JP2010507438A - セグメント化の向上 - Google Patents
セグメント化の向上 Download PDFInfo
- Publication number
- JP2010507438A JP2010507438A JP2009534004A JP2009534004A JP2010507438A JP 2010507438 A JP2010507438 A JP 2010507438A JP 2009534004 A JP2009534004 A JP 2009534004A JP 2009534004 A JP2009534004 A JP 2009534004A JP 2010507438 A JP2010507438 A JP 2010507438A
- Authority
- JP
- Japan
- Prior art keywords
- computer program
- data point
- data
- segmentation
- data points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20168—Radial search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Abstract
失敗したセグメント化アルゴリズムにおいて穴又はギャップを閉じることを可能にするコンピュータプログラム、セグメント化アルゴリズム、表示画像プロダクト、ワークステーション及びPACSシステムが開示される。これは、セグメント化アルゴリズムにより特定されたデータポイント群に含まれていない少なくとも1つのデータポイントを特定し、セグメント化において少なくとも1つの検出されたデータポイントと交差するデータポイントの周囲の放射方向のパーセンテージの指標を求め、計算された放射方向のパーセンテージが所定の閾値を超える場合に限って、新たに特定されたデータポイントをセグメント化に含めることによって実現される。セグメント化された病変の穴及びギャップの問題は、セグメント化アルゴリズムのステップを変更することによって、又は形態再構成によってのみ従来は解決されたが、この方法は大きな穴には適さない構造化要素の利用を必要とする。
Description
本発明は、データポイントを含む医療データセットに対して実行され、アルゴリズムがターゲットオブジェクトを表す医療データセット内のデータポイント群を検出するコンピュータプログラムプロダクトに関する。
医療画像内で各オブジェクトをセグメント化する各種方法と、当該方法を適用可能にするコンピュータプログラムとは、例えば、“A method for computerized assessment of tumor extent in contrast−enhanced MR images of the breast”,K G A Gilhuijs et al,Computer−Aided Diagnosis in Medical Imaging,ed.K Doi,H MacMahon,M L Geiger and K R Hoffmann,1999,Elsevier Science、“Segmentation Strategies for Breast Tumors from Dynamic MR Images”,Flora Ann Lucas−Quesada et al,JMRI,1996,Volume 6,Number 5:753−763など、医療イメージングの分野において知られている。何れの文献もセグメント化実行可能について説明し、何れのケースも乳房病変のセグメント化に関する。さらに、セグメント化方法は、画像やデータセットにおいて明らかな病変全体をある程度までセグメント化することができないことが知られている。セグメント結果が、例えば、セグメント化が病変の壊死部分を検出できなかった特定された病変の中心の穴や、セグメント化アルゴリズムが病変のエッジ部分を性格に特定できなかった病変のエッジ周辺の可視可能な凹凸や欠落部分などの可視可能な異常を含むことがしばしば見受けられる。この問題を解決するための試みが、“A Fuzzy C−Means(FCM)−Based Approach for Computerized Segmentation of Breast Lesions in Dynamic Contrast−Enhanced MR Images”,Weijie Chen et al,Academic Radiology,Bol.12,No.1,January 2006,63−72になされており、そこでは、“Hole Filling”として説明されるステップによりセグメント化が実現され、形態再構成により実現される。しかしながら、膨張や浸食などの形態再構成の各ステップは、“3D Digital Cleansing Using Segmentation Rays”,Sarang Lakare et al,Proceedings Visualization 2000,37−44に詳述されるように、それらが実行される順序に応じて、穴を注入し、又はノイズを除去するのに利用可能であるしかしながら、形態再構成は構造化要素(structuring element)の使用を必要とし、大きな穴の場合には、すなわち、コントラストエンハンスト病変検出における大きな壊死部分の場合には、構造化要素が病変の外形を変形させる可能性があることが知られている。
本発明の課題は、セグメント化されたオブジェクトにおける穴を補正するのに利用されるとき、サイズにかかわらずオブジェクトのセグメント化されていない部分を補正する改良された技術を提供することである。
