JP2009291618A

JP2009291618A - 超音波−ｃｔ映像整合のための３次元超音波肝臓映像の解剖学的特徴を抽出するシステム及び方法

Info

Publication number: JP2009291618A
Application number: JP2009136263A
Authority: JP
Inventors: Dong Gyu Hyun; ドンギュヒョン; Jong Beom Ra; ジョンボムナ; Woo Hyun Nam; ウヒョンナム; Dong-Goo Kang; ドンクカン; Duhgoon Lee; トクウンイ
Original assignee: Korea Advanced Institute of Science and Technology KAIST; Medison Co Ltd
Current assignee: Korea Advanced Institute of Science and Technology KAIST; Samsung Medison Co Ltd
Priority date: 2008-06-05
Filing date: 2009-06-05
Publication date: 2009-12-17
Also published as: KR101017611B1; KR20090127100A; US20090306507A1; EP2130497A1

Abstract

【課題】超音波−ＣＴ映像整合のための３次元超音波肝臓映像の解剖学的特徴を抽出するシステム及び方法を提供する。
【解決手段】本発明によるシステムは、肝臓を含む対象体から反射された超音波信号に基づいて３次元超音波肝臓映像を形成するように動作する映像形成部と、前記３次元超音波肝臓映像から横隔膜領域を抽出するように動作する横隔膜抽出部と、前記３次元超音波肝臓映像から血管領域を抽出するように動作する血管抽出部と、前記血管領域に基づいて前記横隔膜領域からクラッタを除去して前記横隔膜領域をリファイニングするように動作する横隔膜リファイニング部を備える。
【選択図】図１

Description

本発明は、超音波診断分野に関し、特に超音波−ＣＴ映像整合のための３次元超音波肝臓映像の解剖学的特徴を抽出するシステム及び方法に関する。

超音波システムは、超音波を用いて非破壊、非侵襲方式で対象体の内部構造をリアルタイムで示し、ＣＴ（ｃｏｍｐｕｔｅｒｉｚｅｄｔｏｍｏｇｒａｐｈｙ）またはＭＲＩ（ｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｅｒ）とは異なって放射線を用いないため、人体にほぼ無害である。しかし、超音波映像は信号対雑音比が低いため、これを補完するためにＣＴ映像と超音波映像の整合（ｒｅｇｉｓｔｒａｔｉｏｎ）を行う。

３次元超音波肝臓（ｌｉｖｅｒ）映像にはスペックルノイズ及びミラー画像アーチファクト（ｍｉｒｒｏｒｉｍａｇｅａｒｔｉｆａｃｔｓ）が示されたり、シェードアーチファクト（ｓｈａｄｅａｒｔｉｆａｃｔｓ）が含まれたりする。またはＲＯＩ（ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ）に他の器官（Ｏｔｈｅｒｏｒｇａｎ）が示されて整合エラーが発生することもある。

特開２００９−０７１８２１号公報

本発明は、３次元超音波肝臓映像から超音波−ＣＴ映像整合において解剖学的特徴になる血管及び横隔膜を抽出するシステム及び方法を提供する。

本発明によるシステムは、肝臓を含む対象体から反射された超音波信号に基づいて３次元超音波肝臓映像を形成するように動作する映像形成部と、前記３次元超音波肝臓映像から横隔膜領域を抽出するように動作する横隔膜抽出部と、前記３次元超音波肝臓映像から血管領域を抽出するように動作する血管抽出部と、前記血管領域に基づいて前記横隔膜領域からクラッタを除去して前記横隔膜領域をリファイニングするように動作する横隔膜リファイニング部とを備える。

また、本発明による解剖学的特徴を抽出する方法は、ａ）肝臓を含む対象体から反射された超音波信号に基づいて３次元超音波肝臓映像を形成する段階と、ｂ）前記３次元超音波肝臓映像から横隔膜領域を抽出する段階と、ｃ）前記３次元超音波肝臓映像から血管領域を抽出する段階と、ｄ）前記血管領域に基づいて前記横隔膜領域からクラッタを除去し、前記横隔膜領域をリファイニングする段階とを備える。

