JP2011510733A - 短軸遅延強調心臓ｍｒｉの自動三次元セグメント化 - Google Patents

Abstract

本発明は、画像データのスライスから計算された画像において解剖学的構造の輪郭を描出するシステム２００であって、各画像部分が解剖学的構造の一部を表す複数の画像部分に、画像を区分する区分ユニット２１０と、テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる適応ユニット２２０と、を有し、基準関数が、複数の画像部分に基づいて規定される、システム２００に関する。複数の画像部分に基づいて規定される基準関数を有することは、画像の各部分の範囲内の基準関数値に対する最適な寄与を計算することを可能にする。これは、特に瘢痕組織の存在下で、ＬＥＭＲ短軸ボリューム画像データのスライスにおいて心筋輪郭を抽出するのに有用であることが分かった。本発明は、心筋の瘢痕組織を含む画像の部分の治療を最適化することを可能にする。

Description

本発明は、画像セグメンテーションに関し、特に、画像データ内のスライスから計算された画像において解剖学的構造の輪郭を描出することに関し、更に、画像データにおいて解剖学的構造の輪郭を描出することに関する。

心筋組織バイアビリティ評価は、心臓発作に続く外科手術及び治療計画にとって重要である。特に、生存可能な心筋の割合は、患者が血管再生プロシージャから利益を得ることができるかどうか判定する際の主要なファクタである。更に、左心室の厚み及び厚み部分を評価することに加えて、造影剤強調イメージング技法及び特に遅延強調磁気共鳴（late-enhancement magnetic resonance、ＬＥＭＲ）を使用して、高空間解像度によって正常な領域、虚血性の領域及び生存可能でない領域を視覚化することが可能である。生存可能でない組織を位置特定し、定量化するために、第１のステップは、ＬＥＭＲ短軸ボリュームデータのあらゆるスライスにおいて（一般に１０乃至１２スライスにおいて）心内膜及び心外膜輪郭を描出する（言い換えると、心筋をセグメント化する）ことにあり、これは、手作業で実施される場合、長たらしく時間がかかる。しかしながら、自動心筋セグメント化は、挑戦的であり、今日の市販製品においてほとんど実現されていない。主に虚血性の領域及び生存可能でない領域における造影剤蓄積に起因する心筋組織の不均一性の理由により、心内膜及び心外膜輪郭を描出する自動的な方法を設計することは困難である。

図１は、ＬＥＭＲ ＳＡ画像データのスライスから計算された画像を示す。第１のピクチャ１１は、心筋輪郭のない画像を示している。第２のピクチャ１２は、専門家によって手作業で描かれた心筋輪郭を有する画像を示している。心筋内部の血液プール１１０と異常組織１２０との間の境界は、位置特定するのが困難である。瘢痕領域１２０が白で表わされ、健康な部分１３０は、黒みがかっており、周囲器官は、グレーから暗色まで変化する。更に、白い領域の境界は、特にそれらが血液プールに近い場合、しばしば非常にぼやけてみえ、これは、心内膜を正しく位置特定することを困難にする。従って、課題は、テクスチャのある環境から、黒みがかった領域及び白い領域の両方を含みうる心筋のような構造を抽出することである。

ＬＥＭＲ ＳＡ画像をセグメント化するための自動セグメント化アルゴリズムは、E. Dikici、T. O'Donnell、R. Setser及びR.D. Whiteによる文献「Quantification of delayed enhancement MR images」(Proc. of the 7th International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI'04), LNCS Series, Vol. 3216, Springer, pp. 250-257, 2004)に記述されている。

瘢痕組織の存在下で、ＬＥＭＲ短軸ボリューム画像データのスライスにおいて心筋輪郭を描出するための代替の解決策を提供することが有利であり、かかる解決策は、さまざまな画像取得モダリティを使用して取得される画像において他の構造の輪郭を描出するためにも有用である。

従って、一つの見地において、本発明は、画像データのスライスから計算された画像において解剖学的構造の輪郭を描出するシステムであって、
各画像部分が解剖学的構造の一部を表す複数の画像部分に、画像を区分する区分ユニットと、
テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる適応ユニットと、
を有し、前記基準関数が、複数の画像部分に基づいて規定される、システムを提供する。

