JP2009507551A - 計算機断層撮影胸部診断のための最適ビューの自動生成 - Google Patents

Abstract

計算機断層撮影画像の一部分の少なくとも一つのビュー（４２０）の生成が、画像内の関心のある構造のためのシード点（４１０）を選択し（３１０）、シード点を囲む関心のある領域を前処理し（３２０）、関心のある領域のための少なくとも一つの慣性軸を推定し（３２５）、シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から前記少なくとも一つのビューを生成する（３４５）ことを含む。

Description

ここに開示される実施形態は、医療撮像応用のための細長い構造の最適化されたビューを提供することに関係する。

医療において解剖学的構造の最適化されたビューを生成する一般的な必要性がある。特に、細長い構造の最適化されたビューの生成は、三次元（3D）医療撮像モダリティーの開発とともに特殊な重要性を帯びるに至った。例示的な応用は、冠動脈の単一平面表示および気管支樹の可視化を含む。

3Dデータ体積の解析は、しばしば、多量の情報を、必然的に部分的なビューを通じて解析することをユーザーに要求する、フレンドリーでなく、時間がかかる仕事である。さらに、データとの対話プロセスは、空間内での回転および並進を扱うのに慣れていない個人にとっては難しい。

いくつかの手法が3Dデータとの対話を単純化するために使用されてきた。一般に、これらの手法は非常に特定の応用に固有である。これらのうち、ある種の解剖学的構造、特に静脈、気管支、骨などのような細長い構造の最適化されたビューの生成は、ある種の臨床で成功を収めてきた。

この成功の理由は、現在用いられている諸技法が、普通ならいくつかの画像をブラウズする必要のある目標構造を解析したり、目標の部分的なビューを表示したり、あるいは関係する６自由度を操作することにより構造を手動で整列させたりする仕事を、非常に単純化するということでありうる。これらの仕事は一般に、強力な設備および高度の実際的な経験を要求する。これらの諸方法の欠点としては、ビューを生成するための目標構造のセグメンテーションを含む。これは、該諸方法を比較的遅いものにし、堅牢でなくす傾向がある。

細長い構造の表示の、シングルクリックであり、セグメンテーションに基づいたものではない自動最適化を提供することが有利であろう。

ある実施形態では、計算機断層撮影画像の一部分の少なくとも一つのビューを生成するスキャン・システムは、複数の相互接続された装置をもつコントローラを有しており、該複数の装置は、画像内の関心のある構造のためのシード点を選択するための装置と、シード点を囲む関心のある領域を前処理する装置と、関心のある領域のための少なくとも一つの慣性軸を推定する装置と、シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から前記少なくとも一つのビューを生成する装置とを含む。

計算機断層撮影画像の一部分の少なくとも一つのビューを生成する方法は、画像内の関心のある構造のためのシード点を選択し、シード点を囲む関心のある領域を前処理し、関心のある領域のための少なくとも一つの慣性軸を推定し、シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から前記少なくとも一つのビューを生成することを含む。

もう一つの実施形態では、コンピュータ・プログラム・プロダクトは、コンピュータ可読プログラムを有するコンピュータ使用可能媒体を含んでおり、該コンピュータ可読プログラムはコンピュータ上で実行されると、該コンピュータをして、画像内の関心のある構造のためのシード点を選択し、シード点を囲む関心のある領域を前処理し、関心のある領域のための少なくとも一つの慣性軸を推定し、シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から前記少なくとも一つのビューを生成することによって、計算機断層撮影画像の一部分の少なくとも一つのビューを生成させる。

本発明の上記の諸側面およびその他の特徴は、以下の記述において、付属の図面との関連で説明される。

図１は、ここに開示される実施形態を実施するのに好適なシステム１００のブロック図を示している。開示される実施形態は、図示される実施形態を参照して記述されるが、本発明は多くの代替的な形の実施形態において具現されることができることは理解しておくべきである。さらに、要素または材料のいかなる好適な大きさ、形または型を使うこともできる。

本発明は、当技術分野において現在利用可能な手法に対する代替手法を提供し、セグメンテーションを必要としない局所的な配向推定に基づいている。さらに、ここに記載される諸技法は、単一のユーザーのクリックで、最適化されたビューを生成しうる。