本発明によれば、３次元超音波肝臓映像の解剖学的特徴抽出によって超音波−ＣＴ映像の整合エラー発生を減少させることができる。

本発明の実施例による３次元超音波肝臓映像から解剖学的特徴を抽出するシステムの構成を示すブロック図である。スペックルノイズが除去される前の超音波肝臓映像を示す図面である。スペックルノイズが除去された超音波肝臓映像を示す図面である。方向によるヘシアンマトリクスの固有値の例を示す例示図である。横隔膜抽出過程を通じて形成された超音波映像を示す例示図である。横隔膜抽出過程を通じて形成された超音波映像を示す例示図である。横隔膜抽出過程を通じて形成された超音波映像を示す例示図である。横隔膜抽出過程を通じて形成された超音波映像を示す例示図である。ＲＯＩマスキング前の映像を示す例示図である。ＲＯＩマスキング後の映像を示す例示図である。血管抽出過程を通じて抽出された血管領域を示す例示図である。スペックルノイズが除去されたデータＡ及びＢに対する平坦度テスト、モフォロジカル除去、サイズテスト後の初期結果、改善後の最終結果の映像を示す例示図である。スペックルノイズが除去されたデータＡ及びＢに対する血管候補、初期血管テスト、最終血管テストの映像を示す例示図である。

図１は、本発明の実施例による３次元超音波肝臓映像から解剖学的特徴を抽出するシステム１００の構成を示すブロック図である。システム１００は信号獲得部１１０、信号処理部１２０、映像形成部１３０、横隔膜（ｄｉａｐｈｒａｇｍ）抽出部１４０、血管抽出部１５０、横隔膜リファイニング（ｒｅｆｉｎｉｎｇ）部１６０及び整合部１７０を備える。

信号獲得部１１０は、超音波信号を対象体（例えば、肝臓）に送信して対象体から反射される超音波エコー信号を受信し、複数のフレームそれぞれに該当する受信信号を形成する。本実施例で、フレームはＢモード映像のフレームを備える。信号獲得部１１０は、受信信号を用いて３次元超音波肝臓映像を形成するための観察信号（ｏｂｓｅｒｖｅｄｓｉｇｎａｌ）を形成する。

信号処理部１２０は、信号獲得部１１０から観察信号が提供されると、エッジの鮮明度を維持（即ち、対象体の解剖学的特徴のエッジコントラスト（ｅｄｇｅｃｏｎｔｒａｓｔ）を増加）させながらスペックルノイズを除去するためのスペックルノイズフィルタリングを観察信号に行う。本実施例で、スペックルノイズフィルタリングは観察信号に異方性拡散（ａｎｉｓｏｔｒｏｐｉｃｄｉｆｆｕｓｉｏｎ）と結合したスペックル制限フィルタリング（ｓｐｅｃｋｌｅｃｏｎｓｔｒａｉｎｔｆｉｌｔｅｒｉｎｇ）アルゴリズムに基づいた総変動（ｔｏｔａｌｖａｒｉａｔｉｏｎ）を適用して行われることができる。スペックルノイズフィルタリングは次の式１〜５を通じて行われることができる。

スペックルノイズが含まれた観察信号ｕ_ｏは次の式１のようにモデリングできる。

式１において、ｎは標準偏差を有するゼロ平均ガウシアン変数（ｚｅｒｏ−ｍｅａｎＧａｕｓｓｉａｎＶａｒｉａｂｌｅ）を意味する。

式１のスペックルノイズモデルによってスペックルノイズのない原信号（ｏｒｉｇｉｎａｌｓｉｇｎａｌ）ｕと観察信号ｕ_ｏの関係は、次の式２のような制限（ｃｏｎｓｔｒａｉｎｔ）を有する。

式２において、Ωは映像の次元（ｄｉｍｅｎｓｉｏｎ）を意味する。

次の式３は原信号の総変動（ｔｏｔａｌｖａｒｉａｔｉｏｎ）を示す。

式２を制限条件として式３を最小化させると、スペックルノイズが除去されて原信号に近い映像を得ることができる。

制限オイラーラグランジュ方程式（ｃｏｎｓｔｒａｉｎｔＥｕｌｅｒ−Ｌａｇｒａｎｇｅｅｑｕａｔｉｏｎ）により式２、３から次の式４が誘導される。

λ（ｔ）は、反復（ｉｔｅｒａｔｉｏｎ）が繰り返されるほどスペックルノイズが除去された観察信号が初期観察信号と急激に差が出るのを防ぐ係数（ｃｏｅｆｆｉｃｉｅｎｔ）であり、この値を適切に決定することが重要である。この値を決定するために、式４の両辺に（ｕ−ｕ_ｏ）／（ｕ＋ｕ_ｏ）を乗じてから、Ω全区間に対して積分をする。定常状態（Ｓｔｅａｄｙｓｔａｔｅ）では式４の左側項が０に近く収束するため、式５が容易に誘導できる。