言い換えると、基準関数は、複数の部分に画像を区分することに依存する。例えば、基準関数は、中間グレー値に依存し、又は画像の一部に含まれるピクセルのグレー値の分散に依存する項を含みうる。複数の画像部分に基づいて規定される基準関数を有することは、画像の各部分の範囲内の基準関数値に対する最適な寄与を計算することを可能にする。例えば、一実施形態において、寄与は、前記部分の領域において検出される心筋組織のタイプに基づくことができる。基準関数は、検出される組織のタイプに依存する項を含むことができる。第１のタイプの組織が検出される場合、第１のタイプの組織に対応する項が、基準関数の値に寄与するように構成される。第２のタイプの組織が検出される場合、第２のタイプの組織に対応する項が、基準関数の値に寄与するように構成される。これは、瘢痕組織の存在下で、ＬＥＭＲ短軸ボリューム画像データのスライス内の心筋輪郭を抽出するために特に有用であることが分かった。本発明は、心筋内に瘢痕組織を含む画像の部分の治療を最適化することを可能にする。本発明は更に、さまざまな画像取得モダリティによって取得された他の正常な又は病気の解剖学的構造をセグメント化することにも適用されることができる。

システムの一実施形態において、適応ユニットは更に、複数の画像部分のうちの或る画像部分における解剖学的構造の異常組織を検出するように構成され、基準関数は、前記異常組織が前記画像部分において検出される場合に基準関数に寄与する項を含む。解剖学的構造の異常組織は、例えば、中間強度に基づいて、又はテンプレートと重なる画像の部分のピクセル値の分散に基づいて、検出されることができる。基準関数は、画像の一部に位置する異常組織に対応する項を含みうる。このような項は、異常組織が画像の区分の一部において検出される場合に基準関数の値に寄与するように構成されることができる。

システムの一実施形態において、テンプレートを適応させることは、欲張り探索アルゴリズムを使用して、基準関数が基準条件を満たすテンプレートパラメータの値を探索することに基づく。この選択は、計算の複雑さと初期条件に対する感受性との間の良好な妥協を提供する。例えば、欲張り探索アルゴリズムは、勾配降下アルゴリズムよりロバストであり、動的なプログラミングアルゴリズムより複雑さが低い。有利には、欲張り探索アルゴリズムを使用することは、非微分可能な基準関数を使用することを可能にする。

システムの一実施形態において、テンプレートは、外部の及び内部の閉じた輪郭によって規定される閉じたリボンである。閉じたリボンテンプレートは、心筋の心外膜及び心内膜輪郭をモデル化するのに有用である。

システムの一実施形態において、区分は、パイ様の区分である。左心室の中心を中心とするパイ様の区分は、心筋、及び閉じた輪郭によって記述されることができる他の解剖学的構造の輪郭を描出するのに適している。

一実施形態において、システムは更に、表面モデルを複数のテンプレートと位置合わせする位置合わせユニットを有し、各テンプレートは、画像データのスライスから計算された画像に適応され、少なくとも１つのテンプレートが、システム２００の適応ユニット２２０によって適応される。システムは更に、少なくとも１つのテンプレートが、システムの適応ユニットによって最適に適応されることの利点を使用して、画像データ内の解剖学的構造の輪郭を描出するように構成される。

システムの一実施形態において、位置合わせユニットは、
表面モデルを複数のテンプレートとアフィン変換により位置合わせして、アフィン変換により位置合わせされた表面モデルを生成するアフィン変換ユニットと、
アフィン変換により位置合わせされた表面モデルを、複数のテンプレートと、非アフィン変換により局所的に位置合わせして、局所的に位置合わせされた表面モデルを生成する局所変形ユニットと、
局所的に位置合わせされた表面モデルを画像データに適応させる洗練ユニットと、
を有する。

アフィン位置合わせ及びその後の非アフィン位置合わせを使用することは、位置合わせユニットによって用いられる方法のロバストネスを改善する。任意には、アフィン変換は、リジッド変換に限られることができる。表面モデルの洗練は、異常組織の近傍における表面モデルの最終的な調整を行うために重要である。

他の見地において、本発明は、画像データのスライスから計算された画像において解剖学的構造の輪郭を描出する方法であって、
各画像部分が解剖学的構造の一部を表す複数の画像部分に、画像を区分する区分ステップと、
テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる適応ステップと、
を含み、基準関数が、複数の画像部分に基づいて規定される、方法を提供する。