開示される諸実施形態は、ユーザーによって定義されるシード点のまわりの細長い構造の配向を推定するために、画像処理動作を利用する。ひとたび配向が決定されると、配向は、関心のある構造がその全長において表示される最適なビューを自動生成するために使用される。

この方法を適用することにより、3D CTデータ体積中の細長い構造の解析は、現在必要とされているように最適ビューを見出すために骨折って最大６つの異なるパラメータを調整する必要なく、シングルクリック動作としてほとんど遅延なく実行できる。

開示される諸実施形態のための例示的な応用は、計算機断層撮影（CT）に基づく肺診断および病期分類を含む。肺の研究では、臨床従事者は、疾病の種々の徴候を求めてCTスライドの膨大な集合をゆっくりとブラウズすることがある。そうした徴候は、気管支の樹状構造のいくつかの変化を含みうるが、これはスライスごとに評価するのは必ずしも容易ではない。こうして、気管支の最適化されたビューは、この特定の応用については非常に有用であろう。既存の手法は、この目的のために気管支樹の抽出に依存するが、この抽出は、時間のかかる前処理段を必要とし、現行のセグメンテーション技法はより細かい細気管支は抽出しない。本稿で記載する諸技法は、とある関心のある領域のあたりの気管支構造の好適なビューを迅速に生成することができる。

図１Ａは、ここに開示される諸実施形態を実施するのに好適な例示的なスキャン・システム１００を示している。スキャン・システム１００は、撮像器１０５を含んでおり、これはこの実施形態では計算機断層撮影（CT）撮像スキャナであり、これはX線源１１０、検査領域１１５、患者台１２０およびX線検出器１２５を有する。スキャン・システム１００はまた、X線源１１０、X線検出器１２５および患者台１２０を制御し、X線検出器１２５によって取得されたデータを処理するコントローラ１３０をも含む。

スキャン・システム１００は、検査領域が囲まれている（enclosed）ボア（bore）型配位を有していてもよい。X線源１１０は、扇形、円錐形、楔形または他の任意の好適な形のX線ビーム１３５を生成するよう制御されうる。X線ビーム１３５は、検査領域１１５および患者Pを通過して、X線検出器１２５のほうに向けられうる。X線源１１０およびX線検出器１２５は、患者台１２０の長さによって定義されるZ軸のまわりに回転可能であってもよい。X線源１１０およびX線検出器１２５は一緒に回転されてもよく、ある実施形態では、ガントリーによって接続されうる。もう一つの実施形態では、X線源１１０またはX線検出器１２５は、相手が回転している間、静止したままであって、X線源１１０からのX線がX線検出器１２５の連続的に変位する角度部分に入射するようにしてもよい。

X線検出器１２５は、特定の角度範囲を張ってもよく、同時的に画像データを取得するための検出器素子のアレイを含んでいてもよい。検査領域１１５は、X線ビームが通過する患者Pを概略的に囲む。患者Pは、Z軸に沿って直線状に可動であってもよい患者台１２０の上に配置される。

図１Ｂは、開放型Cアーム配位をもつ撮像器１５３をもつ代替的な例示的スキャン・システム１５０を示している。撮像器１０５と同様に、撮像器１５３は、X線源１１０、検査領域１１５、患者台１２０およびX線検出器１２５を含む。スキャン・システム１５０は、X線源１１０、X線検出器１２５および患者台１２０を制御し、X線検出器１２５によって取得されたデータを処理するコントローラ１３０をも含む。スキャン・システム１５０は、X線源１１０およびX線検出器１２５を接続し、支持するCアーム構造１５５を利用する。ヨーク１６０により、コントローラ１３０はX線源１１０およびX線検出器１２５を、角度方向Aにおいて、Z軸に垂直な軸のまわりに調整することができる。この配位では、一般に、X線源１１０およびX線検出器１２５は一緒に回転される。

図２は、コントローラ１３０のブロック図を示している。コントローラは一般に、プロセッサ２０５、読み出し専用メモリ２１０、ランダム・アクセス・メモリ２１５、プログラム記憶装置２２０、ユーザー・インターフェース２２５およびネットワーク・インターフェース２３０を実装する回路を含む。

プロセッサ２０５は一般に、コンピュータ・プログラム・プロダクト、たとえばコンピュータ使用可能媒体から情報およびプログラムを読むよう動作可能である。コンピュータ使用可能媒体は、読み出し専用メモリ２１０、ランダム・アクセス・メモリ２１５またはプログラム記憶装置２２０といったものである。