これは、本発明によるとデータポイント群に含まれない少なくとも1つのデータポイントを特定し、前記データポイント群における少なくとも1つの検出されたデータポイントと交差する前記データポイントの周りの放射方向のパーセンテージの指標を求めるよう構成され、さらに、前記計算された放射方向のパーセンテージが所定の閾値を上回る場合、前記ターゲットオブジェクトを表す前記検出されたデータポイント群に前記データポイントを含めるよう構成されるコンピュータプログラムにより実現される。
ある程度のセグメント化がすでに行われていると仮定すると、2次元又は3次元において求められるオブジェクトの形状の特定を可能にするため、完全なセグメント化アルゴリズム又はセグメント化アルゴリズムの十分なステップの適用がなされると、コンピュータプログラムプロダクトは、オブジェクトの完全なセグメント化におけるギャップを閉じるため、特定された病変に適用可能である。
本発明の適用には2つのステップがある。第1は、非セグメント化データポイントについての指標、すなわち、画像データの含まれた部分が非セグメント化データポイントを包囲する程度のすでに実行されたセグメント化処理から排除された画像におけるピクセル又はボクセルについての指標を求めることである。
第2ステップは、この指標と所定の閾値とを比較し、指標が閾値を上回るデータポイントについて、それらをセグメント化に含めることである。
これら2つのステップは共に、セグメント化された病変の本体のセグメント化の穴が修繕されるだけでなく、病変のエッジから見逃された部分がまた修繕されることを確保する。
本発明により閉じられる穴又はギャップは、通常はセグメント化処理の出力を見たとき、訓練された医療知識のある観察者には即座に視覚的に明らかであるが、通常のセグメント化アルゴリズムに含めることは困難である。オブジェクト又は関心病変を完全に表現する出力を生成するセグメント化アルゴリズムを構成するため、多くの研究がなされてきたが、この分野における大部分の研究は、セグメント化アルゴリズム内のステップの改良に着目するものであり、セグメント化アルゴリズムの適用において穴を修繕することに成功したが、他のものにおいてはそうでない。他のアプローチとして、本発明のコンピュータプログラムは、入力としてセグメント化をとり、それを終了させることを試みる。
本発明のプログラムは、コントラストエンハンスト腫瘍検出に適用されるときに特に有用である。これらの病変の検出に適用されるセグメント化方法はしばしば閾値ベースのものであるためである。このようなセグメント化方法は、ある閾値を超える数値を有するすべてのデータポイント、すなわち、ピクセル又はボクセルを特定するステップを有し、当該ステップはしばしば低コントラスト吸収の組織を表すデータポイントを排除する。このように、コントラストエンハンスト腫瘍検出に適用されるセグメント化方法はしばしば、腫瘍の中心部分と、極めて小さな腫瘍の薄さのエッジ部分とを両方とも見逃す。
特に、本発明のプログラムは、セグメント化出力が非セグメント化病変に対応する穴又はギャップを含む病変の何れかのセグメント化に適用可能であるが、効果的にはコントラストエンハンスト乳房病変の検出に適用される。
コンピュータプログラムは、通常のセグメント化アルゴリズムのエンドにおいて自動的な最後のステップとして含めることが可能であり、又は通常適用されるセグメント化アルゴリズムが視覚的に明らかな穴やキャップを有する出力を生成するとき、インスタンスにおいて実行が手動により選択することも可能である。
本発明はさらに、セグメント化病変のエッジにおける穴及びギャップを修繕するのに利用可能であるという効果を有する。形態再構成は、セグメント化アルゴリズムが病変のエッジ部分を含まない場合、必ずしも成功すると限らない。
上記指標を導出可能な方法は様々である。
本発明は、前のセグメント化ステップから排除された特定のポイントが実際にセグメント化が行われたオブジェクトの内部にある程度の指標に基づく。所与のポイントについてこれを評価するため、この程度の指標が計算される。これが実現可能な特に効果的な方法は、データセットを介し対象となるポイントから外側に光線を放射することである。セグメント化構成と交差する光線のパーセンテージが、当該ポイントがオブジェクトの内部にある程度の指標となる。非セグメント化エリアをソフトに閉じるため、閾値が選択される。この閾値より大きな程度の指標を示すすべてのボクセルが、病変の内部にあると考えられ、セグメント化構成に追加される。
本実施例は、放射された光線がデータポイントの周りに角度放射状に分散される場合、より良好な結果を生成する。
1つのシンプルな変形は、処理の順序を変更することである。例えば、これの実施例は、まずボリューム全体に1つの方法で光線を放射し、オブジェクトと交差した光線上にあるバックグラウンドボクセルに関してカウンタをインクリメントすることであり、次の方向に当該処理が繰り返される。これは依然として光線の放射に関するが、各ボリュームについて指標を計算するのではなく、ボリューム全体を処理する。
あるいは、2次元画像計算のケースでは円を計算し、3次元画像計算のケースでは球を計算することが可能である。各ケースにおいて、排除されたデータポイントについて中心とされ、すでにセグメント化された部分と交差する周囲の比率を指標として利用する。最も意味のある半径の選択は困難であるが、例えば、1つの解法は、各データポイントについて異なる半径の系列の結果を生成し、すべての結果の統合したものから指標を求めるか、又は最も高い比率の結果を生成する半径から求めるというものである。
選択された各データポイントの周りの光線のほぼ周期的なサンプリングを実現するため、計算が3次元データセットにおいて実行されるときは、さらに分割された20面体が利用可能である。
