JP2009540998A

JP2009540998A - 脳梗塞の進展ポテンシャルを推定する方法

Info

Publication number: JP2009540998A
Application number: JP2009517328A
Authority: JP
Inventors: バイエ、シルバン; サムソン、イブ; エビア−モンティエル、ニディヤーレ; ロッソ、シャルロット; デルトゥール、サンドリーン; バルディネット、エリック; ドルモン、ディディエ
Original assignee: Centre National de la Recherche Scientifique CNRS
Current assignee: Centre National de la Recherche Scientifique CNRS
Priority date: 2006-06-29
Filing date: 2007-06-29
Publication date: 2009-11-26
Also published as: WO2008000973A3; WO2008000973A8; US20090326360A1; CA2656299A1; CA2656299C; EP2036044A2; WO2008000973A2; EP2036044B1

Abstract

本発明は、特に急性期、すなわち脳卒中からの生還後６時間の、脳梗塞の進展ポテンシャルを自動的に推定する方法に関する。先行技術には脳梗塞の進展を予測するいくつかの方法があるが、それらの方法は、まだ標準化されていない。従って、本発明は、脳梗塞の進展ポテンシャルを推定する方法を利用可能にすることにより、この問題を克服することを提案する。この方法は、拡散ＭＲＩ画像シーケンスが得られるステップ（１０）と、皮質実質の複数の点またはボクセルでのみかけの拡散係数（ＡＤＣ）が算出されるステップ（４０）と、初期の梗塞の位置を特定してその境界を画定し、ＡＤＣの大きさに応じた基本エネルギーパラメータの線形結合により規定される全体エネルギー指数Ｅの反復最小化により確立された進展モデルに基づき、梗塞の発現をモデル化することを伴うステップ（３０）とを備えている。

Description

本発明は、特に急性期、すなわち脳卒中の発生後６時間以内の、脳梗塞の進展ポテンシャルを自動的に推定する方法に関する。
これに関して、本発明は、急性期における脳梗塞の進展ポテンシャルを決定するための脳の画像化の分野に関するものであり、より具体的には、磁気共鳴（ＭＲＩ）により得られた画像の分析および処理に関するものである。この手順の利点は、これらの脳血管発作の広がりに対抗するための効果的ではあるが攻撃的な治療の実施により生ずるリスク／利益の比が、早期に決定されるという点にある。

先行技術からは、ソフトウェアツールの形で用いられる少数の、まだ標準化されていない方法が知られている。脳梗塞の進展を予測する現行の方法は、画像化データによるものであり、主に、灌流異常と拡散ＭＲＩシーケンスとの比較、または灌流走査装置から得た画像の検討に基づく。

これに関して、特許文献１には、かかる方法に従って梗塞の進展ポテンシャルの推定を得るための様々なステップが説明されている。理論的には大きな関心があるにもかかわらず、これら方法はすべて、様々な生理病理学的な限界および方法論的な限界に直面している。そうした方法の標準化は極めて複雑になることが分かっており、それらの方法のうちのいずれも確実な標準として提示されていない。このような理由により、そうした方法の実施は生理病理学的な調査や、恐らくは高度に専門化した少数のセンターのみが参加可能な大規模な治療試験に限定されたままである。

文献で報告されている現在唯一の取り組みは、患者から逐次的に取得された２種類のＭＲＩ画像、すなわち、すでに確立された梗塞の範囲を評価できるようにする拡散画像と、虚血性ペナンブラの指標、すなわち、罹患しているがなお治療的介入により救えるニューロン組織の範囲を示す灌流画像との不一致を評価することからなる。各画像シリーズにおいて、識別された部位間の量の不一致が多いほど、より進展のリスクが高くなると考えられる。