他の見地において、本発明は、画像データのスライスから計算された画像において解剖学的構造の輪郭を描出するための命令を含む、コンピュータ機構によってロードされるコンピュータプログラム製品であって、コンピュータ機構は、処理ユニット及びメモリを有し、コンピュータプログラム製品は、ロードされた後、
各画像部分が解剖学的構造の一部を表す複数の画像部分に、画像を区分する処理と、
テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる処理であって、基準関数が、複数の画像部分に基づいて規定される、処理と、
を実施するための能力を前記処理ユニットに提供するコンピュータプログラム製品を提供する。

本発明の他の見地において、本発明によるシステムは、画像取得装置に含められる。

本発明の他の見地において、本発明によるシステムは、ワークステーションに含められる。

当業者であれば、本発明の上述の実施形態、実現例及び／又は見地の２又はそれ以上が、有用であると考えられる任意のやり方で組み合わせられることができることが分かるであろう。

システムの記述された変形及び変更に対応する、画像取得装置、ワークステーション、方法及び／又はコンピュータプログラム製品の変形及び変更が、本記述に基づいて当業者によって実施されることができる。

当業者であれば、方法は、以下に限定されないが例えば標準のＸ線イメージング、コンピュータトモグラフィ（ＣＴ）、磁気共鳴イメージング（ＭＲＩ）、超音波（ＵＳ）、ポジトロンエミッショントモグラフィ（ＰＥＴ）、シングルフォトンエミッションコンピュータトモグラフィ（ＳＰＥＣＴ）及び核医学（ＮＭ）のようなさまざまな取得モダリティによって取得される、例えば２次元（２Ｄ）、３次元（３Ｄ）又は４次元（４Ｄ）画像のような多次元画像データに適用されることができることが分かるであろう。

本発明のこれらの及び他の見地は、以下に記述される実現例及び実施形態並びに添付の図面から明らかになり、それらを参照して説明される。

専門家によって手作業で描かれる心筋輪郭無しの及び有りの、ＬＥＭＲ ＳＡ画像データのスライスから計算された画像を示す図。 システムの例示的な実施形態の概略ブロック図。 閉じたリボンテンプレートを示す図。 ４クワドラントへの画像の例示の区分化を示す図。 システムの一実施形態による心筋輪郭の自動セグメント化の結果を示す図。 システムの別の実施形態による心筋輪郭の自動セグメント化の結果を示す図。 方法の例示的な実現例のフローチャート。 画像取得装置の例示的な実施形態を示す概略図。 ワークステーションの例示的な実施形態を示す概略図。

同じ参照数字が、図面全体を通じて同じ部分を示すために使用されている。

図２は、画像データのスライスから計算される画像において解像学的構造の輪郭を描出するシステム２００の例示的な実施形態のブロック図を概略的に示している。システム２００は、各画像部分が解剖学的構造の一部を表す複数の画像部分に、画像を区分する区分ユニット２１０と、テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる適応ユニット２２０と、を有し、基準関数が、複数の画像部分に基づいて規定される。

システム２００の例示的な実施形態は更に、表面モデルを複数のテンプレートと位置合わせする位置合わせユニット２３０であって、各テンプレートが、画像データのスライスから計算された画像に適応され、少なくとも１つのテンプレートが、システム２００の適応ユニット２２０によって適応される、位置合わせユニット２３０と、システム２００におけるワークフローを制御する制御ユニット２６０と、システム２００のユーザと通信するユーザインタフェース２６５と、データを記憶するメモリユニット２７０と、を有する。

システム２００の一実施形態において、位置合わせユニット２３０は、表面モデルを複数のテンプレートとアフィン変換により位置合わせして、アフィン変換により位置合わせされた表面モデルを生成するアフィン変換ユニット２３２と、アフィン変換により位置合わせされた表面モデルを、複数のテンプレートと、非アフィン変換により局所的に位置合わせして、局所的に位置合わせされた表面モデルを生成する局所変形ユニット２３４と、局所的に位置合わせされた表面モデルを画像データに適応させる洗練ユニット２３６と、を有する。

システム２００の一実施形態において、入力データ用の３つの入力コネクタ２８１、２８２及び２８３がある。第１の入力コネクタ２８１は、以下に限定されないが、ハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのようなデータ記憶手段から到来するデータを受け取るように構成される。第２の入力コネクタ２８２は、以下に限定されないが、マウス又はタッチスクリーンのようなユーザ入力装置から到来するデータを受け取るように構成される。第３の入力コネクタ２８３は、例えばキーボードのようなユーザ入力装置から到来するデータを受け取るように構成される。入力コネクタ２８１、２８２及び２８３は、入力制御ユニット２８０に接続される。