式５のλ（ｔ）は、反復（ｉｔｅｒａｔｉｏｎ）する度に新たな値として求められる。この値を式４に適用し、∂ｕ／∂ｔが０になると仮定をして式４を解いてスペックルノイズが除去された観察信号、即ち原信号に近い映像信号を反復（ｉｔｅｒａｔｉｏｎ）ごとに得ることができる。本実施例によれば、４０回程度の反復で満足なスペックルノイズ除去された映像を得ることができる。

しかし、前述した方法では、方向性を考慮せずにスペックルノイズを除去する方法であって、フィルタリング後のエッジ鮮明度が落ちる危険がある。エッジの鮮明度の低下を防止するために、即ち、特徴点の周辺エッジの鮮明度を維持したままフィルタリングするために、方向性を反映させるための異方性拡散（ａｎｉｓｏｔｒｏｐｉｃｄｉｆｆｕｓｉｏｎ）関数Ｆは、次の式６の通り定義される。

式６において、Ｄは拡散行列（Ｄｉｆｆｕｓｉｏｎｍａｔｒｉｘ）を示す。

前述したフィルタリングを通じて、原信号に近い映像信号が獲得できる。また、異方性拡散（ａｎｉｓｏｔｒｏｐｉｃｄｉｆｆｕｓｉｏｎ）の特徴によりエッジに接する方向（水平な方向）にのみスペックルノイズが除去されるので、即ちエッジに接する方向にはフィルタリングを多くし、エッジに垂直な方向にはフィルタリングを小さくすることにより、エッジに垂直な方向のグラジエントは相対的に強化されるようになって、エッジがより鮮明になり得る。即ち、特徴点の鮮明度を向上させながらスペックルノイズを除去することができる。図２ａは、スペックルノイズが除去される前の超音波肝臓映像を示し、図２ｂは前述した過程によってスペックルノイズが除去された超音波肝臓映像を示す。

映像形成部１３０は、信号処理部１２０からスペックルノイズフィルタリングされた映像信号を用いて対象体の３次元超音波肝臓映像を形成する。本実施例で、３次元超音波肝臓映像は複数のフレームからなって複数のボクセルを含む。

横隔膜抽出部１４０は、エッジコントラストが増加した３次元超音波肝臓映像から横隔膜を抽出する。本発明の実施例では、ヘシアンマトリクス（Ｈｅｓｓｉａｎｍａｔｒｉｘ）に基づいた平坦度テスト（ｆｌａｔｎｅｓｓｔｅｓｔ）を実施して横隔膜を抽出することができる。３次元超音波肝臓映像において、横隔膜は曲面で考慮できる。従って、横隔膜抽出部１４０は表面に垂直な方向のボクセル値（ｖｏｘｅｌｉｎｔｅｎｓｉｔｙ）の変化が表面と水平な方向のボクセル値の変化より大きい領域を横隔膜として抽出する。図３はエッジ方向によるヘシアンマトリクスの固有値（ｅｉｇｅｎｖａｌｕｅ）λ_１、λ_２及びλ_３を示す。

以下、横隔膜抽出部１４０の動作をより詳細に説明する。横隔膜抽出部１４０は、横隔膜を抽出するために基準値より平坦度が高いボクセル（ｖｏｘｅｌ）を選択する。他の実施例によれば、２次元超音波肝臓映像において、ボクセルはピクセル（ｐｉｘｅｌ）として表現される。平坦度μ（ν）は次の式７の通り定義される。

