JP2008521468A - デジタル医療画像分析 - Google Patents

Abstract

医療画像（４０４）を、入力パラメータ（４０６）を要求するアルゴリズム（４０８）を用いて分析する。その値は、画像（４０４）の特性を示すメタデータ（４０２）から誘導される。メタデータは、取込み装置（１０２）の型、又は画像（４０４）を生成するのに用いられた設定を示すものであってよく、及び／又は、画像（４０４）を取込んだ患者に関するものであってよい。これにより、パラメータに関する最適値を選択することができる。

Description

本発明は、特にコンピュータで実行されるアルゴリズムによる、デジタル医療画像分析に関する。

医療画像は、外科手術の計画と共に、病気の処置に応じた、検出、診断及び評価を行う貴重なツールである。投影Ｘ線、コンピュータ断層撮影（ＣＴ）、超音波（ＵＳ）、ポジトロン放射断層撮影（ＰＥＴ）、及び磁気共鳴影像法（ＭＲＩ）を含む、これらの画像を生成するための様々な物理学的技術または方法が開発されてきた。従来、これらの画像は、訓練された放射線技師又は他の医師によって精査されていた。画像は、デジタル生成（ＵＳ、ＣＴおよびＭＲＩ）したもの、又はアナログ画像（フィルム）をデジタル化したものであってよい。デジタル化した画像は精査され、注釈が施され、放射線技師又は医師によって報告が作成される。全ての生成データは、後の検索および分析に備えて記憶される。
米国特許第５２３５５１０号明細書

ユーザの作業は、視覚化するアプリケーションソフトウェアによる画像の精査により容易となり、また、分析ツールがこれらの画像を２、３及び４次元（時間で変化する画像用）で操作し評価する。しかしながら、評価処理では、人間の知覚においては一般的な制約により、病変を見過ごすことがあり得る。この知覚の問題は、放射線科医又は臨床医が精査可能な情報量が依然増加しつづけていることにより、悪化している。今や、情報が集中しているにも関わらず、リソース及び時間が限られた放射線科医が従事する環境において、彼らは素早い決定をするよう強いられており、潜在的に過誤率の増加につながっている。

コンピュータ援用検出及び診断（ＣＡＤ）ソフトウェアが設計されてきており、人間の知覚によるエラーを減ずると共に、情報集中環境において放射線科医又は他の臨床医の生産性を向上すべくなされている。これにより、ユーザに代わって平凡な作業（例えば自動測定）を自動的に実行し、放射線科医の限られた時間を解釈に集中させる。ＣＡＤソフトウェアは、自動的又は半自動的に病変の検出測定を行い、病変の特性を調べ、病気の一時的進退を測定し、ＣＡＤ情報に基づき外科手術を計画することができる。たとえば、出願人のＭｅｄｉｃＨｅａｒｔ（登録商標）、ＭｅｄｉｃＬｕｎｇ（登録商標）、ＭｅｃｉｄＣｏｌｏｎ（登録商標）診断ソフトウェアは、心臓、肺、大腸のＣＴスキャンをそれぞれ半自動的又は自動的に診断する。

ＣＡＤソフトウェアは、アルゴリズムを使用して所与の医療画像を分析する。どのアルゴリズムも、あらゆるタイプの医療画像を正確に分析するほど能力は高くない。例えば、肺の病変構造は、大腸のそれとは異なる画像特性を有する。異なる方法又は異なる方法の組合わせ（例えば、ＭＲＩ、ＣＴ、ＵＳ）により得られた画像は、異なる解像度及びが像特性を有し、よって、その分析にはより特定のアルゴリズムを要する。特定の病状又は測定方法の要求の応えるべく設計されたＣＡＤアルゴリズムを選択する場合、ＣＡＤソフトウェアのユーザは、より特定の設計のアルゴリズムを選択するものであろうし（例えば、臨床的条件、測定方法、又は主眼となる解剖学的構造のデータセットによる）、そのタイプの画像を分析するのに適切なアルゴリズムを選択するであろう。一方、ユーザは、１つのタイプの画像の分析にのみ興味を持ち、よって、１つのタイプのアルゴリズムのみを用いることもあり得る。

米国特許第５２３５５１０号明細書は、医療画像の分析用の適切なアルゴリズムを自動的に選択するシステムを開示しており、これは、属性データを調べ、画像タイプを同定し、そしてそのタイプに適したアルゴリズムを選択することによって実現される。

多くのＣＡＤアルゴリズムが、検出のために所定のパラメータ値の組に依存している。たとえば、「超高速コンピュータ断層撮影を用いる冠動脈石灰化の数量化」，Ａｇａｔｓｔｏｎ ＡＳ，Ｊａｎｏｗｉｔｚ ＷＲ，Ｈｉｌｄｎｅｒ ＦＪ他，Ｊ Ａｍ Ｃｏｌｌ Ｃａｒｄｉｏｌ １９９０ １５：８２７−８３２で最初に説明されたＡｇａｔｓｔｏｎ法は、１３０ハウンズフィールド値（ＨＵ）の閾値をＣＴ画像に適用する。該閾値を越える全画素をカルシウムを含むものとして同定する。そして、閾値を越える画素数に石灰化内の最高強度に基づく加重値を乗算した数値に基づいて石灰化の重大度を評価するために、採点システムが使用される。最高強度が１３０乃至２００ＨＵの場合、加重値は１であり、２００乃至３００ＨＵの場合、加重値は２であり、３００ＨＵを超える場合、加重値は３である。１３０ＨＵの閾値はそのときに入手可能であったＣＴスキャン画像の型には十分よく働く、しかし、この閾値が、より薄いコリメータを用いて取得したデータ等の新しい型のＣＴスキャンに対して、どのように修正されるべきかに関しては概して同意に至っていない。