この先験的で簡単かつ適切な方法は、実際には、実施するには相当複雑である。造影物質（例えばガドリニウム）の注射が必要とされるため、特に静脈アクセスが困難な場合、灌流シーケンス中の検査が引き延ばされ、緊急の臨床としては適していない。その上、灌流測定を定量化する方法にも依然として議論があり、ほとんど標準化されていないままであり、かかる方法の再現性は不十分なものである。最後に特に、いずれの方法でも、画像処理時間が緊急使用に適合する形で、満足できる感度／特異度比を得ることはできなかった。文献の分析から、この方法は、その感度は適正（７０％または８０％）であっても、進展の検出の特異度の点で性能が凡庸であることが示唆される。

国際公開第０７／０５８６３２号

本発明の目的は、脳卒中に襲われたばかりの患者の脳梗塞の進展ポテンシャルを、自動的に、迅速かつ確実に予測できるようにする方法であって、標準化されたやり方で実施で
きる方法を提案することにある。

この方法により、極度の緊急性を有する治療上の決定を個別規模で支援するツールを、または小グループの患者に関して製薬産業向けに新たな治療の迅速な評価を提供できるようになる。後者の場合、梗塞の実際の進展と、本発明に従った推定方法により予測された進展とを比較することにより、試験局面で分子の効果を迅速に評価することができる。分子が梗塞の進展を緩和するのに有効な場合、本発明に従った推定方法では、体系的に後者が過大に評価される。

梗塞の急性期において、みかけの拡散係数（ＡＤＣ）の数値は、すでに梗塞が起きている部位では著しく低下するとともに、虚血性ペナンブラ領域、すなわちその後何時間かに最終的に梗塞が起こりがちな領域では、より穏やかに低下するという事実が、本発明では利用される。梗塞核の周囲の、平均ＡＤＣが正常より低い部位を自動的に検出することにより、梗塞の最終的なサイズの推定を利用できるようになる。その時、患者が負う生命または機能リスクの評価は、より完全になる。

この方法の中心となるのはＡＤＣの局所値であるが、病変の進展を最もうまくモデル化するために、その他の基準もまた考慮される。これらの補足的基準は、以下に関するものである。
・進展する梗塞モデルに含める候補であるＭＲＩ画像要素（ボクセル）の選定。
・病変の全体的形状の正則性。
・ＡＤＣ測定の異方性に従った、脳実質内での進展の方向。
・関連する初期閉塞のタイプに関する、損傷部位の範囲の数値的確率地図とのマッチング。

より正確には、本発明の対象は、脳梗塞の進展ポテンシャルを推定する方法であって次のステップ、すなわち、拡散ＭＲＩ画像シーケンスを取得するステップと、皮質実質の複数の点またはボクセルでのみかけの拡散係数（ＡＤＣ）を算出するステップと、初期の梗塞の位置を特定してその境界を画定するステップと、ＡＤＣの大きさに応じた複数の基本エネルギーパラメータＥ_Ｉの線形結合により規定される全体エネルギー指数Ｅの反復最小化を行うことにより確立された進展モデルから、梗塞の発現をモデル化するステップとを備える方法である。

本発明に従って脳梗塞の進展ポテンシャルを推定するこの方法では、標準的ＭＲＩ画像化装置での拡散強調ＭＲＩ画像シーケンスであって神経放射線科で通常利用可能な画像シーケンスのみが必要とされる。従って、この方法では、造影剤を静脈内に入れる必要はなく、ＭＲＩ画像取得時間は５分未満に短縮される。

加えて、この方法は、脳実質体積でのＡＤＣ測定の３次元マップの分析は使用された画像化装置に絶対的に依存するものではないため、非常に簡単に実施できる。
最後に、最終的な梗塞により影響を受ける部位内のＡＤＣの平均局所値は、科学文献ですでに検討済みである。

有利には、この線形結合は、以下の基本エネルギーパラメータＥ_Ｉを備えている。
・Ｅ_Ｒ：これにより、進展する梗塞部位内のＡＤＣの平均局所値は、既定の目標値へ向かう。
・Ｅ_Ｓ：これにより、梗塞の包絡面は正則曲面を有する。
・Ｅ_Ｖ：これにより、この全体エネルギー指数を算出する際、脳組織をモデル化するボクセルのみが考慮される。
・Ｅ_Ｐ：各ボクセルでの梗塞の進展確率を経験的手法から規定する。
・Ｅ_ＡＮ：みかけの拡散係数の局部勾配を算出することにより生じる異方性進展モデルを画定する。

