の変化に関連する数に応じて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。
決定するための命令によって決定された対象領域の面積の値の変化に基づく関数、病変内の輝度レベルの数及び病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するための命令をさらに含む、請求項５１記載のコンピュータプログラム製品。
最小ポリゴンが２次元であり、計算するステップで計算される特徴が最小ポリゴンの面積である、請求項５１記載のコンピュータプログラム製品。
最小ポリゴンが３次元であり、計算するステップで計算される特徴が最小ポリゴンの体積である、請求項５１記載のコンピュータ。
２^N＝２５６である、請求項５１記載のコンピュータ。
最小ポリゴンが長方形である、請求項５３記載の方法。
最小ポリゴンが長方形ボックスである、請求項５４記載のコンピュータ。
画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集め、
１タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得、
病変を包囲する対象領域を選択し、
対象領域内で境界標を設定し、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して、２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、少なくとも一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続し、
Ｉ_maxを決定し、
Ｉ_minを決定し、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算し、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増し、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力し、
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。
１タイムフレーム中のポスト画像が、１タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項５８記載のコンピュータプログラム製品。
パラメータＱ及びＮをＱ＝２５mm²及びＮ＝４であるように設定するための命令をさらに含む、請求項５８記載のコンピュータプログラム製品。
対象領域を選択するための命令が、ユーザによって設定された対象領域を入力装置を介して入力するための命令を含む、請求項５８記載のコンピュータプログラム製品。
対象領域を選択するための命令が、画像処理及び／又はヒストグラム解析から対象領域を自動的に決定するための命令を含む、請求項５８記載のコンピュータプログラム製品。
２次元が画像中に反映される場合、Ｍが、４又は８からなる群より選択され、関数が面積である、請求項５８記載のコンピュータプログラム製品。
３次元が画像中に反映される場合、Ｍが、６又は１８又は２６からなる群より選択され、関数が体積である、請求項５８記載のコンピュータプログラム製品。
Ｉ_max及び値Ｉ_minを決定するステップが、
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算すること（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）、及び
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定すること
を含む、請求項５８記載のコンピュータプログラム製品。
Ｉ_max及びＩ_minを決定するステップがヒストグラム解析を使用する、請求項５８記載のコンピュータプログラム製品。
画像を評価する方法であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるステップ、
１タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るステップ、
病変を包囲する対象領域を選択するステップ、
対象領域内で境界標を設定するステップ、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して、２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続するステップ、
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算するステップ（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定するステップ、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算するステップ、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すステップ、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力するステップ、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。
メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるための第一のプログラム論理、
１タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るための第二のプログラム論理、
病変を包囲する対象領域を選択するための第三のプログラム論理、
対象領域内で境界標を設定するための第四のプログラム論理、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して、２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、少なくとも一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続するための第五のプログラム論理、
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算する（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）ための第六のプログラム論理、
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定するための第七のプログラム論理、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算するための第八のプログラム論理、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すための第九のプログラム論理、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力するための第十のプログラム論理、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するための第十一のプログラム論理
を含むソフトウェア。
画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された１タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集め、
１タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得、
病変を包囲する対象領域を選択し、
対象領域内で境界標を設定し、
レベルＩ＝Ｉ（Ｌ）から出発し、ステップごとにＩを減らしながら、Ｌに対してＭ連結し（Ｍは、画像中に反映される次元の数に依存して、２の整数倍である）、輝度レベル＞＝Ｉを有するピクセルのクラスタを構築し（Ｉ（Ｌ）は、クラスタが、単調に増大するセット｛Ｃ_N、Ｃ_N-1、…｝（関数（Ｃ_N）＜＝関数（Ｃ_N-1）＜＝…、関数は、少なくとも一部には、画像に反映される次元の数に依存する）を形成するような境界標におけるピクセル輝度を示す）、輝度レベルがII（関数（Ｃ_II）＞＝Ｑ、Ｑは所定の値である）に等しくなるまでこのプロセスを継続し、
レベルＪ＝IIから出発し、ステップごとにＪだけ減らしながら、１タイムフレーム中のポスト画像からのデータを使用してＣ_Jの境界の平均勾配（MeanGrad（Ｊ））を計算し（MeanGradが最大であるところの輝度レベルがレベルＩ_maxを画定する）、
Ｉ_minを、Ｃ_Iminの面積がＣ_Imaxの面積×所定の数値を超える（関数（Ｃ_Imin）＞Ｎ^＊関数（Ｃ_Imax））ところの最高輝度レベルとして設定し、
レベルＩ＝Ｉ_maxから出発し、Ｉ＝Ｉ_minまで減らしながら、Ｃ_Iの周囲の最小バウンディングボックスＢ_Iを構築し、ボックスの関数Ｂ_Imax⊆Ｂ_Imax-1⊆…（関数（Ｂ_Imax）≦関数（Ｂ_Imax-1）≦…）を計算し、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増し、
Ｂ（Ｊ）＞Ｂ（直前のバウンディングボックス）であるときのステップの全数を出力し、
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。
画像の少なくとも一つが、図示及び／又は説明するような病変を含む、画像を評価する方法。
メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが、図示及び／又は説明するような病変を含むものであるソフトウェア。
画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが病変を含むものであり、図示及び／又は説明するような一連の命令を含むコンピュータプログラム製品。
患者の体の一部における一つ以上の病変を含む画像を評価する方法であって、画像がピクセルのマトリックスからなるものであり、各ピクセルが、病変の存在又は非存在を示す輝度を有するものであり、
画像中の複数の対象領域を特定するステップ、及び
各対象領域に関して請求項１記載の方法を実行するステップ
を含む方法。
画像中の複数の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法であって、画像が複数のピクセルを含み、各ピクセルが、０≦Ｉ＜２^N（Ｎは整数＞１である）の範囲の特定の輝度Ｉを有するものであり、
画像中の複数の対象領域を特定するステップ、及び
各対象領域に関して請求項８記載の方法を実行するステップ
を含む方法。
第三のプログラム論理が、それぞれが病変を包囲する複数の対象領域を選択する、複数の病変の画像を評価するための請求項３６記載のソフトウェア。