一方、ＣＡＤアプリケーションソフトウェアにより、ユーザは分析に用いるパラメータ値を設定可能であってよい。例えば、出願人のＣＡＲ（ＲＴＭ）ソフトウェア（その態様は出願人の先行の英国特許出願第０４２０１４７．１号明細書に記載されている）は、ユーザインタフェースを提供し、それによりユーザはアルゴリズムにより用いられるパラメータを対話型で修正することができる。任意の選択したパラメータの結果がユーザには与えられる。このユーザ対話方式が大きな柔軟性をもたらす一方、最適なパラメータ値は知りえず、ユーザは分析用に最適とはいえないパラメータを選択し得る。また、生産性を悪くすることに、トライアンドエラーによりパラメータ値を選択することになり得る。

よって、所定のパラメータ値を用いることには簡便性及び再現性という利点があるが、常に最良の結果を与えるわけでもないといえる。ユーザ定義のパラメータ値には大きな柔軟性がある一方、最良の結果は、最適パラメータ値を選択した場合のみに得られる。ユーザがパラメータ値設定可能とすることでＣＡＤソフトウェアは複雑化する。

米国特許第６０５８３２２号明細書は対話型のユーザ修正機能を開示しており、そこではソフトウェアは検出した微小石灰化を表示し、そしてユーザは微小石灰化の追加又は削除ができる。したがって、ソフトウェアは推定した悪性の可能性を修正することができる。

欧州特許出願公開第１３９８７２２号明細書は「動的ＣＡＤ」システムを開示しており、そこでは、画像は、重要な特徴を同定すべく、且つ重要な特徴からパラメータを抽出すべく処理され、２次画像を生成するためにそのパラメータを用いて後処理される。後処理パラメータは画像自身から誘導され、画像に付随するメタデータからではない。

米国特許第５８７８７４６号明細書はコンピュータ化された診断システムを記載しており、これは、特徴ベクトルを誘導すべく医療画像を処理することができ、特徴ベクトルを他の臨床的パラメータと共に「ファクトデータベース」に入力することができ、これは診断を行うために処理される。

本発明の一態様によれば、１つ以上の可変の入力パラメータを有する、コンピュータで実行するアルゴリズムを用いてデジタル医療画像を分析する方法が提供され、医療画像に付随しており、しかも誘導されていない少なくとも１つの示された属性に応じて、パラメータのうち少なくとも１つが自動的に選択される。

パラメータのうち少なくとも１つは、画像の取込み元の患者の少なくとも１つの示された属性に応じて選択されてよい。少なくとも１つの前記属性は、疑われる又は診断された臨床的な患者の徴候であってよい。少なくとも１つの前記属性は、患者の臨床的履歴の全部又は一部であってよい。少なくとも１つの前記属性は、年齢、性別、身長、体重又は他の統計的データ等の患者の臨床的でないデータであってよい。

パラメータのうち少なくとも１つは、画像を作成するのに用いた画像取込装置の示された特性又は設定に応じて選択されてよい。特性は、取込装置の型（例えば、型式及び／又は方式）であってよい。特性値又は設定は解像度、線量又は他の設定であってよく、これは画像を生成するのに用いた特定の取込み手順に特定的である。

少なくとも１つの属性は画像に付随するメタデータによって示されてよい。例えば、示された属性は、医療画像を含むファイルのヘッダフィールドにあってよく、これは画像に付随するタグ、又は画像にリンクしたデータであってよい。メタデータは自動的に読込まれてよく、ユーザの介在無しに、アルゴリズムに対してパラメータ値を設定するために用いてよい。

少なくとも１つの属性は、アルゴリズムが用いる特定のパラメータ値をユーザが要求することなしに、ユーザにより示されてよい。例えば、ユーザは、患者の臨床的徴候、臨床的履歴データ、又は臨床的でない統計的データを入力してよい。そして、方法は、ユーザが示した少なくとも１つの属性に応じて、少なくとも１つのパラメータ値を選択する。

一実施形態において、自動化された方法は、最適なパラメータ値の組を選択し、これは、そしてアルゴリズムに入力として設定される。画像は、選択した１つ以上のパラメータ値に基づきアルゴリズムを用いて処理される。最適なパラメータ値の複数の組は記憶しておいてよく、最適なパラメータ値の組は、記憶した複数の組の中から選択してよい。付加的に、又は他に、最適なパラメータ値の組は、少なくとも１つ以上の示された属性の所定の関数により誘導してよい。最適なパラメータ値の組及びその示された属性との関係は理論的に又は経験的に誘導してよい。

本発明の更なる態様によれば、属性値と最適なパラメータ値との間の関係は、そのそれぞれがメタデータを付随させる複数の訓練デジタル医療画像から誘導され、これにより、分析結果が入手可能となる。