システム２００の一実施形態において、出発するデータ用の２つの出力コネクタ２９１及び２９２がある。第１の出力コネクタ２９１は、例えばハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのようなデータ記憶手段にデータを出力するように構成される。第２の出力コネクタ２９２は、表示装置にデータを出力するように構成される。出力コネクタ２９１及び２９２は、出力制御ユニット２９０を介して個々のデータを受け取る。

当業者であれば、入力装置を入力コネクタ２８１、２８２及び２８３に接続し、出力装置をシステム２００の出力コネクタ２９１及び２９２に接続する多くのやり方があることが分かるであろう。これらのやり方は、以下に制限されないが、ワイヤード及びワイヤレス接続、デジタルネットワーク及びアナログ電話網を含み、デジタルネットワークは、以下に限定されないが、ローカルエリアネットワーク（ＬＡＮ）及びワイドエリアネットワーク（ＷＡＮ）、インターネット、デジタル電話網を含む。

システム２００の一実施形態において、システム２００は、メモリユニット２７０を有する。システム２００は、入力コネクタ２８１、２８２及び２８３のいずれかを介して外部装置から入力データを受け取り、受け取られた入力データをメモリユニット２７０に記憶するように構成される。入力データをメモリユニット２７０へロードすることは、システム２００のユニットによる関連するデータ部分への迅速なアクセスを可能にする。入力データは、例えば画像データ及びテンプレートを含むことができる。任意には、入力データは更に、表面モデルを含むことができる。メモリユニット２７０は、以下に限定されないが、ランダムアクセスメモリ（ＲＡＭ）チップ、リードオンリーメモリ（ＲＯＭ）チップ及び／又はハードディスクドライブ及びハードディスク、のような装置によって実現されることができる。メモリユニット２７０は更に、出力データを記憶するようにも構成されることができる。出力データは、例えば、本発明による画像データのスライスに適応されるテンプレートを含むことができる。任意には、出力データは更に、位置合わせされた表面モデルを有することができる。メモリユニット２７０は更に、メモリバス２７５を介して、区分ユニット２１０、適応ユニット２２０、位置合わせユニット２３０、アフィン変換ユニット２３２、局所変形ユニット２３４、洗練ユニット２３６、制御ユニット２６０及びユーザインタフェース２６５を含むシステム２００のユニットからデータを受け取り及び／又は該ユニットにデータを送り出すように構成されることができる。メモリユニット２７０は更に、出力データを、出力コネクタ２９１及び２９２のいずれかを介して外部装置に利用できるようにするように構成される。システム２００のユニットからのデータをメモリユニット２７０に記憶することは、システム２００のユニットのパフォーマンス、及びシステム２００のユニットから外部装置への出力データの転送レートを有利に改善することができる。

代替例として、システム２００は、メモリユニット２７０及びメモリバス２７５を含まなくてもよい。システム２００によって使用される入力データは、システム２００のユニットに接続される例えば外部メモリ又はプロセッサのような少なくとも１つの外部装置によって、供給されることができる。同様に、システム２００によって生成される出力データは、システム２００のユニットに接続される例えば外部メモリ又はプロセッサのような少なくとも１つの外部装置に、供給されることができる。システム２００のユニットは、内部接続を介して又はデータバスを介して互いからデータを受け取るように構成されることができる。

システム２００の一実施形態において、システム２００は、システム２００におけるワークフローを制御する制御ユニット２６０を有する。制御ユニットは、システム２００のユニットから制御データを受け取り、それらユニットにデータを供給するように構成されることができる。例えば、テンプレートを、画像データの第１のスライスから計算された画像に適応させた後に、適応ユニット２２０は、「テンプレートは画像に適応される」という制御データを、制御ユニット２６０に供給するように構成されることができ、制御ユニット２６０は、「テンプレートを、画像データの第２のスライスから計算された画像に適応させる」なる制御データを、適応ユニット２２０に供給するように構成されることができる。第１及び第２のスライスから画像を計算することは、適応ユニット２２０によって実施されることができる。代替として、制御機能は、例えば適応ユニット２２０のようなシステム２００の別のユニットにおいて、実現されることもできる。

