JP2009537207A - 造影医療画像データを出力するためのコンピュータプログラム - Google Patents

Abstract

コンピュータ命令のストリングは、造影物体を表すボクセルを含む医療画像データを出力するために示され、コントラスト強調を表すボクセルを有する第１のオブジェクトデータセット上で動作するように構成される。これにより、ボクセルが造影した血管を表す第１のオブジェクトデータセットにおいて、ボクセルのサブセットを分割し、前記分割の結果を使用して、コントラスト強調を表す前記ボクセルを仕切って前記分割された血管を表すボクセルの第１の集合と、残りの造影したボクセルを表すボクセルの第２の集合とにして、及び前記仕切りを使用して、前記第１の集合のボクセルと前記第２の集合のボクセルとの差異が特定できるコントラスト強調を表すボクセルを有する第２のオブジェクトデータセットを出力する。これは動的造影胸部撮像に特に有利に利用される。

Description

本発明は、造影医療画像データを出力するためのコンピュータ命令のストリングに関し、このストリングは、コントラスト強調を表すボクセルを有する第１のオブジェクトデータセット上で動作するように構成されると共に、前記コントラスト強調を表している前記ボクセルを特定するように構成される。

造影撮像は、造影剤又はコントラストを強調する別の方法を用いて、画像の一部において相対的コントラストを増大させ、改善された診断を提供する。Tanya Niemeyer 他著、"Comparison of Automatic Time Curve Selection Methods for Breast MR CAD" Medical Imaging 2004: Image Processing, edited by J. Michael Fitzpatrick, Milan Sonka; Proceedings of SPIE, vol 5370において、胸部のダイナミック造影磁気共鳴を使用して、十分に高い割合の強調を示すこれらボクセルを特定することにより、疑わしい胸部の病変を特定することが記載されている。悪性病変は、腫瘍の血管床の増大する浸透性により、造影剤の増大する洗い出し(washout)を示す傾向がある一方、良性病変は、持続的な摂取を示す傾向があることが知られているので、前記造影剤の洗い出し曲線は、悪性病変と良性病変とを区別するのに使用されることができる。この洗い出しプロファイルは、結果生じる画像において増大したコントラストの如何なる範囲にわたり規定される関心領域に対し計算されることができる。この方法の結果は、悪性腫瘍を診断するのに使用される関心領域に対する洗い出しプロファイルの集合である。残念ながら、関心の増す領域は、非病変物質を含んでいる。

本発明の目的は、造影した病変のさらに正確な検出を可能にする造影医療画像データを提供することである。

これは、本発明に従って達成され、これにより、前記ストリングは、
ボクセルが造影した血管を表す第１のオブジェクトデータセットにおいて、ボクセルのサブセットを分割（セグメント化）するように構成され、
さらに、前記分割の結果を使用して、コントラスト強調を表すボクセルを仕切って前記分割された血管を表すボクセルの第１の集合と、残りの造影したボクセルを表すボクセルの第２の集合とにするようにも構成され、並びに
さらに、前記仕切りを使用して、前記第１の集合にある如何なるボクセルも第１の集合であると視覚的にマーキングされ、及び前記第２の集合にある如何なるボクセルも第２の集合であると視覚的にマーキングされるコントラスト強調を表すボクセルを有する第２のオブジェクトデータセットを出力するようにも構成され、
ている。

造影したボクセルを含むオブジェクトデータセットにおいて前記造影した血管の分割を可能にすると共に、前記造影したボクセルを血管ボクセル及び非血管ボクセルにする仕切りを生成し、これにより造影した血管ボクセルと造影した非血管ボクセルとの視覚的な差異が容易に特定されるオブジェクトデータセットの生成を可能にするために前記分割を使用することを可能にする特徴は、前記組織内における如何なる造影した血液及びリンパ液の供給の特定、及びこれにより造影剤が流れる解剖学的流路の特定を可能にする。これは、病変を表すボクセルと、病変を表してはいない他の造影したボクセルとの区別を可能にすることが分かっている。血管の向きが原因により画像平面に対し横配列で血管物質が示される画像として、前記オブジェクトデータが表示されたとしても、造影した血管材料が特定されることが可能である特有の利点を有する。このような血管は平面画像において造影した物質の小さな丸い範囲として頻繁に現れ、病変物質と混乱し易い。

本発明は従って、造影した病変をさらに正確に検出する方法の問題を解決する、特に、造影画像における、本物の孤立性病変と造影した血管の小さな断面とを区別する方法の問題を解決する。