一実施形態によれば、多くの（好ましくは、かなり多くの）訓練画像で、対応する属性を有しているものを、アルゴリズムを用いて分析する。訓練画像は、実在の患者又は模型（即ち、身体の構造を模倣する物体であり、既知の属性を有する）の画像であってよい。分析は、手動（例えば、上述のＣＡＲ（ＲＴＭ）ソフトウェアを用いる）によりアルゴリズムのパラメータ値を選択することができる１人以上の経験を積んだユーザにより管理されてよい。好ましくは、経験を積んだユーザとは、経験を積んだ放射線科医及び／又はアルゴリズムの経験を積んだユーザである。訓練画像は、訓練画像中の任意の病変を可能な限り正確に決定するために、経験を積んだ放射線科医により視覚的に検査されてもよい。各訓練画像に対する最適なパラメータ値は、以下のパラメータ値として決定されてよい。それは、アルゴリズムの結果が視覚的検査の結果と最もよく合致するもの、及び／又は経験を積んだユーザが最適なパラメータ値として選択したものである。各訓練画像に対して、決定した最適なパラメータ値が複数組あってよく、それは所望の特異性の感度の関数として誘導される。

訓練画像は、局所的に記憶するか、若しくは局所又は広域ネットワーク上で入手可能な画像の中から選択してよい。検索を適当な訓練画像を同定するために実行してよい。選択した訓練画像は、候補となる画像の適正に応じて重み付けしてよい。

そして、関係を、訓練画像のそれぞれに対する最適なパラメータ値の組と訓練画像に付随する属性との間で誘導する。関係は、関数、１つ以上の法則、ニューラルネット、及び／又はファジー論理を例えば備えてよい。

本方法の利点は、あるアルゴリズムに対して、そのアルゴリズムの最適パラメータを任意の特定の画像用に選択してよいことである。最適パラメータは、ユーザの介在を要せず、自動的に選択することが可能であり、よって、放射線科医の時間負担を軽減できる。これはまた、複数の画像の正確なバッチ分析を可能とする。ユーザによって示された属性の場合、ユーザは、公知及び／又は意味のあるデータを入力することができ、アルゴリズムの文脈を外れた意味の薄いパラメータをユーザが選択することもない。ただし、ユーザは、より高い感度又は特異性等の、最適パラメータを選択するための基準を特定することが可能である。

画像メタデータは、画像取込装置のオペレータにより、又は画像の取込みに引続き技術者により入力してよく、若しくは、画像取込装置及び／又は付随する制御装置により自動的に記録されたものでもよい。よって、属性を入力するユーザは、アルゴリズムの結果を示すものと同じユーザである必要はない。これらの機能は、対応する別のデータ入出力装置上で実行してよい。

誘導した最適なパラメータ値はデフォルトのパラメータ値として設定してよく、これは、ユーザがユーザ操作フィルタにより修正してよい。画像を分析するために修正したパラメータ値を使用した結果は、最終結果の出力に先立って表示してよい。結果は、画像の修正バージョンであってよく、オリジナル画像との比較が可能なように表示される。これにより、オリジナル画像のユーザによる視覚的な検査の結果を、アルゴリズムを用いた分析の結果と比較することが可能となる。

本発明の方法は、ソフトウェア、ハードウェア、ファームウェア又はこれらの任意の組合わせにより実行してよい。

添付の図面を参照し、本発明の具体的な実施形態を以下に示す。

医療画像の取り込み
本発明はデジタル医療画像に適用可能である。そのような画像の一例はＣＴスキャン画像である。ＣＴスキャン画像は、１つまたは複数のＣＴ画像スライスを含み、これは人間または動物の患者のＣＴスキャンから得られる。各スライスは、スキャンされた領域のＸ線吸収の二次元デジタル階調画像である。スライスの特性は、使用されるＣＴスキャナに左右される。たとえば、高解像度マルチスライスＣＴスキャナは、ＸおよびＹ方向に（すなわち、スライス面上に）０．５乃至０．６ｍｍ／画素の画像を生成することができる。各画素は３２ビットの階調解像度を有することができる。各画素の強度値は、通常ハウンズフィールド値（ＨＵ）で表される。連続するスライスは、Ｚ方向（すなわち、スキャン分離軸）に沿って一定間隔、たとえば０．７５乃至２．５ｍｍの間隔で分離させることができる。したがって、スキャン画像は、スキャンされたスライスの面積と数に応じた全体寸法を有する二次元（２Ｄ）または三次元（３Ｄ）階調画像であってよい。

ＣＴスキャンは、電子ビームコンピュータ断層撮影（ＥＢＣＴ）、マルチディテクタまたは渦巻状スキャン、あるいはＸ線吸収を表す出力２Ｄ又は３Ｄ又は４Ｄ画像として生成する任意の手法等の、任意のＣＴスキャン手法によって得られる。

本発明は、ＣＴスキャン画像に限定されず、ＭＲＩ、ＵＳ、ＰＥＴ、又は投影Ｘ線画像等の他のデジタル医療画像に適用してよい。従来のＸ線画像は、デジタル化に先立ってＸ線フィルムに現像される。