好ましくは、これらの基本エネルギーパラメータＥ_Ｒ、Ｅ_Ｓ、Ｅ_Ｖ、Ｅ_ＰおよびＥ_ＡＮは、以下の関数で表される。

式中、
ｉ_ＩＮＦ（または各σ_ＩＮＦ）は、進展部位ＩＮＦにおけるＡＤＣの大きさの経験的平均（または各標準偏差）であり、

は、虚血性ペナンブラ領域のコア局所平均の目標値である。

式中、
Ｎ_ＩＮＦ（または各Ｎ_ＩＧ）は、各々、部位ＩＮＦおよびＩＧ内のボクセルの数であり、Ｅ_Ｓは、デジタル画像処理分野ではよく知られたイジングによる正則化ポテンシャルであり、
Ｎは、部位ＩＮＦに含めるための候補ボクセルに隣接するボクセルの総数（例えば３次元では２６）であり、そのうち、Ｎ_Ｖは、すでにＩＮＦに属しており、
δおよびβは、定数のスカラパラメータである。

式中、
ｉ（ｖ）は、ボクセルｖでのＡＤＣ値であり、

（または各σ_ＩＧ）は、進展部位ＩＧ内のボクセルの平均ＡＤＣ値（または各標準偏差）に関する先験性であり、
Ｎ_ＩＮＦ（または各Ｎ_ＩＧ）は、各々、部位ＩＮＦおよびＩＧ内のボクセルの数である。

式中、
ｐ（ｖ）は、ボクセルｖが最終形態の梗塞に属する先験的確率である。

式中、

は、ＡＤＣマップの各ボクセルにおいて規定された勾配ベクトルのストリームであり、

は、進展する病変のバイナリマスクのいずれかの点で算出された勾配である。
病変の状態を仮想オブジェクトとしてエネルギーの最小化を行うと、いくつかの独立パ
ラメータを導入して、得られる結果の感度をより精密にすることができる。

特定の実施形態では、進展部位内ではＡＤＣの平均局所値が向かう既定の目標値は、ほぼ７４０ｍｍ^２／秒または対側健常部位でのＡＤＣの平均値のほぼ０．９３倍に等しい。
最終的な梗塞内のＡＤＣのこの平均局所値は、科学文献ですでに検討済みであり、ある患者と別の患者とでほぼ完全に同じである。このため、良好な結果を得るのに調整の必要がない。

パラメータＥ_Ｓにより、進展する虚血性病変の神経生理病理学に適合しない位相収差を回避することができる。
パラメータＥ_Ｖにより、各ボクセルでのＡＤＣ値に関する収差を回避することができる。このパラメータが小さすぎる場合、ボクセルのＡＤＣ値が、ノイズを含むかまたは人為的な影響を受けていることが考えられ、高すぎる場合には、ボクセルが、病変内の望ましくない脳脊髄液のボクセルであることが考えられる。

パラメータＥ_Ｐは、病変により影響を受けている画像の各ボクセルに関する経験的確率マップを通じて、梗塞の進展の指標となる。このパラメータは、虚血性梗塞をまねいた原閉塞の各タイプに利用できる可能性がある。

最後にパラメータＥ_ＡＮにより、進展する病変の表面上の各点のＡＤＣ分布の異方性に従って、病変の進展の優先方向が３次元で制御される。梗塞は、局部ＡＤＣの大きさが最小になる勾配の方向に、優先的に拡大する。従って、最終的な梗塞の推定は信頼性が高くなる。

また、本発明は、本発明による進展ポテンシャルを推定する方法を実行する装置にも関する。よって、急性期の病変のマスクによって初期化されると、この装置により、病変の進展に関して信頼できる判定を簡単かつ迅速に、自動的に得ることができる。