視覚的なマーキングは、表示される結果生じる画像において色を使用することにより有効に達成されることができる。別々の色、すなわち色の範囲は、簡単な視覚化及び各集合のボクセルを他の集合のボクセルから区別することを可能にする。

血管樹抽出アルゴリズムとしても従来知られている、如何なる適切な血管分割も使用されることができるが、それは前記分割が波面の伝播(wave front propagation)を有する領域拡張アルゴリズムにより行われる場合、特に有利である。このようなアルゴリズムは、例えば、Thorsten Schlatholter他著、"Simulyamepis Segumentation and Tree Reconstruction of Airways for Virtual Bronchoscopy", SPIE2002、Thomas Bulow他著、"A General Framework for Tree Segmentation and Reconstruction from Medical Volume Data", MICCAI2004、及びThomas Bulow他著、"Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data", Medical Imaging 2005: Physiology, Function and Structure from Medical Images, edited by Amir A. Amini Armando Manduca, Proceedings of SPIE Vo. 5746から知られている。上記分割は、特に正確な血管樹の分割を提供すると共に、個々の血管セグメント内にある空間を表すセグメントを成長させ、撮像される身体において本物の血管樹を表す分岐ネットワークを形成するために、前記セグメントを一緒に接続することが続く。言い換えると、シード点から始まり、血管樹の接続されるサブ血管樹が分割される。この分割は通常、造影後画像と造影前画像との差異を示すサブトラクション画像において三次元で行われる。

最初のシード点から拡張される領域拡張アルゴリズムは、同じプロトコル若しくはコンピュータサブルーチンにより自動的に又はオブジェクトデータセットの閲覧者によるかのどちらか一方で選択されるオブジェクトデータセット内にある点又はボクセルから始まる。通常は素早く進行する面である波面は、このシード点から拡張され、この波面は前記オブジェクトデータセットのボクセルを通り抜け、波面が遭遇するボクセル各々にボクセル受け入れ基準を適用する。前記ボクセルが前記基準を満たす場合、ボクセルは拡張ボリュームに組み込まれる。このボクセル受け入れ基準は、前記波面を本事例では血管に抑制するのに使用される。前記ボクセル受け入れ基準は通常、しきい値であり、本事例では血管樹である分割した構造で組織を表すボクセルと、その場所にある他の組織を表すボクセルとを区別するしきい値となるように選択される。最新の事例において、適切なしきい値は、血管の壁を表すボクセルには一般的なグレイレベル値である。この事例では、前記オブジェクトデータセットがＣＴから取得される場合、動脈組織の壁を特定するのに適したしきい値にとって一般的な値は、１１００から１３００ＨＵの範囲にある値である。本発明がＭＲ撮像から得られるデータに利用される場合、出力したオブジェクトデータセットの絶対的なデータポイント値の変化を生じさせる、磁場勾配における固有変動性がしきい値の選択をさらに難しくさせることが分かっている。適切なしきい値を計算するための１つの方法は、それの計算は当業者には知られているヘッシアン行列を使用すること、それ自体は知られた処理である固有ベクトルを計算するために前記ヘッシアン行列を使用すること、及びオブジェクトデータセットにおける適切な血管の断面を特定するために前記固有ベクトルを使用することである。次いで、この断面の中心が計算され、その中心点から光線が放たれ、各光線に沿った適当な間隔で前記勾配が計算される。最大の勾配が生じる点は、そのグレイ値がその特定の事例に対するボクセル受け入れ基準のしきい値として使用するのに適したボクセルを示している。

波面が前記血管樹における何れかの分岐点に到達するとき、この波面は分解する。実際には、この波面が接続点の複数の集合、通常は血管樹の二叉分岐のため２つに分解する。利用されるアルゴリズムは、前記波面にわたる連結性を定期的に調査し、連結性が無いと検出された場合、前記アルゴリズムは波面の伝播を止め、前記接続点の複数の集合を特定し、各集合内において、新しい波面が伝播される新しいシード点を特定する。これにより、これが前記分割手順を継続する。新しいシード点は、接続される集合の中心にあるボクセルとして容易に計算されるが、新しい波面はこの点から拡張されるので、それが実際には前記集合の何れかのボクセルであることは当業者により理解されるだろう。