システム２００の一実施形態において、システム２００は、システム２００のユーザと通信するためのユーザインタフェース２６５を有する。ユーザインタフェース２６５は、システム２００において利用可能なテンプレートの組から、画像に適応させるテンプレートを選択するためのユーザ入力、又は画像を区分するためのユーザ入力、を受け取るように構成されることができる。ユーザインタフェースは更に、適応されたテンプレートのビューをユーザに提示する手段を提供することができる。任意には、ユーザインタフェースは、例えば基準関数のいくつかの項を選択するために、システムの動作モードを選択するためのユーザ入力を受け取ることができる。当業者であれば、より多くの機能が、システム２００のユーザインタフェース２６５において有利に実現されうることが分かるであろう。

本発明の実施形態が、ここで、ＬＥＭＲ ＳＡ画像データにおいて心外膜及び心内膜の輪郭並びに表面を描出することに関して記述される。当業者であれば、システムは、ＣＴ又はＭＲスキャンにおいて、以下に限定されないが肝臓、膵臓及び血管を含む他の構造をセグメント化するためにも有用であることが分かるであろう。

本発明の一実施形態において、心筋をモデル化するのに適したテンプレートは、図３に示されるような閉じたリボンである。テンプレートは、モデルパラメータの数を低減するためにできるだけ少ない数のノードを使用して、スプラインを補間することにより実現される。一実施形態において、スプラインパラメータは、８つのノードを使用して規定される。テンプレートパラメータを規定するためにより多くのノードを使用することは、計算時間を犠牲にして計算精度を高める。スプラインを使用することは、滑らかなソリューションを最適に与える。更に、近似関数及び制御ポイントとは対照的に、基底関数及びノードポイントを補間する特定の選択は、アルゴリズムの安定性及び最適化戦略の整合性を増大する。画像内で輪郭を描出するためにスプラインを使用することは、P. Brigger、J. Hoeg及びM. Unserによる文献「B-Spline Snakes: A Flexible Tool for Parametric Contour Detection」(IEEE Transactions on Image Processing, Vol. 9, No. 9, pp. 1484-1496, 2000)に記述されている。より具体的には、心筋は、リボン構造３０としてモデル化され、リボン構造３０は、複数のノード（ドットによって概略的に示される）を含む仮想中心線３１で構成されるとともに、幅パラメータ（矢印によって概略的に示される）によって記述される。中心線及び幅は共に、パラメータ（ｘ_ｉ，ｙ_ｉ，ｗ_ｉ）の離散的な組の連続するスプライン補間であり、ここで、ｘ_ｉ，ｙ_ｉは、画像座標系における中心線のｉ番目のノードの座標を示し、ｗ_ｉは、中心線のｉ番目のノードにおけるリボンの幅である。心外膜３０１と心内膜３０２との間の自然なカップリング及びサンプリング柔軟性が、この表現の利点の一つである。輪郭は、M. Unser、A. Aldroubi及びM. Edenによる「B-spline Signal Processing; Part 1 - Theory」(IEEE Transactions on Signal Processing, Vol. 41, No. 2, pp. 821-832, 1993)に記述されるような高速スプラインフィルタを使用して、任意の所望の精度でサンプリングされることができる。

本発明の一実施形態において、適応ユニット２２０は、心筋を検出し、左心室の軸を評価し、画像内のテンプレートを初期化するように構成される。任意には、システム２００は、各々のタスクを実施するために、例えば検出ユニット、軸評価ユニット及びテンプレート初期化ユニットのような、別個のユニットを有することができる。システム２００は、幾何学的なテンプレートに関する初期位置を規定するために、短軸スライス画像内で心筋をロバストに検出するように構成される。これは、３つのステップで行われる：最初に、暗いリングとして現われる心筋が、各スライス上で検出される；第２に、左心室軸が、これらの検出から評価され、最後に、モデルのロバストな初期化が、心筋検出及び軸評価の両方から評価される。