本発明のその他の特徴および利点は、図面を参照して以下の詳細な例示的実施形態を読むことから明らかとなる。

本発明による進展ポテンシャル推定方法を実施するための装置の象徴的な図。本発明による脳梗塞の進展ポテンシャルを推定する方法を実施するための順序フロー図。患者の脳梗塞の進展の実際および予測を表すデジタル画像シーケンスの図。

「画像」という用語は、以下の説明で使用する場合、患者の脳組織の性質を空間内の多くの点で説明するデータを指す。従って、これらの「画像」は、２次元または３次元の空間を表すための複数の点からなる。

画像を形成するデジタル化された「点」は、３次元空間部分を探査する一連の断面から画像が得られたか否かに応じて、ボクセル（体積ピクセル）またはピクセルを指定する。
「マップ」という用語は、頭部を構成し「実質」とも呼ばれる組織の、ある一定の特性の空間的分布を表す２次元または３次元の画像を指す。これらのマップは、各患者の特異性に合わせることのできるモデルとするためにデータベースから得られるか、あるいは患者での画像取得中に収集された個別データの活用から得られる。これらのマップには、脳の構造に関する情報、または患者の脳組織の状態に関する情報が示される。有利には、こ
れらのマップは、いくつかの相補的な情報レイヤを同じ画像上で得るために重ね合わせることができる。

図１は、本発明による進展ポテンシャル推定装置の例示的実施形態を示す。この装置は、特に、空間内の少なくとも６つの方向に磁界勾配を印加可能な、１．５テスラ以上で動作する磁気共鳴装置２からなる。

走査装置２は、中央画像分析処理装置６を装備したワークステーション４に接続されている。よって、走査装置２は、本発明に従って梗塞の進展ポテンシャルを推定する方法の連続的ステップ（１０，２０，３０，４０）が中央画像分析処理装置６で実施されるように、デジタル化画像をワークステーション４に伝送する。

好ましくは、ワークステーション４は、表示画面８も有し、それにより医療従事者は、走査装置２を用いて得られたデジタル画像を観察して中央画像分析処理装置６と対話することができるようになり、また、初期の梗塞、進展する梗塞、および推定された最終的な梗塞に対応する部位を表示することができるようになる。

特定の実施形態によると、表示画面８はタッチスクリーンであり、それにより医療従事者と表示画面８との対話が促進される。
図２は、本発明に従った梗塞の進展ポテンシャル推定方法を実施するために従うべきステップ（１０，２０，３０，４０，５０）のフロー図を示す。

この進展ポテンシャル推定方法の最初のステップ１０は、当業者にはよく知られている標準的臨床プロトコルに従って、拡散強調磁気共鳴デジタル画像（以下、拡散ＭＲＩという）のシーケンスを取得することからなる。このプロトコルでは、これもまた標準化された勾配因子ｂ：ｂ＝０ｍｍ^２／秒およびｂ＝１０００ｍｍ^２／秒に従って空間内の６つの方向において適用された２シーケンスの標準的デジタル画像が使用される。有利には、空間内の各点に含まれる情報の解像度を改善するために、追加的勾配値だけでなく、より多くの取得方向もまた用いることができる。それにもかかわらず、この高解像度化を行うと、取得時間が損なわれ、それにより取得時間が延びる。

理想的には、ペナンブラ領域で梗塞が広がるリスクの推定は、脳卒中後６時間以内に行わなければならない。これは、効率的であるためにはできるだけ早期に実行しなければならない効果的ではあるが攻撃的な治療に関連するリスク／利益比を、この推定により臨床医が適切に利用できるようにするためである。

拡散ＭＲＩにより得られたデジタル画像の単独使用には、造影物質の静脈注射、または、画像取得中の患者の動きによる人為を補正するための異なる追加的なＭＲＩシーケンスから得られた画像の調整を必要としないという利点がある。従って、拡散ＭＲＩによるこのデジタル画像取得は簡単かつ迅速に実施でき、患者の効果的治療を可能にするために不可欠な緊急介入を支援する。