特に効果的な実施例では、コンピュータプログラムは、ポイント毎にデータセットに進行し、すなわち、各データポイントを抽出し、次に移行する前に当該データポイントについて計算を実行する。原理的には、データセット全体についてセグメント化されていない各データポイントについて本発明のステップを実行可能であるが、これは計算量が膨大であり、より効果的な繰り返しアプローチは、すでにセグメント化された部分のエッジ上のデータポイントから開始し、本発明に従ってこれらに対して計算を実行するが、すべての計算が終了するまでそれらをセグメント化に追加しない。繰り返しにより、指標の計算が閾値を超えていたデータポイントの隣のすべてのデータポイントについて上記計算が実行される。このアプローチが続けられる場合、データポイントのいくつかについて、指標の計算は閾値を下回り、これらのデータポイントはさらの無視することが可能となることがわかる。この繰り返しは、指標の計算が閾値を超えるデータポイントがなくなるまで継続される。指標の計算が実際に閾値を超えたすべてのデータポイントが、その後にセグメント化ボリュームに追加される。
閾値は、アプリケーションに応じて70%〜90%の範囲内であることが効果的であるとわかっている。ユーザは、特に修繕処理の結果を観察してこの閾値をインタラクティブに変更可能であることが効果的であり、この場合、病変が実質的にラウンド状の形状を有するケースの大多数において、ユーザはしばしば75%〜85%の間の閾値を選択する。実際、コントラストエンハンスト乳房病変については、80%の閾値が最も良好な結果を与えることがわかっている。
本発明はまた、本発明の各ステップを有するセグメント化アルゴリズムに関する。このようなセグメント化アルゴリズムは、本発明のステップを有し、これらがセグメント化内で生成される中間的な出力セグメント化ボリュームに適用可能であるという効果を有している。本発明のステップは、その後にセグメント化処理の残りの継続又は最終結果のユーザへの提供前に、穴又はギャップを修繕するのに利用可能である。
本発明はまた、本発明のステップを有するコンピュータプログラムを有する医療イメージング装置から取得される画像を表示するよう構成されるコンピュータプログラムに関する。このようなコンピュータプログラムは、医療画像を表示及び閲覧するのに利用可能であるという効果を有し、セグメント化アルゴリズムの出力を修繕するため本発明のステップを利用する。
本発明はまた、本発明のステップを有するコンピュータプログラムを有するワークステーションとPACSシステムとに関する。これらは何れも、医療画像を表示及び閲覧するのに利用可能であるという効果を有し、セグメント化アルゴリズムの出力を修繕するため本発明のステップを利用する。
当業者は、実現されるステップを理解すると、本発明のステップを実現する当該分野において知られるものと同様のコンピュータプログラムを構成可能であろう。
本発明の上記及び他の特徴が、以下の図面を使用して説明される。
図1は、本発明の適用に適した病変を示す。
図2は、本発明の適用後の同一の病変を示す。
図3は、本発明がその目的をどのように達成するかを示す。
図1は、自動的に決定された閾値によりセグメント化されたコントラストエンハンスト乳房病変101のMR画像を示す。大きな壊死中心部102が、不均一なコントラスト吸収により見逃されたいくつかの小さな部分103,104,105と共に、セグメント化に含まれていない。
ダイナミックなコントラストエンハンストMRIから乳房病変をセグメント化するほとんどの方法は、多様な形態の病変によって強度閾値方法に依拠する。病変の不均一なエンハンスメントのケースでは、病変の内部は既存のセグメント化処理によっては見逃されるかもしれないことがわかっている。
しかしながら、これら病変の見逃された内部の正確な充填は、正確なボリューム評価、外形の形態評価及びコントラスト吸収の多様性の正確な定量化を可能にする。手作業による充填は時間がかかる。さらに、セグメント化された3次元ボクセルセットの内部に完全に包囲される閉じた部分は、トンネルを介し背景と接続されるすべての非エンハンスト病変部分を見逃すであろう。さらに、形態的なクロージング処理は、所与のサイズの構造化要素を必要とする。大きな壊死中心部を閉じるため、上記の例と同様に、大きな構造化要素が適用される必要があり、それは同時に、病変の外形を変形させる。
図2は、本発明の適用後の同一病変201を示す。すべての穴が充填されている。
図3は、本発明がその目的をどのように達成するか示すと共に、セグメント化されたボリューム301を示す。各ポイント302,303,304,305のデータポイントの周囲の放射方向のパーセンテージの指標が計算される場合、ポイント302の指標の計算は100%又は1の値を有し、このため、セグメント化に含まれることが示される。従って、穴にあるすべてのポイントが示される。ポイント303,304,305の計算はそれぞれ、50%又は0.5、75%又は0.75及び0.125となり、これらのポイントはセグメント化の結果には含まれない。
優先順位付けされた領域拡大の形式による以下の処理はまた、指標が評価される必要のあるボクセルの個数を制約の下で使用するのに適している。
1.すべての境界ボクセルの指標を計算する。境界ボクセルセットは、それらがセグメント化されるオブジェクトの内部にある程度の最も高い指標を有するボクセルを含む。
2.当該指標が与えられた閾値を上回る場合、対応するボクセルをセグメント化されたボクセルセットに含め、そうでない場合には、終了する。
3.境界ボクセルのリストを更新し、新たな境界ポイントの内部性(interiorness)を計算する。
4.1に戻る。
1.すべての境界ボクセルの指標を計算する。境界ボクセルセットは、それらがセグメント化されるオブジェクトの内部にある程度の最も高い指標を有するボクセルを含む。
2.当該指標が与えられた閾値を上回る場合、対応するボクセルをセグメント化されたボクセルセットに含め、そうでない場合には、終了する。