式７のφ_１（ν）、φ_２（ν）及びφ_３（ν）は、次の式８の通り表現される。

前記λ_１（ν）、λ_２（ν）及びλ_３（ν）は、ボクセルの位置によるヘシアンマトリクスの固有値を示す。

平坦度μ（ν）は、０〜１の間の値を有するように正規化される。式６及び７によってボクセルデータから得られた平坦度により、平坦マップが形成され、相対的に平坦度が大きいボクセルが選択される。本発明の実施例では平坦度が０．１以上であるボクセルが選択される。

横隔膜抽出部１４０は、選択された各ボクセルを対象にモフォロジカルオープニング（ｍｏｒｐｈｏｌｏｇｉｃａｌｏｐｅｎｉｎｇ）を行って小さなクラッタ（ｃｌｕｔｔｅｒ）を除去する（ｍｏｒｐｈｏｌｏｇｉｃａｌｆｉｌｔｅｒｉｎｇ）。モフォロジカルオープニングは収縮（ｅｒｏｓｉｏｎ）と膨張（ｄｉｌａｔｉｏｎ）を順次行うことを意味する。横隔膜抽出部１４０は、形態学的にボクセル値が存在する領域のエッジを一定ボクセルだけ除去して収縮（浸食）させた後、再びその一定ボクセルだけ膨張（拡張）させる。本発明の実施例で、横隔膜抽出部１４０は１ボクセルのサイズで収縮及び膨張を実施する。

３次元超音波肝臓映像において横隔膜は最も大きな表面であるので、ボクセルのＣＣＡ（ｉｎｔｅｎｓｉｔｙ−ｂａｓｅｄｃｏｎｎｅｃｔｅｄｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ）により獲得された候補（ｃａｎｄｉｄａｔｅｓ）の中で、最も大きな表面が選択され横隔膜としてみなされる。ボクセル値の基盤のＣＣＡは、二進化された映像でボクセル値が存在する領域同士集める（ｇｒｏｕｐｉｎｇ）方法の一つである。例えば、横隔膜抽出部１４０は一つのボクセルを中心に周辺各ボクセル（例えば２６個のボクセル）のボクセル値を参照してボクセル間の連結テスト（ｃｏｎｎｅｃｔｉｖｉｔｙｔｅｓｔ）を通じて該当ボクセルを中心に連結されるボクセルの数を計算し、連結ボクセルの数が一定個数以上であるボクセルを候補グループとして選定する。横隔膜が超音波肝臓映像の関心領域の中で最も広く存在する曲面という特性を用い、横隔膜抽出部１４０は候補グループの中で最も多い連結ボクセルの数を有するグループを横隔膜として選出する。以後、横隔膜抽出部１４０は横隔膜表面を平坦にする（ｓｍｏｏｔｈｅｎ）。図４ａ〜図４ｄは、前述した横隔膜抽出過程を通じて形成された超音波映像を示す。図４ａは横隔膜を有する映像、図４ｂは平坦度テストを通じて獲得された映像、図４ｃはモフォロジカルフィルタリングを通じて獲得された映像、図４ｄは最終的に抽出された横隔膜映像を示す。

血管抽出部１５０は、エッジコントラストが増加した３次元超音波肝臓映像で血管抽出（ｖｅｓｓｅｌｅｘｔｒａｃｔｉｏｎ）を実施する。血管抽出はＲＯＩマスキング、血管分割（ｓｅｇｍｅｎｔａｔｉｏｎ）及び分類（ｃｌａｓｓｉｆｉｃａｔｉｏｎ）順に進行される。

血管抽出部１５０は、ミラー画像アーチファクト（ｍｉｒｒｏｒａｒｔｉｆａｃｔｓ）による血管抽出エラー発生を避けるために、横隔膜を多項曲面（ｐｏｌｙｎｏｍｉａｌｃｕｒｖｅｄｓｕｒｆａｃｅ）でモデリングして、エッジコントラストが増加した超音波肝臓映像にＲＯＩ（ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ）マスキングを適用する。この時、ＬＭＳ（Ｌｅａｓｔｍｅａｎｓｑｕａｒｅ）を用いて横隔膜を多項曲面でモデリングしたＲＯＩマスクが用いられる。しかし、モデリングされた多項式曲面の下の領域を全て除去する場合、多項曲面のエラーによって一部領域では意味のある血管情報を失う場合が生じることもある。血管抽出部１５０は血管情報損失を防止するために、ＲＯＩマスク下端で１０ボクセル程度の余裕ボクセル（ｍａｒｇｉｎａｌｄｉｓｔａｎｃｅ）を適用し、それ以下の領域を除去する。図５ａはＲＯＩマスキング前の映像を示し、図５ｂはＲＯＩマスキング後の映像を示す。