有利には、これに伴って得られたデジタル画像を分析する前に、本発明に従った進展ポテンシャル推定方法のステップ２０は、被験者の解剖学的構造をタライラック（ＴＡＬＡＩＲＡＣＨ）の基準フレーム内で調整して正規化することからなる。あるいは、この調整は、モントリオール神経科学研究所（ＭｏｎｔｒｅａｌＮｅｕｒｏｌｏｇｉｃａｌＩｎｓｔｉｔｕｔｅ）により規定されたＭＮＩ基準フレーム、または皮質実質の解剖学的構造を標準化するその他のシステムで行うことができる。このステップ２０により、個人の脳内の任意の点の位置が、標準化されたテンプレートを参照して特定できるようになる。また、かかる基準フレームの使用により、標準化されたデータベースに由来するマップと
、患者に固有のマップとの重ね合わせも促進される。この種の空間的標準化は、当業者にはよく知られている多くの神経画像化ソフトウェアパッケージにより行うことができる。

次のステップ３０は、拡散ＭＲＩから生じたデジタル画像から、初期の梗塞の位置を特定してその境界を画定することからなる。一実施形態によると、このステップ３０は、医療従事者が中央画像分析処理装置６と対話することで行うことができる。その時、問題となるのは、様々なデジタル画像上で、ｂ１０００拡散シーケンスでの明瞭なハイパーシグナルにボクセル値が対応する脳実質の体積部位を操作者が選択することである。

特定の実施形態では、この選択は、操作者により選択された２つの測定値間の画像の二値化により行われ、それにより操作者は、各断面の損傷部位を手動で輪郭づけするか、または、この局所シードに関連するすべてのボクセルが画像分析処理ソフトウェアにより選択されるように病変の中心部をクリックすることができるようになる。よって、操作者は、拡散ＭＲＩ画像の各体積断面の初期虚血領域に実際に対応するボクセルの集合を明確に選択する。

例示的な代替実施形態によると、このステップ３０は、中央画像分析処理装置６により自動的に行われる。その時、初期の梗塞の位置特定および境界画定は、ｂ１０００ボクセル値が既定の閾値を著しく上回る関連部位を選択する自動プロセスに従って行われる。閾値は、使用されているＭＲＩ走査装置２の較正によって変わる。このため、閾値を経験的に決定する必要がある。特定の実施形態によると、閾値は、３０人前後の患者から上記のように手動で収集された結果を含む学習ベースから得ることができる。

別のステップ４０は、脳の画像シーケンスの各点でのみかけの拡散係数（ＡＤＣ）値を算出することからなる。ＡＤＣは、ｍｍ^２／秒単位で表される。この係数は、場所、画像化装置の型、画像化装置の磁界、および選ばれたシーケンスに左右されない物理的測定値である。その算出は、まったく標準的であり、当業者にはよく知られている。その算出は、上記のｂ０およびｂ１０００勾配デジタル画像から、各ボクセルについて次の方程式に従って行われる。

式中、Ｓｂｉは、ｂｉシーケンスで考慮される各ボクセルでのシグナル値である。
初期の梗塞の位置を特定してその境界を画定するステップ３０と、ＡＤＣの数値を算出するステップ４０とが、互いに独立していることに注意するべきである。従って、これらのステップの、互いに対する順序は、本発明に従った進展ポテンシャル推定方法により得られる結果を乱すことなく変更することができる。

最後に、本発明に従った方法は、最終ステップ５０を備え、このステップの間に中央画像分析処理装置６により、先行するステップ（１０，２０，３０，４０）で収集されたデータから梗塞の最終的な進展がモデル化される。初期段階の梗塞により影響を受けた部位が、ＡＤＣの画像内に転送される。この転送は自動的に行われ、ｂ１０００画像とＡＤＣ画像との間では、それらが同時に取得されたものであるため、調整は必要とされない。その時、初期の梗塞に属するすべてのボクセルが、梗塞の進展をモデル化する自動プロセスの初期化に使用される。