3.境界ボクセルのリストを更新し、新たな境界ポイントの内部性(interiorness)を計算する。
4.1に戻る。
この処理は、3次元だけでなく2次元にも適用可能である。
本発明は、セグメント化されたエリア内に厳密に含まれていない場合であっても、セグメント化されたエリアの内部を閉じる方法を提供する。提案された方法は、セグメント化されたエリアと閉じられるべき穴のサイズとは独立して機能する。
セグメント化されたエリアに含まれるように、データポイントがオブジェクトの内部になければならない程度は、すでにセグメント化されているオブジェクトが当該ポイントを包囲する程度の指標であって、所望される場合には閾値を変更することによりユーザによりインタラクティブに変更可能な指標である、1つの連続的なパラメータにより調整可能である。
Claims (11)
- データポイントを含む医療データセットに対して実行され、アルゴリズムがターゲットオブジェクトを表す前記利用データセット内のデータポイント群を検出しているコンピュータプログラムであって、
当該コンピュータプログラムは、前記データポイント群に含まれない少なくとも1つのデータポイントを特定し、前記データポイント群における少なくとも1つの検出されたデータポイントと交差する前記データポイントの周りの放射方向のパーセンテージの指標を求めるよう構成され、
さらに、前記計算された放射方向のパーセンテージが所定の閾値を上回る場合、前記ターゲットオブジェクトを表す前記検出されたデータポイント群に前記データポイントを含めるよう構成されるコンピュータプログラム。 - 当該コンピュータプログラムは、前記特定されたデータポイントから外側に光線を放射し、前記データポイント群における少なくとも1つの検出されたデータポイントと交差する光線のパーセンテージを計算するよう構成される、請求項1記載のコンピュータプログラム。
- 前記放射された光線は、前記データポイントの周囲に角度放射的に分散される、請求項2記載のコンピュータプログラム。
- 複数のデータポイントが特定され、
それらの特定が、前記データセットを介しポイント単位で進捗される、請求項1乃至3何れか一項記載のコンピュータプログラム。 - 前記複数のデータポイントが特定される順序は、前記オブジェクトを表す前記データポイント群のエッジから進捗する、請求項4記載のコンピュータプログラム。
- 前記条件基準を満たすデータポイントは、前記データポイント特定のポイント単位の進捗が完了するまで、前記検出されたデータポイント群に含まれない、請求項4記載のコンピュータプログラム。
- 前記所定の閾値は、70%〜90%の範囲内にあり、好ましくは、75%〜85%の範囲内にあり、好ましくは、80%の値を有する、請求項1乃至6何れか一項記載のコンピュータプログラム。
- 請求項1乃至7何れか一項記載の方法を有するセグメント化アルゴリズム。
- 請求項1乃至8何れか一項記載のコンピュータプログラムを有する医療イメージング装置から取得される画像を表示するよう構成されるコンピュータプログラム。
- 請求項1乃至9何れか一項記載のコンピュータプログラムを有するワークステーション。
- 請求項1乃至10何れか一項記載のコンピュータプログラムを有するPACSシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP06122954 | 2006-10-25 | ||
PCT/IB2007/054275 WO2008050280A1 (en) | 2006-10-25 | 2007-10-22 | Improved segmentation |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010507438A true JP2010507438A (ja) | 2010-03-11 |
Family
ID=38847045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009534004A Pending JP2010507438A (ja) | 2006-10-25 | 2007-10-22 | セグメント化の向上 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20100316267A1 (ja) |
EP (1) | EP2076881A1 (ja) |
JP (1) | JP2010507438A (ja) |
CN (1) | CN101529466A (ja) |
WO (1) | WO2008050280A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012511337A (ja) | 2008-12-09 | 2012-05-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 乳房病変特徴付けのための複数のセグメンテーション結果の概要 |
JP5844296B2 (ja) * | 2012-06-11 | 2016-01-13 | 富士フイルム株式会社 | 放射線画像処理装置および方法 |
US10984294B2 (en) | 2016-12-02 | 2021-04-20 | Koninklijke Philips N.V. | Apparatus for identifying objects from an object class |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68929423T2 (de) * | 1988-04-18 | 2003-08-07 | 3D Systems Inc | Stereolithografische CAD/CAM-Datenkonversion |