コンピュータシステム
図１に示すように、スキャン画像はスキャナ１０２からのスキャンデータを受け取り、スキャン画像を構成するコンピュータ１０４によって作成される。スキャン画像は、固定または取り外し可能ディスクなどの記憶媒体１０６に記憶される電子ファイルまたはファイルシリーズとして保存される。スキャン画像は、スキャン画像に付随するメタデータを含む。スキャン画像はコンピュータ１０４によって処理可能である、あるいは、スキャン画像は後述するように画像を処理し表示するソフトウェアを実行する別のコンピュータ１０８に転送可能である。ソフトウェアは取り外し可能ディスク又は固体メモリ等のキャリア上に保管する、あるいはネットワーク上でダウンロードすることができる。

コンピュータ１０４及び／又はコンピュータ１０８は、図２に示すコンピュータシステム２００であってよい。本発明は、コンピュータシステム２００によって実行されるプログラム可能なコードとして実現される。本発明の様々な実施形態を、この例証的なコンピュータシステム２００に関連して説明する。この説明を読んだ当業者には、別のコンピュータシステム及び／又はコンピュータアーキテクチャを使用して本発明を実現する方法が明白となるだろう。

コンピュータシステム２００は、プロセサ２０４のような、１つまたはそれ以上のプロセサを実装している。プロセサ２０４は専用または汎用デジタルプロセサを含む任意タイプのプロセサであってよいが、これらに限定されるものではない。プロセサ２０４は通信インフラストラクチャ２０６（例えばバスまたはネットワーク）に接続している。様々なソフトウェアの実施形態を、この例証的なコンピュータシステムに関連して説明する。この説明を読んだ当業者には、別のコンピュータシステム及び／又はコンピュータアーキテクチャを使用して本発明を実現する方法が明白となるだろう。

コンピュータシステム２００はまた、メインメモリ２０８、好ましくはランダムアクセスメモリ（ＲＡＭ）を実装しており、さらに２次メモリ２１０を実装することもできる。２次メモリ２１０、例えばハードディスクドライブ２１２、及び／又は、フレキシブルディスクドライブ、磁気テープドライブ、光学ディスクドライブなどの取り外し可能な記憶ドライブ２１４を実装していてよい。取り外し可能な記憶ドライブ２１４は、周知の方法で、取り外し可能な記憶ユニット２１８からの読み出し及び／又はこれへの書き込みを行う。取り外し可能な記憶ユニット２１８はフレキシブルディスク、磁気テープ、光学ディスクなどによって代表され、これらは取り外し可能な記憶ドライブ２１４によって読み出しおよび書き込みが実行される。取り外し可能な記憶ユニット２１８はコンピュータを使用できる記憶媒体を実装しており、この記憶媒体にはコンピュータソフトウェア及び／又はデータが記憶されている。

他の実施形態では、２次メモリ２１０は、コンピュータプログラムまたはその他の命令をコンピュータシステム２００にロードできる、上記以外の、しかし上記と類似した手段を備えることができる。このような手段は、例えば、取り外し可能な記憶ユニット２２２とインターフェース２２０を実装していてよい。このような手段の例には、プログラムカートリッジおよびカートリッジインターフェース（ビデオゲーム装置に内蔵されているようなもの）、取り外し可能なメモリチップ（ＥＰＲＯＭやＰＲＯＭ）および関連するソケット、さらに、これ以外の取り外し可能な記憶ユニット２２２およびインターフェース２２０が含まれる。これらは、ソフトウェアとデータを取り外し可能記憶ユニット２２２からコンピュータシステム２００へ転送できる。

コンピュータシステム２００はまた通信インターフェース２２４を備えることができる。通信インターフェース２２４は、コンピュータシステム２００と外部装置の間でソフトウェアとデータを転送する。通信インターフェース２２４の例には、モデム、ネットワークインターフェース（例えばイーサネット（登録商標）カード）、通信ポート、パーソナルコンピュータ・メモリカード国際協会（ＰＣＭＣＩＡ）スロットおよびカードなどが含まれる。通信インターフェース２２４で転送されたソフトウェアおよびデータは信号２２８の形態であり、電子信号、電磁信号、光信号、またはこれ以外の、通信インターフェース２２４が受信できる信号であってよい。これらの信号２２８は、通信パス２２６で通信インターフェース２２４に提供される。通信パス２２６は信号２２８を担持し、ワイヤまたはケーブル、光ファイバ、電話回線、セルラー電話リンク、無線周波数リンク、またはこれ以外の任意の適切な通信チャネルを使用して実施することができる。例えば、チャネルの組み合わせを使用して通信パス２２６を実施できる。

本明細書では、「コンピュータプログラム媒体」、「コンピュータが使用できる媒体」という用語を、概して、取り外し可能な記憶ドライブ２１４、ハードディスクドライブ２１２にインストールされたハードディスク、および信号２２８のような媒体を指すものとして使用している。これらのコンピュータプログラム製品は、コンピュータシステム２００にソフトウェアを提供する手段である。

コンピュータプログラム（コンピュータ制御論理とも呼ばれる）は、メインメモリ２０８及び／又は２次メモリ２１０内に記憶されている。コンピュータプログラムは通信インターフェース２２４を介して受信することもできる。このようなコンピュータプログラムは、その実行時に、コンピュータシステム２００に本発明をここで述べたとおりに実現させることができる。したがって、このようなコンピュータプログラムはコンピュータシステム２００の制御装置を意味する。本発明を、ソフトウェアを使用して実施する場合には、ソフトウェアはコンピュータプログラム製品に記憶され、例えば取り外し可能な記憶装置ドライブ２１４、ハードディスクドライブ２１２、または通信インターフェース２２４を使用して、コンピュータシステム２００内にロードされる。