短軸スライス画像上で心筋を検出するために、本発明の一実施形態において、ハフ変換が使用される。ハフ変換は、例えば、P. V. C. Houghのオリジナルの文献「Method and means for recognizing complex patterns」（米国特許第３，０６９，６５４号、１９６２年）に記述されている。ハフ変換は、環状の形状を検出するために修正される。心筋は、暗いリングとして現れるので、それは、暗いリングをモデル化する半径対称のカーネルによる画像の畳み込みに対する最善の応答として検出されることができる。このカーネルの半径プロファイルは、リング半径によってシフトされるガウスのラプラシアンによって与えられ、その幅は、心筋の期待される厚みに直接関連する。畳み込みは、フーリエドメインの半径座標において計算され、これは、各々の角周波数についてカーネルの解析的なハンケル変換で画像変換を乗じることに対応する。ハンケル変換は、例えばBracewell, R.による「The Hankel Transform」(The Fourier Transform and Its Applications 3rd ed. New York: McGraw-Hill, pp. 244-250, 1999)に記述されている。この演算は、１次元であり、従って非常に速い。逆変換を行い、さまざまなリング半径についてプロセスを繰り返すことにより、最善の畳み込み応答が、最終的に、変形可能なテンプレートを初期化するための最適な中心及び半径を規定する。

左心室の軸は、各々のスライス画像上で検出される最善の暗いリングの中心から、ロバストに評価される。これは、可能性のある偽の心筋検出を考慮しないようにするために、アウトライア拒否ステップを含む最小２乗中央値方法により行われる。方法は、例えばP. J. Rousseeuw , A. M. Leroyによる「Robust regression and outlier detection」(John Wiley & Sons, Inc., New York, NY, 1987)に記述されている。

最後に、幾何学的なテンプレートの初期位置が、以下のように各々のスライス画像について規定される。リング検出から知られている検出された最適心筋中心が、左心室の軸及び現在スライスの交差部の近くにあり、その半径が予め規定されたテンプレート半径と同じである場合、テンプレートは、検出された最適中心及び半径によって初期化される。そうでない場合、テンプレートの初期中心は、現在スライスと軸の交差部であり、半径は、放物線の半径モデルを使用して、検出された最適リングから計算される。

本発明の一実施形態において、基準関数は、閉じたリボンテンプレートのエネルギーを記述するエネルギー関数である。エネルギー関数は、内部エネルギーの項及び外部エネルギーの項を含む。テンプレートジオメトリが変形されず、アプリオリな知識に基づく典型的なテンプレートジオメトリと同じである場合、内部エネルギーの項が最小を達成する。テンプレートの特定の部分が画像内で検出された特定のフィーチャと重なるようにテンプレートが変形される場合、外部エネルギーの項が最小を達成する。基準条件は、エネルギー関数が最小を達成することである。

内部及び外部のエネルギーの項の一部として、それらに加えて又はそれらの組み合わせにおいて、エネルギー関数の他の可能な項は、非限定的であるが以下に関する項を含む。
−真円度：中心線３１は、円からあまり大きく逸脱するべきではない。円は一定の曲率を有するので、可能な選択肢は、その中間値付近の中心線の曲率分散の判断基準を使用することである。
−規則性：中心線３１に沿った幅の変動は、制限されるべきである。これは、輪郭と輪郭の間の適切なカップリングを確実にする。可能な選択肢は、再び、その中間値付近における可変な幅の分散の判断基準である。
−血液プール一様性：乳頭筋を除いて、血液プールは、一様であるべきである。可能な選択肢は、乳頭筋の可能性のある存在を考慮するために、ヒストグラムの最も低い部分を除外した後の、内側領域の分散である。
−心筋一様性：心筋領域は、組織が正常である場合、一様に分布し、暗い色であるはずであり、そうでない場合は白色である。
−心内膜コントラスト：血液プールは、心筋よりも高い強度を局所的に示すはずであり、これは、心内膜輪郭に対する法線に沿った（例えばガウシアンフィルタの１階微分に基づいて規定される）１Ｄコントラストフィルタの合計によって測定されることができる。
−心外膜コントラスト：心外膜は、周囲器官に依存して、陽性、陰性又はリッジ様のコントラストを示すはずである。これは、心外膜に対する法線に沿った（例えばガウシアンフィルタの２階微分に基づいて規定される）１Ｄリッジコントラストフィルタの合計によって測定されることができる。
−心筋コントラスト：心筋の平均強度は、血液プールの平均強度より小さいはずである。