梗塞の進展のモデル化は、本発明に従った推定方法の前ステップ３０の間に検出された初期梗塞部位に、ボクセルを反復的に加えることからなる。従って、このモデル化の基となるモデルは、ある一定の条件下で拡張ＭＲＩ画像からボクセルを累積することにより、初期状態の病変を仮想的に拡大することからなる。すなわち、
・拡張ＭＲＩ画像のボクセルの強度が、２つの既定の閾値、最小値および最大値を超えない。
・進展部位でのＡＤＣの平均値が、例えば患者グループでの遡及検討の間、既定の目標値未満に留まる。
・進展する病変の表面が、良好な正則性を有する。
・局部ＡＤＣ分布が高レベルの異方性を有する場合、画像内における進展の方向はＡＤＣの最小勾配の方向に従う。
・検討されている患者と同タイプの閉塞を起こした後の損傷部位の、確率デジタル地図に対するマッチングによる、ボクセルの選択。

梗塞の進展のモデル化は、デジタル画像分析処理の問題であり、多くの手法（系のエネルギー平衡モデル、一組の偏微分方程式の形でモデル化された動的プロセスなど）で公式化することができる。いずれも場合も、アルゴリズム上およびソフトウェア上の表記は異なるものの、進展モデルは同じままである。

本発明の特定の例示的実施形態によると、進展モデルは、エネルギー平衡形式で確立される。その時、最終状態の病変が、いくつかの基本エネルギーパラメータＥ_Ｉに従ってモデル化され、それらのパラメータの線形結合が、全体エネルギー指数Ｅを規定する。解釈上、全体エネルギー指数Ｅは、病変が最終進展状態に達した時点で最小となる。

基本エネルギーパラメータは、各々、以下を規定する。
・進展領域内のＡＤＣ平均の偏差対照（Ｅ_Ｒ）。これは、将来梗塞リスクのある領域内ではＡＤＣの原平均値が、わずかにではあるがはっきりと低下することが、生理病理学的モデルにより予測されることを理由とする。特定の実施形態によると、進展部位内ではＡＤＣの平均局所値が向かう既定の目標値は、ほぼ７４０ｍｍ^２／秒に等しい。あるいは、この目標値は、病変に対する対側実質に取られた対照部位と関連づけて表され、例えば、この対照部位でのＡＤＣ平均値の０．９３倍に等しい。
・梗塞の進展体積に加えるための各ボクセル候補でのＡＤＣ値の対照（Ｅ_Ｖ）であって、学習ベースにおいて既定された許容値内に当該ＡＤＣ値が留まるようにする。よって、この関数エネルギー方程式の算出では、脳組織をモデル化するボクセルのみが考慮され、脳脊髄液は考慮されない。
・進展する梗塞の外部表面形状の正則性のチェック（Ｅ_Ｓ）。
・進展の方向が、最小ＡＤＣ空間変動勾配に従って行われるようにするチェック（Ｅ_ＡＮ）。
・虚血性梗塞による脳部位罹患の確率地図と進展との、マッチングのチェック（Ｅ_Ｐ）。

これらの基本エネルギーパラメータＥ_Ｉは、次式に従って結合され、全体エネルギー指数Ｅを規定する。

式中、
ＦＡは、当業者にはその定義が知られている平均フラクショナル異方性係数であり、目下進展している病変の表面のボクセル周囲におけるＡＤＣ分布を特徴づけ、
θおよびγは、定数のスカラパラメータであり、
Ｅ_ＡＮは、当業者にはよく知られているＡＤＣマップの各ボクセルにおいて規定された勾配ベクトルのストリーム、すなわち、

と、進展する病変のバイナリマスクの任意の点で算出された勾配、すなわち、

との総相関指数である。

Ｅ_Ｐは、病変の現在の進展と確率地図との間で確立されたマッチング係数である。ボクセルｖが最終形態の梗塞に属する確率ｐ（ｖ）は、同じ初期閉塞から発生したほぼ同じタイプの梗塞を患った患者に関して、経験的に得られる。マッチング係数Ｅ_Ｐは、各反復で推定される、進展する病変に属する各ボクセルの罹患確率を合計したものである。