読み出し専用メモリ２１０およびランダム・アクセス・メモリ２１５は半導体技術または他の任意の適切な材料および技法を利用しうる。プログラム記憶装置２２０は、コンピュータ使用可能媒体、たとえばディスケット、コンピュータ・ハード・ドライブ、コンパクト・ディスク、デジタル多用途ディスク、光ディスク、チップ、半導体またはプログラムをコンピュータ可読コードの形で保存できる他の任意のデバイスを含みうる。

読み出し専用メモリ２１０、ランダム・アクセス・メモリ２１５およびプログラム記憶装置２２０は、個々にまたは任意の組み合わせにおいて、コンピュータ・プログラム・プロダクトを有する。コンピュータ・プログラム・プロダクトは、コンピュータ可読プログラムを有するコンピュータ使用可能媒体を含む。ここで、コンピュータ可読プログラムは、コントローラ１３０によって実行されると、ここに記載される諸技法に従って、コントローラ１３０をして、X線源１１０、X線検出器１２５および患者台１２０を制御させ、撮像器１０５、１５３によって取得されたデータを処理してCT胸部診断のためのビューを自動生成させる。

ネットワーク・インターフェース２３０は一般に、コントローラ１３０と撮像器１０５の諸構成要素との間の通信ネットワーク２３５を通じたインターフェースを提供するよう適応されうる。通信ネットワーク２３５は、公衆電話交換網（PSTN）、インターネット、無線ネットワーク、有線ネットワーク、構内ネットワーク（LAN）、広域ネットワーク（WAN）、仮想閉域網（VPN）などを含むいかなる好適な通信路であってもよく、X.25、TCP/IP、ATMなどを含む他の型のネットワークをさらに含んでいてもよい。ある実施形態では、通信ネットワーク１２０は、「Firewire」ネットワークとも称されるIEEE1349ネットワークであってもよい。

コントローラ１３０は、ディスプレイ２４０ならびにキーボードのような入力装置２５５およびマウスのようなポインティング・デバイス２４５をもつ、ユーザー・インターフェース２２５を含みうる。ユーザー・インターフェースは、プロセッサ２０５の制御のもとでユーザー・インターフェース・コントローラ２５０によって動作されうる。

図１Ａおよび図１Ｂに戻ると、ヘリカル撮像モードでは、X線源１１０およびX線検出器１２５は、患者台１２０の直線状の進みと同時に回転して、X線源１１０の患者台１２０のまわりでの概略螺旋状の軌跡を生じうる。

マルチスライス撮像モードでは、患者Pのアキシャル・スライス画像がコントローラ１３０によって取得される間、X線源１１０およびX線検出器１２５が回転し、その間、患者台１２０が静止したままで、X線源１１０の患者台１２０のまわりでの概略円形の軌跡を生じうる。このプロセスは、患者台１２０がZ軸に沿って進められるにつれて反復的な仕方で繰り返され、Z軸に沿った離散的なステップで撮像データを取得するようにしてもよい。

こうして、コントローラ１３０は、患者台１２０のまわりでのX線源１１０の螺旋状または円形の軌跡に沿っての、患者Pの選択された投影ビューを得るよう、X線源１１０、X線検出器１２５および患者台１２０を制御しうる。投影ビューは、コントローラ１３０によって決定される可変フレームレートで収集されうる。コントローラ１３０は、処理のため、および開示される諸実施形態に従ってデータ収集プロセスの調整のために、投影ビューを収集する。

投影ビューの取得の間のX線源１１０の軌跡は、好ましくは、画像アーチファクトを減らすため、関心のある撮像領域の各体積ピクセルあるいはボクセルについてのかなりの角度カバーを与える。X線検出器１２５によって収集された投影データは、読み出し専用メモリ２１０、ランダム・アクセス・メモリ２１５またはプログラム記憶装置２２０に対して、個別にまたは任意の組み合わせにおいて、さらなる処理のために通信される。