血管抽出部１５０は、血管領域と非血管領域を分割する（ｓｅｇｍｅｎｔ）。血管抽出部１５０は、横隔膜または血管壁のように強度の大きい非血管領域（ｎｏｎ−ｖｅｓｓｅｌｒｅｇｉｏｎ）を除去するために、ＲＯＩマスキングされた領域で基準境界値より小さい低強度境界（ｌｏｗｉｎｔｅｎｓｉｔｙｂｏｕｎｄ）を推定し、前記基準境界値より強度の大きいボクセルを除去する。血管抽出部１５０は、アダプティブスレショルド法（ａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄｓｃｈｅｍｅ）を適用して残った領域を二進化させる（ｂｉｎａｒｉｚｅ）。二進化された領域は血管候補（ｖｅｓｓｅｌｃａｎｄｉｄａｔｅｓ）になる。

血管抽出部１５０は、非血管類型クラッタ（ｎｏｎ−ｖｅｓｓｅｌ−ｔｙｐｅｃｌｕｔｔｅｒｓ）を除去して血管候補の中で実際の血管を分類する。血管分類過程は小さい背景クラッタを除去するためのサイズテスト（ｓｉｚｅｔｅｓｔ）、ＧＯＦ（ｇｏｏｄｎｅｓｓｏｆｆｉｔ）を円筒管で見積もり（ｅｖａｌｕａｔｅ）、非血管類型を除去する構造基盤血管テスト（ｓｔｒｕｃｔｕｒｅ−ｂａｓｅｄｖｅｓｓｅｌｔｅｓｔ）、即ち、初期血管テスト（ｉｎｉｔｉａｌｖｅｓｓｅｌｔｅｓｔ）、グラジエントサイズ分析（Ｇｒａｄｉｅｎｔｍａｇｎｉｔｕｄｅａｎａｌｙｓｉｓ）、クラッタを完全に除去するための最終血管テスト（ｆｉｎａｌｖｅｓｓｅｌｔｅｓｔ）を含む。構造基盤血管テストで一部クラッタが除去されなくても全ての血管が含まれるように初期しきい値（Ｃｉｎｉｔｉａｌ）が最小限界として設定される。本発明の実施例で初期しきい値は０．６である。血管抽出部１５０は、最終血管テストによりボクセルの変化率、即ち、グラジエントのサイズ（ｇｒａｄｉｅｎｔｍａｇｎｉｔｕｄｅ）を考慮し、グラジエントのサイズが小さいシェードアーチファクト（ｓｈａｄｉｎｇａｒｔｉｆａｃｔｓ）に起因して形成されるクラッタを完全に除去して血管データを抽出する。本発明の実施例で最終血管テストのしきい値は０．４である。

横隔膜リファイニング部１６０は、抽出された血管データを用いて横隔膜領域のリファインメント（ｒｅｆｉｎｅｍｅｎｔ）を行ってクラッタを除去する。抽出された横隔膜領域でクラッタは主に血管壁に位置する。特に、下大静脈（ＩＶＣ，ｉｎｆｅｒｉｏｒｖｅｎａｃａｖａ）は、横隔膜に連結されてクラッタを誘発する。このようなクラッタが特徴として抽出されて整合に用いられる場合、整合の精度を低下させることがあるので、横隔膜リファイニング部１６０は、クラッタを除去して横隔膜を改善する。横隔膜リファイニング部１６０は、図６に示した通り、前述した血管抽出過程によって超音波映像から血管領域を抽出して（６１）、抽出された血管領域を膨張（ｄｉｌａｔｉｏｎ）させ（６２）、膨張された映像から血管領域を除去して血管壁を推定する（ｅｓｔｉｍａｔｅ）（６３）。横隔膜リファイニング部１６０は前述した過程によって抽出された横隔膜映像で推定された血管壁を除去する。横隔膜リファイニング部１６０は、ＣＣＡ及びサイズテストをもう一度適用して横隔膜領域を抽出する。