Ｅ_ＩＳは、３つの基本エネルギーパラメータの線形結合である。

ｉ_ＩＮＦ（または各σ_ＩＮＦ）は、進展部位ＩＮＦでのＡＤＣの大きさの経験的平均（または各標準偏差）であり、

は、虚血性ペナンブラ領域のコア局所平均の目標値であり、
ｉ（ｖ）は、ボクセルｖでのＡＤＣ値であり、

（または各σ_ＩＧ）は、進展部位ＩＧ内のボクセルの平均ＡＤＣ値（または各標準偏差値）に関する先験性であり、
Ｎ_ＩＮＦ（または各Ｎ_ＩＧ）は、各々、部位ＩＮＦおよびＩＧ内のボクセルの数であり、Ｅ_Ｓは、デジタル画像処理を専門とする科学分野ではよく知られたイジングによる正則化ポテンシャルであり、
Ｎは、ＩＮＦ部位に含めるためのボクセル候補に隣接するボクセルの総数（例えば３次元では２６）であり、そのうち、Ｎ_Ｖは、すでにＩＮＦに属しており、
δおよびβは、定数のスカラパラメータである。

進展のモデル化は、進展する部位にじかに隣接するボクセルの逐次的累積により反復的に行われる。累積は、仮想病変の全体エネルギー指数Ｅが最小になった時、終了する。その結果、選択されたボクセルは、推定された最終的梗塞部位を構成する。

例示的な代替実施形態によると、特に、まったく同じボクセル選択基準に関連する微分方程式を解くことにより、当業者にはよく知られている「レベルライン」またはレベルセットタイプの動的な変分形式を用いる進展モデルを考慮することも、また可能となる。かかる形式を用いると、モデル化の品質および病変の最終的進展の予想の点で、最後にまったく同じ結果を得ることができる。これら２つの代替実施形態を区別するのは、算出時間の点での性能差だけである。

最後に図３は、患者の脳梗塞の進展の実際および予測を示す、いくつかの画像シーケンス１０１，１０２，１０３，１０４を示す。一実施形態によると、これらの画像は、医療従事者により表示画面８に表示される。

第１の画像シーケンス１０１には、拡散ＭＲＩ画像を取得する最初のステップ１０の間に得られた皮質実質を表す３つの断面が示されている。この第１の画像シーケンス上には、すでに形成された梗塞が、明瞭な白いハイパーシグナルとして現れている。

第２の画像シーケンス１０２には、コード化されたみかけの拡散係数のマップが疑似色で示されている。本発明に従った推定方法により得られた進展予測がこのマップに組み込まれ、黒で輪郭を示した最終的な梗塞のサイズが予測される。

第３の画像シーケンス１０３には、脳卒中から２４時間後に拡散ＭＲＩにより得られた３つの例示的断面が示されている。この時、梗塞の進展期は終了しており、この梗塞の実際の最終的サイズは、第１の画像シーケンスと同じやり方で、白色ハイパーシグナルとして容易に識別可能である。

最後に、第４の画像シーケンス１０４により、最終的な梗塞のサイズ（第３の画像シーケンスにおける白色ハイパーシグナル）と、本発明に従った推定方法により得られた自動予測（青で示す）とのマッチングを、目視検査により得ることが可能となる。

当然ながら本発明は、上記の例示的実施形態に限定されない。当業者が、本特許請求の範囲から逸脱することなく本発明の変形を実施することができる立場にあることが理解される。