代替的実施形態では、ハードウェア、ファームウェア、ソフトウェア、またはこれらの任意の組み合わせにおいて、本発明を制御論理として実現することができる。

方法の概略
本発明の一実施形態に係る方法において、デジタル医療画像は、１つ以上の病変を同定するためのアルゴリズムを用いて処理される。この処理の概略フローチャートを図３に示し、データ相関を図４に示す。本方法は、好ましくは、コンピュータプログラムによって実施される。

ステップ３０２において、医療画像４０４にアクセスする。ステップ３０４において、医療画像４０４に付随するメタデータ４０２にアクセスする。ステップ３０６において、最適パラメータ値４０６を、メタデータ４０２の値と最適パラメータ値４０６との間の所定の関係を用いて、メタデータから誘導する。ステップ３０８において、医療画像４０４及び最適パラメータ値４０６をアルゴリズム４０８に入力し、医療画像４０４及び最適パラメータ値４０６から導かれた分析結果４１０を生成する。

画像メタデータ
一実施形態において、メタデータ４０２は医療画像４０４が生成されるのと実質的に同時に生成され、例えば、コンピュータ１０４及び／又はスキャナ１０２により行われる。メタデータ４０２は、自動的に生成されるか、及び／又はコンピュータ１０４のユーザにより入力されてよい。

自動的に生成されるデータの例として、方式、構成及び／又は型式等の一定のスキャナ１０２の属性を、各画像データ４０４に対するメタデータ４０２として記録してよい。他の別途又は追加例として、画像４０４を生成するのに用いたスキャンの設定等の、各前記画像４０４に特定の変化する属性を、メタデータ４０２として記録してよい。その設定は、画像解像度、コントラスト設定、放射強度設定又は、スキャナ１０２の方式及び／又は型式に適した任意の設定であってよい。

ユーザにより入力されるデータの例として、コンピュータ１０４のユーザは、画像４０４を生成するスキャナ１０２によりスキャンされた患者の１つ以上の属性を入力してよい。その属性は、診断した臨床的徴候等の患者についての臨床的情報、臨床的に疑われる徴候等の臨床的な推定、及び、年齢、性別、身長、体重又は本来臨床的徴候ではない他の統計的データのうち１つ以上であってよい。

メタデータ４０２は、デジタル医療画像４０４を含むファイルのヘッダフィールドに記録してよい。画像４０４に付随するタグ及び／又は画像４０４にリンクしたデータでもよい。例えば、メタデータ４０２及びデジタル医療画像４０４は、医療におけるデジタル画像化・通信（ＤＩＣＯＭ）フォーマットで記録してよく、これは、メタデータを画像ファイルのヘッダに記録し、２００４年１１月１９日に入手可能となった仕様書に画定されており、ftp://medical.nema.org/medical/dicom/2004/03v04dif/にある。

他に、メタデータ４０２及びデジタル医療画像４０４は、分析（Ａｎａｌｙｚｅ）フォーマットで記録してよく、これは、メタデータを画像とは別個のファイルに記録するもので、同日付けで入手可能となった仕様書に画定されており、http://www.mayo.edu/bir/PDF/ANALYZE75.pdfにある。

アルゴリズム
アルゴリズム４０８は、医療画像４０４及び１つ以上のパラメータ値４０６を入力として取り込む。少なくともこれらの入力に基づき、アルゴリズムは画像４０４を分析し、画像４０４の物体中の任意の病変の徴候を分析結果４１０として生成する。例えば、分析結果は、任意の病変が存在するかどうか、１つ以上の病変の位置、病変検出の信頼度、病変のタイプ、及び、質量又は体積等の、病変に関する量のうちの１つ以上を示していてよい。

そのようなアルゴリズム４０８の一例は、球形度強調（ｓｐｈｅｒｉｃｉｔｙ ｅｎｈａｎｃｅｍｅｎｔ）アルゴリズムであり、これは、球形度閾値、強度範囲及び寸法範囲を入力パラメータとして有する。球形度強調フィルタは、３Ｄスキャン画像中の各体積要素（ボクセル）を分析し、各ボクセルを類似の強度の周辺のボクセルと比較して、等強度表面の３次元（３Ｄ）曲面を得る。球形度パラメータを越える球形度を有する表面は、球体に属するとして同定される。それらの表面内に含まれる複数のボクセルは、同じ物体の部分としてまとめてグループ化される。このように全ての物体が同定されると、強度範囲内の最大強度を有しており、且つ寸法範囲内の寸法を有するそれらは、分析結果４１０に示される。球形度強調アルゴリズムは、肺ＣＴスキャン画像等の肺の画像中の結節を同定するのに用いられる。図５ａは、肺模型のサンプルの単一スライスＣＴスキャン画像を示しており、図５ｂは、最適パラメータを用いて球形度強調アルゴリズムにより処理した後の画像を示している。