前記アルゴリズムは、セグメントレベルで行われる様々な検査を含む。最初は、セグメント全体に終端基準を適用することである。各セグメントは、それが停止する前に最大の長さに進むことが可能であり、前記セグメントの端部で接続されるボクセルの集合において新しいシード点が計算される。妥当性の検査は、前記セグメントに対するセグメント評価基準を適用することにより行われる。それが妥当なセグメントになる場合にのみ、特定のセグメントを生成し続けることがより効率的であるため、これはセグメント拡張中に通常は行われる。しかしながら、全セグメントが生成した前記手順の終わりにこれを行うことが理論上可能である。セグメントの無効性に対する一般的な理由は、前記ボクセル受け入れ基準の誤りにより、分割したボリュームの周囲組織への漏れである。このボクセル受け入れ基準の誤りは、小さい血管における部分容積効果のせいで生じる。漏れがある場合、妥当性の検査は、考慮中の組織の解剖学的評価からは予想されない血管の半径の値を表す半径値に有利に基づいて行われる。代わりに、従来知られるような"ベッセルネス(vesselness)"フィルタは、個々のセグメントを有効にするために使用される。漏れが検出される場合、前記漏れだけではなく、その漏れに付けられた全セグメントが取り除かれる。最大のセグメント長の維持は、漏れが生じたとき、大きすぎるセグメント長の損失を避ける。

セグメント評価基準は、全セグメントを受け入れる又は拒絶するために各セグメントを定期的に評価するのに使用される。新規セグメントは、受け入れられたセグメントに関する各々の接続された波面成分に対し許容可能な状態で初期化される。拒絶されたセグメントは、初期のシード点の下流にある他のセグメントを初期化するのには使用されない。セグメント評価基準は、画像空間内におけるグレイ値の分布を分析する、例えばヘッセ行列、勾配及びレイキャスティング(ray casting)等を使用する、既知の技術でしばしば構成される上記基準、例えば"ベッセルネス"、"指向性(orientedness)"に基づくグレイ値とすることができる、又は代わりに例えば幾何学的性質とするこができたり、例えば最大のセグメントの半径、伸長形状等に基づくことができたりする。

受け入れられないと分かったセグメントは、様々な基準に対し自動的に適合されるパラメタの組を用いて再拡張されることができる。これらパラメタはさらに、新規セグメントが親セグメントから継承される度に適合される。

一旦前記セグメントが拡張されたら、如何なる誤ったセグメントも取り除くために、血管樹レベルで検査が行われる。単一のセグメントを考慮することで決定が行われることはないので、血管樹レベルにおいてのみ行われる決定である。例えば分岐点の密度が漏れを示すのが高すぎる場合、サブ血管樹は削除される。例えば如何なる誤った分岐点も取り除くための基準も含まれる。

血管樹レベルの検査に従って、血管樹全体が構成セグメントから構成されることができる。

従来知られているように、上記領域成長アルゴリズムは通常、特定の血管樹においてボクセルを特定するためにボリュームデータに適用されるが、これらアルゴリズムを二次元のスライスデータに適用することも可能である。しかしながら、ボリュームデータに適用したとしても、上記領域成長アルゴリズムを適用する結果は、二次元のスライス画像で見られる。前記ボリュームデータは造影物質を表すボクセルを含み、これにより造影剤の注入後に取得された画像データを表すオブジェクトデータセットでもよいが、等価及びしばしば登録されたデータ点を対応する注入前画像のデータから取り去ることで修正される注入後画像のデータセットを表すオブジェクトデータセットでもよい。後者の技術は、結果生じる画像における造影物質を表すボクセルと、他のボクセル全てとの間にボクセル値に関する大きな差が存在する利点を有し、本質的に前記オブジェクトデータセットは対応する注入前画像から画像データを取り去ることにより背景に対し補正される。

本発明により特定されるボクセルの第１及び第２の集合の差異は、前記ボクセルの第１の集合が特定されるマスクを計算するための仕切りを使用することにより、ユーザに有利に特定される。本質的には、これは明白な血管のオーバーレイからなる一形態であり、映像の上に３Ｄの血管樹のオーバーレイを含む。従来知られるように、マスクは、全てのデータ点が１又は０のどちらか一方である他のオブジェクトデータセットである。第２のオブジェクトデータセットに適用される場合、従来知られる技術を用いて達成されるこのマスクは、第２のオブジェクトデータセットから得られる画像にある第１の集合から全てのボクセルを閲覧者が特定する。言い換えると、結果生じる画像にある血管の閲覧者により視覚的な特定を可能にする。これらボクセルがさらにある容易に目立つ色で示される場合、これらボクセルは閲覧者によりさらに容易に目立つようにレンダリングされ、これは、従来知られるように二次元画像のスタックとして前記データセットを見るとき特に有利であり、ここで血管データは各画像の平面に対し横配列であるために切り捨てられる。多くの癌性の病変はこれら病変の成長過程のある時期に高度に脈管化されているので、血管物質の特定及び表示は、固有の診断値を持つ。これにより、血管ボクセルの視覚的表示が血管の集塊を容易に特定することを可能にして、これは、何らかの理由で前記病変が造影剤を効率よく吸収せず、これにより造影画像にはっきりと示されなくても、高度に脈管化された癌性の病変の存在を指摘する。