図３は、本発明に基づくビューを生成するための例示的な手順を示している。手順は、上記のようなコンピュータ使用可能媒体に組み込まれたコンピュータ可読プログラムとして実装されてもよい。手順は、ハードウェア、ソフトウェアまたは両者の組み合わせを含む、いくつかのデバイスとして実装されうる。それぞれ各ブロックに記載された機能を実行するよう設計されるものである。ある実施形態では、該デバイスはコントローラ１３０内に組み込まれてもよい。

一般に、ユーザーがデータ取得を開始する。これは典型的には、ユーザー・インターフェース２２５（図２）と対話することによる。ユーザーは、たとえば上記のようなマルチスライスまたはヘリカル撮像モードを利用して一連の画像を取得するよう、スキャン・システム１００、１５０を動作させうる。

撮像器１０５、１５３によって取得される全スライスからのデータは、諸画像を生成し、解析を実行するようコントローラ１３０によって処理されうるデータ体積を表現する。コントローラ１３０は、前記諸画像を、ユーザーによる閲覧のためにディスプレイ２４０上に表示するよう動作する。ユーザーは一般に、前記諸画像を閲覧して、さらなる検査のための諸画像を選択する。

再び図３を参照すると、本手順の中心的な構成要素は：画像内の関心のある構造についてのシード点を選択し３１０、シード点を囲む関心のある領域を前処理し３２０、関心のある領域について少なくとも一つの慣性軸を推定し３２５、シード点を含み、各慣性軸に直交する三つの平面の一つまたは複数からの少なくとも一つのビューを生成する３４５ことである。

再びより詳しく図３を参照すると、ブロック３１０において、ユーザーは、ディスプレイ２４０上の画像中に存在する関心のある構造についてのシード点を決定する。例示的な表示画像が図４に示されている。シード点４１０は、ユーザーによって入力装置２５５またはポインティング・デバイス２４５を使ってアクティブ化され、位置付けされた十字型４１５によって示されうる。開示される諸実施形態によれば、ユーザーは次いでポインティング・デバイス２４５を操作して、「クリック」または他の仕方でシード点を選択もしくは指示し、一つまたは複数の最適ビューの生成をアクティブ化しうる。シード点はまた、入力装置２５５を操作するユーザーによって、選択または指示されてもよい。

他の実施形態では、シード点選択は、半自動または自動的であってもよい。たとえば、ユーザーによるさらなる調査のためにプログラムが画像の一部分を選び、そこでユーザーがシード点を選択してもよい。あるいはまた、ユーザーからのいかなる誘導もなしにプログラムがシード点を自分で選択してもよく、関連する構造の一つまたは複数の最適化されたビューの生成に進んでもよい。

ブロック３１５では、手順は自動的に、ユーザー決定されたシード点４１０のまわりの局所探索を実行して、シード点の位置を洗練する。ユーザー決定されたシード点４１０は最適ビュー生成のための最良選択ではないことがありうる。よって、局所探索は、シード点の位置を洗練するために、関心のある構造内でシード点近傍のボクセルを解析することに関わる。解析は、ユーザーによって使用されるのとは異なる基準を含んでいてもよい。局所探索のための例示的な基準は、関心のある構造に関する中心をもつ極大値、極小値または両方を同定することを含みうる。

ブロック３２０では、ノイズ、アーチファクトおよび近くの構造に対する堅牢性を改善するために、シード点を中心とする関心のある領域に対して前処理技法が実行されうる。ある実施形態では、関心のある領域はまず、シード点を囲む諸ボクセルを含み、関心のある構造の境界まで広がるものとして定義されうる。次いで、定義された関心のある領域に対して自己相関変換が実行されうる。一般に、自己相関変換は、ボクセルの時間的な相関の平均的な大きさを測って、期待値を生じるものでありうる。期待値は、いかに素早くデータが時間的に変化するかに依存し、ノイズおよびアーチファクトをフィルタ除去するために使用されうる。あるいはまた、他の前処理技法、たとえば低域通過フィルタ処理、非等方平滑化などが使用されてもよい。

ブロック３２５に示されるように、ある実施形態では、関心のある領域内の全ボクセルに、各ボクセルの強度およびシード点までの距離に依存して、密度値が割り当てられる。割り当てられた密度値に基づいて、主慣性軸および主軸に直交する他の二つの慣性軸が、関心のある領域について推定される。慣性軸を推定するために他の技法が利用されてもよい。たとえば、線形および非線形フィルタ処理、ガウス型の強度モデリングなどである。