整合部１７０は、３次元超音波肝臓映像とＣＴ映像間の映像整合を行う。本実施例で、整合部１７０は超音波映像で抽出された特徴のうち、血管領域と横隔膜領域でそれぞれサンプルポイントを抽出し、整合しようとするＣＴ映像でも血管及び横隔膜領域を抽出した後、それぞれサンプルポイントを抽出する。整合部１７０は、２つの映像で抽出したサンプルポイントを対象としてＩＣＰ基盤の整合を行う。

図７ａは、サイズが２００＊２００＊２００であり、等方性ボクセル解像度（ｉｓｏｔｒｏｐｉｃｖｏｘｅｌｒｅｓｏｌｕｔｉｏｎ）が０．８のデータＡ（ＤａｔａＡ）とサイズが２００＊１８８＊１６８、等方性ボクセル解像度が０．６のデータＢ（ＤａｔａＢ）の前述した過程による手順、即ち、スペックルノイズ除去超音波映像（Ｆｉｌｔｅｒｅｄ３Ｄｕｌｔｒａｓｏｕｎｄｉｍａｇｅ）、平坦度テスト（ｆｌａｔｎｅｓｓｔｅｓｔ）、モフォロジカル除去（ｍｏｒｐｈｏｌｏｇｉｃａｌｆｉｌｔｅｒｉｎｇ）、サイズテスト後の初期結果（ｉｎｉｔｉａｌｒｅｓｕｌｔａｆｔｅｒｓｉｚｅｔｅｓｔ）、改善後の最終結果（ｆｉｎａｌｒｅｓｕｌｔａｆｔｅｒｒｅｆｉｎｅｍｅｎｔ）を示す。図７ｂは、データＡとＢ（ＤａｔａＡ、Ｂ）のスペックルノイズ除去超音波映像（Ｆｉｌｔｅｒｅｄ３ＤＢ−ｍｏｄｅ）、血管候補、初期血管テスト（ｉｎｉｔｉａｌｖｅｓｓｅｌｔｅｓｔ）、最終血管テスト（ｆｉｎａｌｖｅｓｓｅｌｔｅｓｔ）結果を示す。