一実施形態において、基準関数は、基準関数の項の重み付けされた合計である。重みは、アルゴリズムのユーザによって指定されるパラメータである。

代替として又は付加的に、基準関数は、テンプレートに作用する力場でありえ、基準条件は、力場が実質的にゼロであることである。

以前の基準関数及び条件は、画像全体に基づいて規定され、例えばシネ心臓ＭＲ画像のような画像の異なるタイプに関して有用なものである。しかしながら、ＬＥＭＲ ＳＡ画像データの場合、これらの条件は、心筋輪郭の信頼できる自動描出を得るのに十分でなく、画像の部分に基づいて規定されるフィーチャが必要である。瘢痕（白い領域）が心筋内に存在する場合、これらのフィーチャは、画像セグメント化タスクに対するロバストな解決策を見つけることを目指す。

本発明の一実施形態において、画像は、４つのクアドラントＱ１、Ｑ２、Ｑ３及びＱ４に区分される。図４は、画像のこのような例示的な区分を示す。４つのクアドラントのロケーションは、左心室の中心４１及び右心室の中心４２の位置によって決定される。本発明の一実施形態において、右心室の中心を決定することは、左心室血液プールと同じ強度を有する円形テンプレートと、心筋の外側に位置する環状領域の画像との間の最善の相関付けを選択することに基づく。クアドラントは、心筋及び初期化されたテンプレートを、４つの部分に区分する。基準関数の項は、区分に基づいて規定されることができる。コントラストの項は、解剖学的知識に基づいて、クアドラントに適応される。例えば、Ｑ１では、心筋が、周囲器官（右心室）より暗いことが期待されるが、Ｑ３では、脂肪の薄いスライスがしばしば可視であるが、周囲器官は肺であり、同様に暗い色である。Ｑ２及びＱ４では、薄暗い組織及び明るい組織が心筋の外側で交互になるので、リッジフィルタが有用である。こうして、心筋全体において基準の項を計算することに代わって、各々の項が、各々のクアドラントにおいて別々に計算される。これは、アルゴリズムが、必要に応じて異常組織を検出し、ゆえに適応プロセスを制御することを可能にする。心筋の区分は、心筋のそれぞれ異なる部分を規定するが、これらの部分は、区分によって規定される隣接した部分に接続され、それらと相互作用することは指摘するに値する。

代替例として、ランダムに、又は例えば対象検出又はセグメント化を用いる画像解析に基づいて、画像を区分する別の方法が、システム２００の区分ユニット２１０によって用いられてもよい。提案される画像区分は、心臓のような解剖学的構造を心室及び心房のような認識されたサブ構造に区分化する必要がないことは指摘するに値する。区分は、基準関数のより多くの項を規定することを目的とし、各々の項は、構造の部分にそのドメインを有し、それにより、より多くの詳細及びゆえにより多くの精度を与える。

本発明の一実施形態において、いくつかのテストが、潜在的な瘢痕又は虚血性の領域を検出するために、各々のクアドラントにおいて実施される。例えば、異常組織は、次の場合に検出される；
−クアドラント内部の心筋平均強度が、血液プール平均強度と比較して高い場合。
−期待される異常組織値（例えば２５５）に対する心筋グレーレベルの累積的な差が、期待される健康心筋値（例えば０）に対する累積的な強度差より小さい場合。

心筋クアドラント内部の局所的な勾配が低い場合、このテストが確かめられ、これは、領域が一様であることを意味する。

本発明の一実施形態において、瘢痕が、或るクアドラント内に検出される場合、クアドラント内の基準関数の項は、以下のように適応される：
−瘢痕が白色に現れ、正常心筋が暗い場合、瘢痕は、周囲器官より明るい；結果的に、境界に沿って期待されるコントラストは、変化される（例えば０乃至２５５）。
−同じ理由で、心筋内部の一様性は、期待される健康な心筋値（例えば０）に代わって、期待される異常組織値（例えば２５５）に対する累積的な差として（又はそれに対する分散として）規定される。

このようなテストは更に、例えばこの項におけるファクタとして、基準関数の項に組み込まれることができる。テスト値が１（真）である場合、項は、基準関数に寄与する。テスト値が０（偽）である場合、項は基準関数に寄与しない。

本発明の一実施形態において、基準関数Ｆは、以下のエネルギー関数によって与えられることができる。

ここで、
−ｐは、テンプレートパラメータを含むパラメータベクトルであり、ｐ_ｉ＝（（ｘ_ｉ，ｙ_ｉ，ｗ_ｉ）であり、ｗは、中心線のノード座標を記述する幅ｗ_ｉを含む幅ベクトルであり、
−Ｃ、Ｃ_ｉ及びＣ_ｏは、それぞれ、閉じたリボンテンプレートの中心線、内側の輪郭及び外側の輪郭であり、
−Ｉは、画像であり、すなわち画像位置に強度を割り当てるマップであり、
−Ｍ及びＢは、それぞれ、画像内に閉じたリボンテンプレートを配置することによって規定される心筋及び血液プール領域である。