ブロック３３０を参照すると、いくつかの事例では、ブロック３２５で得られる軸推定は任意的にさらなる洗練を要求してもよい。ある洗練技法は、主慣性軸に沿って一連の二次元（2D）直交スライスを生成することを含みうる。ブロック３３５において、各2Dスライスについての交差点が洗練されうる。交差点（crossing point）とは、特定のスライス内での関心のある構造の中心点として定義される。洗練プロセスにおいて、特定のスライスと主慣性軸との交点（intersection）が、初期推定として使用されうる。次いで、各スライス内の関心のある構造の中心点を位置特定するために、各スライスにおいて、単純な勾配降下技法が使用されうる。

ブロック３４０において、新たな主慣性軸が計算されうる。上記の主慣性軸に沿った一連の2D直交スライスを生成することを含む技法については、主慣性軸は、全スライスについての全交差点の集合に直線をあてはめることによって計算されうる。必要ならば新たな主慣性軸を生成するために他の諸技法が利用されてもよい。それには、慣性軸を定義する諸点に対して曲面をあてはめることが含まれる。ひとたび新たな主慣性軸が決定されると、残りの二つの慣性軸は、新たな主慣性軸との直交性を維持するためにしかるべく回転される。ブロック３４５では、シード点を含み、各慣性軸に直交する三つの平面の一つまたは複数を利用して、関心のある構造の、三つまでの新しい最適化されたビューが生成されることができる。

図４の挿入図４２０は、図３の手順から帰結する一つの例示的なビューを示している。図３の手順は、ユーザーが図３のブロック３１０でシード点を決定してシード点をクリックするか他の仕方で選択または指示するときに、ユーザーが知覚できる遅延がほとんどまたは全くなしに最適ビュー（単数または複数）が表示されるよう実装されうることを注意しておくべきであろう。

上記の実施形態はコントローラ１３０内での実装として論じているが、前記の手順および装置はスタンドアローンのワークステーション、たとえば撮像システム１００、１５０からはリモートのデスクトップまたはポータブル・コンピュータにおいて実装されてもよいことは理解しておくべきである。上記のデータ体積が手順に与えられる限り、手順は、コントローラ１３０、スタンドアローンのワークステーションで動作してもよく、あるいはここに記載した諸技法を実行するのに好適ないくつかのコンピューティング装置に分散されてもよい。

気管支構造を検査する背景で論じているが、開示される実施形態は、細長い構造が存在するいかなる医療撮像応用にも適用可能であることを注意しておくべきであろう。もう一つの例示的な応用は、CTスキャンにおける冠動脈の最適ビューを生成することを含みうる。

以上の記載は単に本発明を例示するものであることを理解しておくべきである。さまざまな代替および修正を当業者は、本発明から外れることなく考案できる。したがって、本発明は、付属の特許請求の範囲内にはいるそのようなあらゆる代替、修正および変形を包含することが意図されている。

開示される諸実施形態を実施するのに好適な撮像システムの概略図である。 開示される諸実施形態を実施するのに好適な撮像システムの概略図である。 撮像システムを動作させる例示的なコントローラを示す図である。 細長い構造の最適化されたビューの自動生成のための手順の流れ図である。 初期画像と、該画像の選択された部分の例示的な最適化されたビューとを示す図である。

Claims (20)