US5321770A (en) * | 1991-11-19 | 1994-06-14 | Xerox Corporation | Method for determining boundaries of words in text |
JP3751770B2 (ja) * | 1999-07-08 | 2006-03-01 | 富士通株式会社 | 3次元形状生成装置 |
-
2007
- 2007-10-22 CN CNA2007800398322A patent/CN101529466A/zh active Pending
- 2007-10-22 WO PCT/IB2007/054275 patent/WO2008050280A1/en active Application Filing
- 2007-10-22 EP EP07826810A patent/EP2076881A1/en not_active Withdrawn
- 2007-10-22 US US12/446,471 patent/US20100316267A1/en not_active Abandoned
- 2007-10-22 JP JP2009534004A patent/JP2010507438A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2008050280A1 (en) | 2008-05-02 |
US20100316267A1 (en) | 2010-12-16 |
EP2076881A1 (en) | 2009-07-08 |
CN101529466A (zh) | 2009-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8229200B2 (en) | Methods and systems for monitoring tumor burden | |
US20040175034A1 (en) | Method for segmentation of digital images | |
US20050147297A1 (en) | Unsupervised data segmentation | |
US20110150309A1 (en) | Method and system for managing imaging data, and associated devices and compounds | |
US10993689B2 (en) | Method and system for motion assessment and correction in digital breast tomosynthesis | |
JP2006075602A (ja) | 血管構造の3d画像データセットからなるプラーク沈着の可視化方法 | |
US10789683B2 (en) | Method for automatic optimization of quantitative map generation in functional medical imaging | |
CN111524200B (zh) | 在投影图像中分割金属对象的方法、设备和介质 | |
JP2012511337A (ja) | 乳房病変特徴付けのための複数のセグメンテーション結果の概要 | |
US20200258271A1 (en) | Pet image reconstruction and processing using lesion proxies | |
JP6437207B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
EP2353141B1 (en) | One-click correction of tumor segmentation results | |
JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
Kiraly et al. | 3D human airway segmentation for virtual bronchoscopy | |
CN108885786B (zh) | 医学图像处理 | |
JP2010507438A (ja) | セグメント化の向上 | |
US11222411B2 (en) | Method for automatically adapting an image data set obtained by an x-ray device | |
JP5632920B2 (ja) | ボケイメージ内のブラーの特性を決定するシステム及び方法 | |
EP2815382B1 (en) | Method for quantification of uncertainty of contours in manual and auto segmenting algorithms | |
JP6802177B2 (ja) | Mrcat画像の不確定領域に対するフォールバックソリューション | |
Vermandel et al. | Combining MIP images and fuzzy set principles for vessels segmentation: application to TOF MRA and CE-MRA | |
Hennemuth et al. | CT Late Enhancement Segmentation for the Combined Analysis of Coronary Arteries and Myocardial Viability. | |
Xue | A New Image Quantitative Method for Diagnosis and Therapeutic Response |