アルゴリズム及びその入力パラメータの他の例は、肺の柔組織中の病変を検出するための、エッジ強調パラメータを有するエッジ強調フィルタ、並びに、球状要素及び最大最小平坦度値の間の平坦度を有する物体を検出するためのポリプフィルタ−これにより大腸のポリプを検出する−を含む。

アルゴリズム４０８は、例えば、画像メタデータ４０２のいくつか又は全てに基づいて、複数の可能な異なるアルゴリズムの中から選択してよい。そして、最適なパラメータ値が、選択したアルゴリズム４０８に対して誘導される。

最適パラメータの誘導
メタデータの値と最適なパラメータ値との間の関係を誘導する方法を述べる。その関係は、最適パラメータについての画像属性の効果の理論的知見によって誘導されてよく、また経験的であってもよい。経験的方法においては、訓練画像の間で変わる既知の属性を有する多数の訓練画像をアルゴリズムを用いて処理し、それにより関係が決定されるようにする。訓練画像は、実在の患者又は模型（即ち、身体の構造を模倣する物体であり、既知の属性を有する）の画像であってよい。処理は、手動（例えば、上述のＣＡＲ（ＲＴＭ）ソフトウェアを用いる）によりアルゴリズムのパラメータ値を選択することができる１人以上の経験を積んだユーザにより管理されてよい。

好ましくは、経験を積んだユーザとは、経験を積んだ放射線科医及び／又はアルゴリズムの経験を積んだユーザである。訓練画像は、訓練画像中の任意の病変を可能な限り正確に決定するために、経験を積んだ放射線科医により視覚的に検査されてもよい。各訓練画像に対する最適なパラメータ値は、以下のパラメータ値として決定されてよい。それは、アルゴリズムの結果が視覚的検査の結果と最もよく合致するもの、及び／又は経験を積んだユーザが最適なパラメータ値として選択したものである。各訓練画像に対して、決定した最適なパラメータ値が複数組あってよく、それはユーザの感度／特異性の要求に応じる。

他に、訓練画像は、自動的及び／又は訓練画像の視覚的検査によって実行される分析の結果を示すメタデータを含んでよく、各訓練画像に対する最適なパラメータ値は、アルゴリズムの結果がメタデータによって示されるものとして分析の結果と最もよく合致するパラメータ値として決定してよい。

処理の結果は、各訓練画像の属性値とその訓練画像に対して決定した最適なパラメータ値との間の１対１関係の組である。各訓練画像に対する属性値及び最適なパラメータ値は訓練画像データセット（訓練画像のデータの組）として記憶してよい。ただし、本発明の一実施形態において有用とするには、関係の組は、１つ以上の一般的関係に一般化するべきであり、これは新規の画像及び属性値に適用することができる。簡略化された例においては、図６に示すように、単一の画像属性値を単一の最適パラメータ値に対してプロットしてよい。訓練画像からの結果の点を星印として示し、曲線をそれらの点にカーブフィッティングしている。曲線は、この例における一般化した関係を示している。本発明の一実施形態において新規画像を分析するには、新規な画像の属性値ｘを入力し、対応する最適なパラメータ値ｙを曲線から誘導する。

よって、曲線は、属性値と最適なパラメータ値との間の関係を代表している。一般的関係は、複数の属性、複数のパラメータ値、及び／又はそれらの間のより複雑な関係を含んでよい。一般的関係は、１つ以上の関数、１つ以上の法則、ニューラルネット、及び／又はファジー論理を例えば備えてよい。上述のように、最適なパラメータ値は１つ以上の訓練画像から誘導されてよい。訓練画像は、局所的に記憶するか、若しくは局所又は広域ネットワーク上でアクセスしてよいデジタル医療画像である。例えば、図７に示すように、訓練画像は複数の分散した医療画像源７０４、７０６にアクセスするために画像蓄積通信システム（ｐｉｃｔｕｒｅ ａｒｃｈｉｖｉｎｇ ａｎｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ，ＰＡＣＳ）ネットワーク７０２を用いてアクセスしてよい。

訓練画像は、多数のデジタル医療画像の中から選択してよく、これは、１つ以上の基準の下に画像を選択すること、及び／又は最適なパラメータ誘導のための訓練画像として所望の画像の組を選択することによって入手される。選択した訓練画像は、選択した訓練画像に基づき最適パラメータを誘導するために自動的に処理されてよい。

一般化した関係を誘導するためには、訓練画像に対するメタデータ及び最適なパラメータ値を備える、記憶したデータ組のみにアクセスする必要がある。訓練画像自体にアクセスする必要はない。

最適パラメータの誘導に用いる訓練画像を選択ことにより、ユーザは訓練画像によって示される特定の画像型に対して最適パラメータを改変（ｃｕｓｔｏｍｉｚｅ）してよい。例えば、ユーザは新規のＣＴスキャナ１０２に対するパラメータを最適化すべく望んでよい。同型の他のＣＴスキャナにより生成した訓練画像を選択することにより、ユーザはトライアンドエラーにより誘導する必要なく、新規のＣＴスキャナに対するパラメータ値を構成することができる。

ユーザは最適パラメータの誘導に用いる訓練画像に重み付けしてよく、ユーザ所望のアプリケーションにより適した画像に対してより大きく重み付ける。例えば、ユーザは、特定の患者に対して最適パラメータを誘導することができ、そのために、その患者に対する以前のスキャン画像及び同じスキャナ１０２により生成された他の患者のスキャン画像を訓練画像として用いる。ユーザは他の患者のスキャン画像に対してよりもむしろ同じ患者の以前のスキャン画像に対してより高い重みを設定する。