1. 計算機断層撮影画像の一部分の少なくとも一つのビューを生成するスキャン・システムであって：
   複数の相互接続された装置をもつコントローラを有しており、該複数の装置は：
   画像内の関心のある構造のためのシード点を選択するための装置と；
   シード点を囲む関心のある領域を前処理する装置と；
   関心のある領域のための少なくとも一つの慣性軸を推定する装置と；
   シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数からの前記少なくとも一つのビューを生成する装置とを含む、システム。
2. シード点を選択するための前記装置が、シード点を洗練するために局所探索を実行するよう動作する、請求項１記載のシステム。
3. 前記局所探索が、関心のある構造内のシード点近傍の諸ボクセルの解析を、関心のある構造内に中心をもつ極大または極小を同定することによって行うことを含む、請求項２記載のシステム。
4. 関心のある領域を前処理する前記装置が、関心のある領域の自己相関を取るよう動作する、請求項１記載のシステム。
5. 関心のある領域を前処理する前記装置が、関心のある領域を、シード点を囲み、関心のある構造の境界まで広がる諸ボクセルとして定義するよう動作する、請求項１記載のシステム。
6. 少なくとも一つの慣性軸を推定する前記装置が：
   関心のある領域内のボクセルに、各ボクセルの強度およびシード点までの距離に依存して、密度値を割り当て；
   前記密度値を使って、主慣性軸および該主慣性軸に直交する他の二つの慣性軸を定義するよう動作しうる、請求項１記載のシステム。
7. 少なくとも一つの慣性軸を推定する前記装置が：
   主慣性軸に沿って複数の二次元直交スライスを生成し；
   各スライス内で関心のある構造の中心点を位置特定し；
   前記複数のスライスについての前記関心のある諸中心点に直線をあてはめることによって、主慣性軸を定義するようさらに動作しうる、請求項６記載のシステム。
8. 計算機断層撮影画像の一部分の少なくとも一つのビューを生成する方法であって：
   画像内の関心のある構造のためのシード点を選択する段階と；
   シード点を囲む関心のある領域を前処理する段階と；
   関心のある領域のための少なくとも一つの慣性軸を推定する段階と；
   シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から前記少なくとも一つのビューを生成する段階とを含む方法。
9. シード点を選択する前記段階が、シード点を洗練するために局所探索を実行することを含む、請求項８記載の方法。
10. 前記局所探索が、関心のある構造内のシード点近傍の諸ボクセルの解析を、関心のある構造内に中心をもつ極大または極小を同定することによって行うことを含む、請求項９記載の方法。
11. 関心のある領域を前処理する前記段階が、関心のある領域の自己相関を取ることを含む、請求項８記載の方法。
12. 関心のある領域を前処理する前記段階が、関心のある領域を、シード点を囲み、関心のある構造の境界まで広がる諸ボクセルとして定義することを含む、請求項８記載の方法。
13. 少なくとも一つの慣性軸を推定する前記段階が：
    関心のある領域内のボクセルに、各ボクセルの強度およびシード点までの距離に依存して、密度値を割り当て；
    前記密度値を使って、主慣性軸および該主慣性軸に直交する他の二つの慣性軸を定義することを含む、請求項１３記載の方法。
14. 前記主慣性軸がさらに：
    主慣性軸に沿って複数の二次元直交スライスを生成し；
    各スライス内で関心のある構造の中心点を位置特定し；
    前記複数のスライスについての前記関心のある諸中心点に直線をあてはめることによって定義される、請求項１３記載の方法。
15. コンピュータ上で実行されると、該コンピュータをして：
    画像内の関心のある構造のためのシード点を選択する段階と；
    シード点を囲む関心のある領域を前処理する段階と；
    関心のある領域のための少なくとも一つの慣性軸を推定する段階と；
    シード点を含み、各慣性軸に直交する３つの平面のうちの一つまたは複数から少なくとも一つのビューを生成する段階を実行することによって、
    計算機断層撮影画像の一部分の少なくとも一つのビューを生成させる、コンピュータ・プログラム。
16. シード点を選択する前記段階が、シード点を洗練するために局所探索を実行することを含む、請求項１５記載のコンピュータ・プログラム。
17. 前記局所探索が、関心のある構造内のシード点近傍の諸ボクセルの解析を、関心のある構造内に中心をもつ極大または極小を同定することによって行うことを含む、請求項１６記載のコンピュータ・プログラム。
18. 関心のある領域の自己相関を取る段階が、関心のある領域を、シード点を囲み、関心のある構造の境界まで広がる諸ボクセルとして定義することを含む、請求項１５記載のコンピュータ・プログラム。
19. 少なくとも一つの慣性軸を推定する前記段階が：
    関心のある領域内のボクセルに、各ボクセルの強度およびシード点までの距離に依存して、密度値を割り当て；
    前記密度値を使って、主慣性軸および該主慣性軸に直交する他の二つの慣性軸を定義することを含む、請求項１５記載のコンピュータ・プログラム。
20. 前記主慣性軸がさらに：
    主慣性軸に沿って複数の二次元直交スライスを生成し；
    各スライス内で関心のある構造の中心点を位置特定し；
    前記複数のスライスについての前記関心のある諸中心点に直線をあてはめることによって定義される、請求項１９記載のコンピュータ・プログラム。

Images