本発明が望ましい実施例を解して説明され例示されたが、当業者であれば添付した特許請求の範囲の事項及び範疇を逸脱せず、様々な変形及び変更がなされることが分かる。

１１０信号獲得部
１２０信号処理部
１３０映像形成部
１４０横隔膜抽出部
１５０血管抽出部
１６０横隔膜リファイニング部
１７０整合部

Claims

超音波映像から解剖学的特徴を抽出するシステムであって、
肝臓を含む対象体から反射された超音波信号に基づいて３次元超音波肝臓映像を形成するように動作する映像形成部と、
前記３次元超音波肝臓映像から横隔膜領域を抽出するように動作する横隔膜抽出部と、
前記３次元超音波肝臓映像から血管領域を抽出するように動作する血管抽出部と、
前記血管領域に基づいて前記横隔膜領域からクラッタを除去して前記横隔膜領域をリファイニングするように動作する横隔膜リファイニング部と
を備えることを特徴とするシステム。
前記３次元超音波肝臓映像は、３次元Ｂモード超音波肝臓映像であることを特徴とする請求項１に記載のシステム。
超音波信号を前記対象体に送信し、前記対象体から反射される超音波信号を受信して観察信号を獲得するように動作する信号獲得部と、
前記観察信号からスペックルノイズを除去し、前記スペックルノイズが除去された前記観察信号のコントラストを増加させるように動作する信号処理部と
をさらに備えることを特徴とする請求項２に記載のシステム。
前記信号処理部は、前記観察信号に異方性拡散と結合したスペックル制限フィルタリングアルゴリズムに基づいた総変動を適用して前記スペックルノイズを除去するようにさらに動作することを特徴とする請求項３に記載のシステム。
前記信号処理部は、エッジに垂直な方向よりエッジに接する方向にスペックルノイズフィルタリングをより多く行うようにさらに動作することを特徴とする請求項３に記載のシステム。
前記横隔膜抽出部は、平坦マップを用いてスペックルノイズが除去された前記３次元超音波肝臓映像のボクセルから平坦度を獲得し、基準値より平坦度が高いボクセルを選択し、形態学的にボクセル値が存在する領域のエッジを一定ボクセルだけ除去して収縮させた後、前記一定ボクセルだけ拡張させてクラッタを除去し、ＣＣＡ（ｉｎｔｅｎｓｉｔｙ−ｂａｓｅｄｃｏｎｎｅｃｔｅｄｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ）により前記クラッタが除去されたボクセルから複数の候補表面を獲得し、前記複数の候補表面の中で最も大きな表面を選択して前記横隔膜を抽出するように動作することを特徴とする請求項２に記載のシステム。
前記血管抽出部は、前記３次元超音波肝臓映像から前記血管領域を抽出し、前記横隔膜を多項曲面でモデリングし、前記３次元超音波肝臓映像にＲＯＩマスキングを適用し、基準境界値より大きい強度値を有するボクセルを除去して血管候補を選択し、前記選択された血管候補から非血管類型クラッタを除去して実際の血管を分類するように動作することを特徴とする請求項６に記載のシステム。
前記血管抽出部は、前記非血管類型クラッタを除去するための構造基盤血管テスト、グラジエントサイズ分析及び最終血管テストを行うようにさらに動作することを特徴とする請求項７に記載のシステム。
超音波映像から解剖学的特徴を抽出する方法であって、
ａ）肝臓を含む対象体から反射された超音波信号に基づいて３次元超音波肝臓映像を形成する段階と、
ｂ）前記３次元超音波肝臓映像から横隔膜領域を抽出する段階と、
ｃ）前記３次元超音波肝臓映像から血管領域を抽出する段階と、
ｄ）前記血管領域に基づいて前記横隔膜領域からクラッタを除去し、前記横隔膜領域をリファイニングする段階と
を備えることを特徴とする解剖学的特徴抽出方法。
前記３次元超音波肝臓映像は、３次元Ｂモード超音波肝臓映像であることを特徴とする請求項９に記載の解剖学的特徴抽出方法。
超音波信号を前記対象体に送信し、前記対象体から反射される超音波信号を受信して観察信号を獲得する段階と、
前記観察信号からスペックルノイズを除去し、前記スペックルノイズが除去された前記観察信号のコントラストを増加させる段階と
をさらに備えることを特徴とする請求項１０に記載の解剖学的特徴抽出方法。
前記スペックルノイズ除去段階は、前記観察信号に異方性拡散と結合したスペックル制限フィルタリングアルゴリズムに基づいた総変動を適用して前記スペックルノイズを除去する段階をさらに備えることを特徴とする請求項１１に記載の解剖学的特徴抽出方法。
前記スペックルノイズ除去段階は、エッジに垂直な方向よりエッジに接する方向にスペックルノイズフィルタリングをより多く行う段階をさらに備えることを特徴とする請求項１１に記載の解剖学的特徴抽出方法。
前記段階ｂ）は、
平坦マップを用いてスペックルノイズが除去された前記３次元超音波肝臓映像のボクセルから平坦度を獲得する段階と、
基準値より平坦度の高いボクセルを選択する段階と、
形態学的にボクセル値が存在する領域のエッジを一定ボクセルだけ除去して収縮させる段階と、
前記一定ボクセルだけ拡張させてクラッタを除去する段階と、
ＣＣＡによって前記クラッタが除去されたボクセルから複数の候補表面を獲得する段階と、
前記複数の候補表面の中で最も大きな表面を選択して前記横隔膜を抽出する段階と
を備えることを特徴とする請求項１０に記載の解剖学的特徴抽出方法。
前記段階ｃ）は、
前記３次元超音波肝臓映像から前記血管領域を抽出する段階と、
前記横隔膜を多項式曲面でモデリングし、前記３次元超音波肝臓映像にＲＯＩマスキングを適用する段階と、
基準境界値より大きい強度値を有するボクセルを除去して血管候補を選択する段階と、
前記選択された血管候補から非血管類型クラッタを除去して実際の血管を分類する段階と
をさらに備えることを特徴とする請求項１４に記載の解剖学的特徴抽出方法。
前記段階ｃ）は、
前記非血管類型クラッタを除去するための構造基盤血管テスト、グラジエントサイズ分析及び最終血管テストを行う段階をさらに備えることを特徴とする請求項１５に記載の解剖学的特徴抽出方法。