Claims

脳梗塞の進展ポテンシャルを推定する方法であって、
拡散ＭＲＩ画像シーケンスを取得するステップ（１０）と、
皮質実質上の複数の点またはボクセルでのみかけの拡散係数（ＡＤＣ）を算出するステップ（４０）と、
初期の梗塞の位置を特定してその境界を画定するステップ（３０）とを備え、
前記ＡＤＣの大きさに応じた複数の基本エネルギーパラメータの線形結合により規定される全体エネルギー指数Ｅの反復最小化を行うことにより確立された進展モデルから前記梗塞における変化をモデル化するステップ（５０）をさらに備えることを特徴とする方法。
前記線形結合は基本エネルギーパラメータＥ_Ｒを含み、該パラメータに従って、進展部位内でのＡＤＣの平均局所値は既定の目標値へ向かう、請求項１に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記基本エネルギーパラメータＥ_Ｒは、次の関数、すなわち、
で表され、式中、
ｉ_ＩＮＦ（または各σ_ＩＮＦ）は前記進展部位ＩＮＦにおけるＡＤＣの大きさの経験的平均（または各標準偏差）であり、
は虚血性ペナンブラ領域のコア局所平均の目標値である、請求項２に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記進展部位内でのＡＤＣの平均局所値が向かう前記既定の目標値は、ほぼ７４０ｍｍ^２／秒に等しい、請求項３に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記進展部位内でのＡＤＣの平均局所値が向かう前記既定の目標値は、対側健常部位におけるＡＤＣの局所平均値のほぼ０．９３倍に等しい、請求項１〜３のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記線型結合は基本エネルギーパラメータＥ_Ｓを含み、該パラメータに従って、前記梗塞の包絡面は正則曲面を有する、請求項１〜５のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記基本エネルギーパラメータＥ_Ｓは、次の関数、すなわち、
で表され、式中、
Ｎ_ＩＮＦ（または各Ｎ_ＩＧ）は、各々、前記部位ＩＮＦおよびＩＧ内のボクセルの数であり、
Ｅ_Ｓは、デジタル画像処理界ではよく知られたイジングによる正則化ポテンシャルであり、
Ｎは、前記部位ＩＮＦに含めるための候補ボクセルに隣接するボクセルの総数（例えば３次元では２６）であり、そのうち、Ｎ_Ｖは、すでにＩＮＦに属しており、
δおよびβは、定数のスカラパラメータである、請求項６に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記線形結合は基本エネルギーパラメータＥ_Ｖを含み、該パラメータに従って、前記全体エネルギー指数Ｅを算出する際、脳組織をモデル化するボクセルのみが考慮される、請求項１〜７のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記基本エネルギーパラメータＥ_Ｖは、次の関数、すなわち、
で表され、式中、
ｉ（ｖ）は、ボクセルｖでのＡＤＣ値であり、
（または各σ_ＩＧ）は、前記進展部位ＩＧ内のボクセルの平均ＡＤＣ値（または各標準偏差）に関する先験性であり、
Ｎ_ＩＮＦ（または各Ｎ_ＩＧ）は、各々、前記部位ＩＮＦおよびＩＧ内のボクセルの数であることを特徴とする、請求項８に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記線形結合は、各ボクセルでの前記梗塞の進展の確率を経験的手法から規定する基本エネルギーパラメータＥ_Ｐを含む、請求項１〜９のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記基本エネルギーパラメータＥ_Ｐは、次の関数、すなわち、
で表され、式中、
ｐ（ｖ）は、ボクセルｖが最終形態の前記梗塞に属する先験的確率であることを特徴とする、請求項１０に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記線形結合は、みかけの拡散係数の局部勾配を算出することにより達成される異方性進展モデルを画定する基本エネルギーパラメータＥ_ＡＮを含む、請求項１〜１１のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記基本エネルギーパラメータＥ_ＡＮは、次の関数、すなわち、
で表され、式中、
は、ＡＤＣマップの各ボクセルにおいて規定された勾配ベクトルのストリームであり、
は、進展する病変のバイナリマスクの任意の点で算出された勾配であることを特徴とする、請求項１２に記載の脳梗塞の進展ポテンシャルを推定する方法。
前記初期の梗塞の位置を特定してその境界を画定するステップ（３０）が自動である、請求項１〜１３のいずれか一項に記載の脳梗塞の進展ポテンシャルを推定する方法。
請求項１〜１４のいずれか一項に記載の方法を実施する、脳梗塞の進展ポテンシャルを推定する装置。