代わりに、ボクセルの第２の組が特定されるマスクを計算するために、前記仕切りが使用されてもよい。これは血管抑制(vessel suppression)と呼ばれる。これは３Ｄ表示から前記血管を取り除き血管が疑わしい病変と間違えられる危険性を減少させる。このマスクは、第２のオブジェクトデータセットに利用される場合、閲覧者がこの第２のオブジェクトデータセットから得られる如何なる画像における第２の集合からの全てのボクセルを特定する。この第２の集合は病変を示す何らかのボクセルを含むと予想されるので、前記マスクデータは前記第２のオブジェクトデータセットにおけるボクセルの第２の集合を着色するのに使用される場合、特に有益である。このステップは、造影した病変物質を示す如何なるボクセルも如何なる結果生じる画像において着色され、これにより閲覧者によく見える利点を有する。

代わりに、血管ボクセル及び非血管ボクセルの両方を示す画像の計算並びに表示により、両方の利点が組み合わされてもよく、各形式は異なる色又は色の範囲で表示される。

前記データの表示に対する他のオプションは、生データ又は実際はオーバーレイした血管の三次元の映像化を用いて、例えばサブトラクション又は強調画像のような本来のオブジェクトデータセットから得られる如何なる種類のデータのグレイ値の多断面再フォーマット(multi-planar reformat)の計算及び表示を含む。この画像は、そうでなければ疑わしい病変と誤解される前記多断面再フォーマットで血管の断面を示すことが特に有利である。それはさらに高度に脈管化された範囲を強調して、これは映像化モードで特に明白となる。

前記方法は、人間の胸部にある血管が小さく、これにより血管を通る横断面で撮像平面を切り出す場合、画像上で正確に特定することは難しいので、ＤＣＥ胸部ＭＲ撮像に利用される場合特に有利である。この場合、波面伝播の連結性は、本発明において１ｍｍ毎に評価される。１ｃｍの最大セグメント長が終端基準として利用される。４ｍｍの半径終端基準値は、漏れを検出する血管の半径の値を示すと共に、たぶん人間の胸部にある本物の血管を示すことができないセグメントは生成されないことを補償するので、この値は有利に使用される。

他の利点は、前記方法が胸部の撮像に利用される場合、血管樹レベルでの検査が領域拡張アルゴリズムに組み込まれる必要がないことである。血管樹レベルでの検査は、人間の乳房における血管樹の滑らかさ及び規則正しさであり、身体のこの部分に誤った分岐点がないので省略される。全血管樹構造内で行う血管樹レベルの決定が無いことは、計算電力及び時間を節約する。

本発明を利用する結果は、さらに正確な造影画像データである。

本発明は、コンピュータ命令のストリングを組み込むように構成されるワークステーションにも関し、医療画像の取り扱い及び評価に適した作業空間において本発明を行うのに適している利点を有する。

本発明は、コンピュータ命令のストリングを組み込むように構成されるコンピュータを用いた検出システムにも関し、コンピュータを用いた検出アルゴリズムを診断を目的とする医療画像の評価に利用するのに適した作業空間において本発明を行うのに適している利点を有する。

本発明のこれら及び他の態様は、図面を用いて説明される。

オブジェクトデータセットは、このオブジェクトデータセットにより示される組織の身体を通る単一のスライスを示す二次元画像を構成するのに使用され、さらに３次元の組織の身体を示す画像を構成するのにも使用されることができる。後者は、従来知られる様々なボリューム映像化技術を用いて達成される。

図１は、胸部の癌性の病変及び血管樹の一部を示すサブトラクション画像である。全ての造影物体は明るく見えているが、前記画像から血管樹が終わる及び病変が始まる場所を常に全部が明らかになっているわけではない。

図２は、信号強度曲線が生成された後のコントラスト強調の領域を示すカラーマップである。単一の強度曲線が病変と血管樹とを区別することが出来ないことは明らかである。前記信号強度曲線の出力がコンピュータを用いた検出のためのアルゴリズムへの直接の入力として使用された場合、前記アルゴリズムに血管を病変であると誤って検出させてしまう。