アルゴリズムが用いるパラメータは特定の基準に応じて最適化してよく、これは、ユーザが選択することができる。例えば、ユーザは、より高い感度で、又はより高い特異性で（例えば、陽性としてしまう誤りを避けるために）パラメータが最適化されるべきであると指定することができる。検査画像が、感度／特異性の要求に応じて最適なパラメータ値を複数組有する場合、一般的関係はユーザの要求に対応する組から誘導されてよい。

他に、ユーザは、ユーザの経験度等の他の基準を指定してよい。経験を積んだ放射線科医はより高い感度設定を許容できる。なぜなら、彼らは陽性としてしまう誤りをより容易に避けることができるからである。経験のより少ない放射線科医はより低い感度を設定してよい。よって、ユーザは、要求される感度を明示的に指定する必要がなく、代わりに、彼らは経験度を指定してよく、それにより、要求される感度の高さが誘導される。

アルゴリズムが用いる最適パラメータは、過去のスキャンでのアルゴリズムの結果に応じて適応的に調整されてよい。換言すれば、アルゴリズムが処理したスキャン画像は、そのアルゴリズムを用いる引続くスキャンの処理用のパラメータを最適化するために、自動的に訓練画像として用いられる。

デフォルトの最適化パラメータ
上述の実施形態においては、最適なパラメータ値４０６をアルゴリズム４０８への入力として用いる。利点として、これはユーザが手動でパラメータを設定する必要を減ずる。他の実施形態では、誘導した最適なパラメータ値４０６をデフォルト値として設定し、これは、ユーザが調整してよい。

図８に示すより詳細な実施形態においては、ステップ８０２乃至８０８が、図３に示すステップ３０２乃至３０８に対応する。ステップ８１０では、誘導した最適なパラメータ値を用いた画像の処理結果を表示する。ユーザインタフェースは、ユーザがパラメータ値の幾つか又は全部を修正できるようにする手段を含む。ユーザがこれらの値を修正する場合（ステップ８１２）、修正したパラメータ値を用いて画像を再処理８０８し、分析結果を再表示８１０する。これは、現在パラメータ値を受入れるべきであるとユーザが確認する（８１２）までおこなわれる。受入れたパラメータ値を用いた最終分析結果が出力される（ステップ８１４）。

図９はユーザインタフェースのスクリーンショットを示しており、肺模型（即ち、肺を模し、公知の特性を有する物体を含み、検査及び較正に用いられるモデル）のスキャンの２次元スライスを表示している。ユーザインタフェースはオリジナル画像面９１０及び強調画像面９１２を備えるウィンドウに示されている。オリジナル画像面９１０はスキャン画像形成像のスライスを表示している。強調画像面９１２は、オリジナル画像の特徴を強調するように、アルゴリズム４０８によりオリジナル画像を処理したバージョンを表示している。

現在パラメータ値がパラメータウィンドウ９１６に表示してあり、それにより、ユーザはパラメータ値を修正することができ、ボタン９３０をクリックして、強調画像を更新するために修正したパラメータ値を適用する。

他のユーザインタフェースにおいては、単一のスキャン画像図のみをユーザインタフェースウィンドウに表示し、表示する図をオリジナルとユーザによる強調図との間で切換える。これは、例えばフィルタウィンドウ内のボタンをトグルすることによりおこなわれる。画像表示パラメータは、オリジナルと強調画像との間で切換えるとき変えないようにし、それにより、ユーザは強調結果とオリジナル画像とを容易に比較することができる。

代替的実施形態
上述の実施形態は、本発明を限定するものではなくむしろ説明するものである。上記の説明を読み自明な代替的実施形態は、本発明の範囲に含まれる。

医療画像取込装置及び医療画像取込装置からの画像データを処理するための遠隔コンピュータを示す略示図である。 遠隔コンピュータのより詳細な図である。 本発明の一実施形態における方法の主要なステップのフローチャートである。 医療画像、そのメタデータ、対応する最適なパラメータ値、アルゴリズム、及びアルゴリズムの結果の間の相関図である。 サンプルの入力医療画像を示す図である。 最適なパラメータ値を用いた球形度強調アルゴリズムによる入力医療画像のサンプル処理結果を示す図である。 属性値と最適パラメータとの間の関係を誘導する方法を図説するグラフである。 ネットワーク上の複数の訓練画像にアクセスする方法を説明する図である。 本発明の他の実施形態における、ユーザが最適のパラメータ値を修正できる方法の主要なステップのフローチャートである。 パラメータ値を修正するためのユーザインタフェースのスクリーンショット図である。

Claims (35)

1. １つ以上の可変のパラメータが入力され、コンピュータで実行されるアルゴリズムを用いてデジタル医療画像を分析する方法において、以下のａ乃至ｃを備えることを特徴とする方法。
   ａ．前記デジタル医療画像及び該画像に付随するメタデータを受付ける。
   ｂ．該メタデータに応じて、１つ以上の前記パラメータに対応する１つ以上のパラメータ値を設定する。
   ｃ．前記選択した１つ以上のパラメータ値が入力された前記アルゴリズムを用いて前記画像を処理する。
2. 前記メタデータは画像の取込み元の患者の属性を示していることを特徴とする請求項１に記載の方法。
3. 前記属性は臨床的徴候を含むことを特徴とする請求項２に記載の方法。
4. 前記属性は臨床的情報の履歴を含むことを特徴とする請求項２に記載の方法。
5. 前記属性は統計的情報を含むことを特徴とする請求項２に記載の方法。
6. 前記メタデータは画像を得るために用いた撮像装置の属性を示すことを特徴とする請求項１に記載の方法。
7. 前記属性は前記装置の型式を含むことを特徴とする請求項６に記載の方法。
8. 前記属性は画像を得るために用いた前記装置の設定を含むことを特徴とする請求項６に記載の方法。
9. 前記１つ以上のパラメータ値はパラメータ値の複数の組の中から選択されることを特徴とする請求項１乃至８のいずれか１つに記載の方法。
10. 前記１つ以上のパラメータ値は前記メタデータの所定の関数として誘導されることを特徴とする請求項１乃至９のいずれか１つに記載の方法。
11. 前記１つ以上のパラメータ値は、線形又は非線形フィルタの組、若しくはニューラルネットワークを用いて前記メタデータから誘導されることを特徴とする請求項１乃至９のいずれか１つに記載の方法。
12. 前記１つ以上のパラメータ値はファジー論理を用いて前記メタデータから誘導されることを特徴とする請求項１乃至９のいずれか１つに記載の方法。
13. ユーザ入力に応じて前記１つ以上のパラメータ値を修正するステップと、前記修正した１つ以上のパラメータ値を有するアルゴリズムを用いて前記画像を処理するステップとを含むことを特徴とする請求項１乃至１２のいずれか１つに記載の方法。
14. 前記修正した１つ以上のパラメータ値を有する前記画像を処理する前記ステップの結果を表示することを更に含むことを特徴とする請求項１３に記載の方法。
15. 前記結果は修正したバージョンの前記画像を有し、前記表示するステップは前記画像と視覚的に比較できるように前記修正したバージョンを表示するステップを含むことを特徴とする請求項１４に記載の方法。
16. 画像及び修正した画像を同時に表示することを特徴とする請求項１５に記載の方法。
17. 画像及び修正した画像を交互に表示することを特徴とする請求項１５に記載の方法。
18. 付随するメタデータを有する候補デジタル医療画像を分析するためにコンピュータで実行されるアルゴリズムに対する入力として、１つ以上の最適なパラメータ値の組を誘導する方法において、以下のａ乃至ｃを備えることを特徴とする方法。
    ａ．対応する医療画像に付随するメタデータを含む訓練デジタル医療画像のデータの複数の組にアクセスする。
    ｂ．メタデータの値と訓練画像のデータの組に対する最適なパラメータ値との間の関係を誘導する。
    ｃ．該関係及び候補となる画像のメタデータに基づいて、候補となる画像に対する前記最適なパラメータ値の組を誘導する。
19. 前記メタデータは画像の取込み元の患者の属性を示していることを特徴とする請求項１８に記載の方法。
20. 前記メタデータは画像を得るために用いた撮像装置の属性を示すことを特徴とする請求項１８に記載の方法。
21. メタデータはユーザによって入力されることを特徴とする請求項１８乃至２０のいずれか１つに記載の方法。
22. 前記関係はメタデータの値に基づいてパラメータ値の複数の組の中から選択されることを特徴とする請求項１８乃至２１のいずれか１つに記載の方法。
23. 前記関係は前記メタデータの所定の関数を備えることを特徴とする請求項１８乃至２１のいずれか１つに記載の方法。
24. 前記関係はニューラルネットワークを備えることを特徴とする請求項１８乃至２１のいずれか１つに記載の方法。
25. 前記関係はファジー論理関係を備えることを特徴とする請求項１８乃至２１のいずれか１つに記載の方法。
26. 訓練画像のデータの組は局所的にアクセスされることを特徴とする請求項１８乃至２５のいずれか１つに記載の方法。
27. 訓練画像のデータの組はネットワーク上でアクセスされることを特徴とする請求項１８乃至２５のいずれか１つに記載の方法。
28. ネットワークは局所ネットワークであることを特徴とする請求項２８に記載の方法。
29. ネットワークは広域ネットワークであることを特徴とする請求項２８に記載の方法。
30. ネットワークはＰＡＣＳネットワークであることを特徴とする請求項２８に記載の方法。
31. 訓練画像のデータの組は所定の基準に基づくアクセスに対して選択されることを特徴とする請求項２６乃至３０のいずれか１つに記載の方法。
32. 関係を誘導するステップは訓練画像のデータの組を重み付けすることを含むことを特徴とする請求項１８乃至３１のいずれか１つに記載の方法。
33. 関係を誘導するステップは前記パラメータ値の最適化に対するユーザの意向を入力として受付けることを特徴とする請求項１８乃至３２のいずれか１つに記載の方法。
34. 適切に構成したコンピュータで遂行される、請求項１乃至３３いずれかの請求項の方法を実行すべく構成したコンピュータプログラム。
35. 媒体に記録されており、請求項３４のコンピュータプログラムを備えるコンピュータプログラム製品。

Images