図３は、血管樹を抽出した結果を示す。あるシード点が対話式に置かれる。血管３０１は現在、造影した病変物質３０２に対し別々に明らかに特定できる。

図４は自動的にシード点を選択するのに使用される血管強調フィルタのフィルタ応答を示す。この血管樹の分割はこの血管強調画像上で行われる。

胸部の癌性の病変及び血管樹の一部を示すサブトラクション画像。 信号強度曲線が生成された後のコントラスト強調の領域を示す図１の画像のカラーマップ表現。 血管樹を抽出した結果を示す図。 自動的にシード点を選択するのに使用される血管強調フィルタのフィルタ応答を示し、血管樹の分割はこの血管強調画像上で行われる。

Claims (13)

1. 造影物質を表すボクセルを含む医療画像データを出力するためのコンピュータ命令のストリングであり、コントラスト強調を表すボクセルを有する第１のオブジェクトデータセット上で動作するように構成され、コントラスト強調を表す前記ボクセルを特定するように構成される前記コンピュータ命令のストリングにおいて、
   ボクセルが造影した血管を表す前記第１のオブジェクトデータセットにおいて、ボクセルのサブセットを分割するように構成され、
   さらに、前記分割の結果を使用して、コントラスト強調を表す前記ボクセルを仕切って前記分割された血管を表すボクセルの第１の集合と、残りの造影したボクセルを表すボクセルの第２の集合とにするようにも構成され、並びに
   さらに、前記仕切りを使用して、前記第１の集合にある如何なるボクセルも前記第１の集合であると視覚的にマーキングされ、及び前記第２の集合にある如何なるボクセルも前記第２の集合であると視覚的にマーキングされるコントラスト強調を表すボクセルの集合を有する第２のオブジェクトデータセットを出力するようにも構成され、
   ることを特徴とするコンピュータ命令のストリング。
2. 前記分割は、シード点から拡張された波面の伝搬を有する領域拡張アルゴリズムにより行われることを特徴とする請求項１に記載のコンピュータ命令のストリング。
3. 前記領域拡張アルゴリズムは、最初のシード点から波面を拡張させるための命令を有し、さらに、前記波面内にある個々のボクセルを受け入れ基準と比較して、前記拡張した領域からボクセルを含む又は排除の一方を行うための命令を有することを特徴とする請求項２に記載のコンピュータ命令のストリング。
4. 前記領域拡張アルゴリズムは、
   前記波面にわたる前記ボクセルの連結性に対し検出するための命令を有し、
   さらに、連結性が検出されない場合、前記波面の伝播を停止する命令を含み、
   さらに、互いに接続されている、前記停止した波面にあるボクセルの前記構成要素の集合を計算するための命令を含み、及び
   さらに、接続したボクセルの個々の構成要素の集合内において新しいシード点を見つけ、前記新しいシード点から新しい波面を開始するための命令を含む
   ことを特徴とする請求項２又は３に記載のコンピュータ命令のストリング。
5. 前記波面にわたる前記ボクセルと前記波面の各１ｍｍの拡張との連結性に対する検査が行われることを特徴とする請求項４に記載のコンピュータ命令のストリング。
6. 前記受け入れ基準は、グレイレベルのしきい値であることを特徴とする請求項３に記載のコンピュータ命令のストリング。
7. 前記仕切りは、前記ボクセルの第１に集合を特定するマスクを計算するのに使用され、さらに前記ボクセルの第１の集合が特定される画像を生成するための使用に適するように、前記第２のオブジェクトデータセットに前記マスクを適用するように構成されることを特徴とする請求項１に記載のコンピュータ命令のストリング。
8. 前記仕切りは、前記ボクセルの第２の集合を特定するマスクを計算するのに使用され、さらに前記ボクセルの第２の集合が特定される画像を生成するための使用に適するように、前記第２のオブジェクトデータセットに前記マスクを適用するように構成されることを特徴とする請求項１に記載のコンピュータ命令のストリング。
9. 前記マスクしたボクセルはカラーで表されることを特徴とする請求項７又は８に記載のコンピュータ命令のストリング。
10. 前記視覚的なマーキングは、前記第１の集合にあるボクセル及び／又は前記第２の集合にあるボクセルを夫々の集合を示す色又は色の範囲で表示することにより構成されることを特徴とする請求項１に記載のコンピュータ命令のストリング。
11. 前記第１のオブジェクトデータセットは乳房の組織を表すボクセルを有することを特徴とする請求項１乃至１０の何れか一項に記載のコンピュータ命令のストリング。
12. 請求項１乃至１１の何れか一項に記載のコンピュータ命令のストリングを有するワークステーション。
13. 請求項１乃至１２の何れか一項に記載のコンピュータ命令のストリングを有するコンピュータを用いた検出システム。

Images