第１の項Ｆ_ｓ（Ｃ，ｗ）は、テンプレート形状の項であり、内部エネルギーの項である。例えば、

であり、ここで、ｋ（ｓ）は、中心線の曲率であり、上線付κは、中間曲率である。当業者であれば、ｓは、閉じたリボンテンプレートモデルのスプライン表現のパラメータであることが分かるであろう。中心線の曲率及び幅の両方は、小さいバリエーションを有するべきである。

第２の項Ｆ_ｃ（Ｃ_ｉ，Ｃ_ｏ，Ｉ）は、心外膜及び心内膜壁を画像勾配の好適な位置に引き寄せるための輪郭の項である。第２の項は、以下のように表現されることができる。

ここで、∇Ｉ_ｉｎ＝∇Ｉ（Ｃ_ｉ（ｓ））．ｎ（ｓ）及び∇Ｉ_ｏｎ＝∇Ｉ（Ｃ_ｏ（ｓ））．ｎ（ｓ）であり、∇Ｉは、画像勾配であり、ｎ（ｓ）は、中心線に対して垂直な外向きの線である。この項を実現するために、異常組織の検出に関するパラグラフに説明されたように、心筋の正常部分と異常部分との相対強度の事前知識を表わす勾配フィルタが使用される。

第３の項Ｆ_ｒ（Ｍ，Ｂ，Ｉ）は、領域の項である。血液プールグレーレベルは、一様に分布するべきである。更に、正常な心筋組織は暗く、異常組織は明るく、これは、血液プールを有する強い全体的なコントラストを生じさせる。従って、領域の項は、以下の通りである：

ここで、領域Ｂは、平均強度

及び面積｜Ｂ｜を有し、心筋領域Ｍについて期待される強度は、

である。Ｃ_ｇｌｏｂは、両方の領域の間の全体的なコントラストである。

異常組織の検出が、ここで記述される。このために、ＬＥＭＲ ＳＡ画像データのスライスから計算された画像が、テンプレート変形の前に前処理される：強度分布の混合は、期待最大化アルゴリズムによって評価され、これは、画像の最も暗い部分及び最も明るい部分を飽和させるように強度レンジを広げることを可能にする。これらの領域は、それぞれ、健康組織及び異常組織に対応し、それらの組織は、結果的に、新しいレンジの最小強度、

及び最大強度、

の一様な領域として現れることが期待される。次に、心筋Ｍ_ｉ＝Ｍ∩Ｑ_ｉの各部分について、以下の３つの条件が満たされる場合、潜在的な瘢痕又は虚血性領域が検出される：
−クアドラント内部の心筋平均強度が、血液平均強度と比較して高い：

−最大強度、

に対する強度分散が、

に対する強度分散より低い：

−心筋部分Ｍ_ｉ内部の局所的な勾配大きさの合計が低い。

瘢痕がＭ_ｉにおいて検出される場合、基準の項は瘢痕に適応される。瘢痕は、周囲器官より明るいので、境界に沿って期待されるコントラストを規定する勾配フィルタが、反転される。同じ理由から、Ｆ_ｒにおいて使用される心筋内部の期待値、

は、

に代わって、

である。

一実施形態において、基準関数は、特に乳頭筋を考慮するために内部領域ヒストグラムの非線形的な除外の理由で、テンプレートパラメータ（ｘ_ｉ，ｙ_ｉ，ｗ_ｉ）の微分可能な関数でない。ここで、ｉは、中心線上のノードのインデックスである。こうして、通常の勾配降下法は、最小化のための適当な選択肢でない。更に、任意の勾配降下スキームは、極小値に対して非常に高い感受性をもつ固有の制限を有する。最適化スキームは、直接的な基準計算のみに依存する欲張りアルゴリズムに基づく。この選択肢は、計算の複雑さと初期条件に対する感受性との間の良好な妥協を提供する。用いられる最適化スキームは、勾配降下スキームよりロバストであり、スプラインに基づくモデルを包括的に最適化するための従来の選択肢である動的なプログラミングより複雑さが低い。欲張り最適化ストラテジは、以下の反復アルゴリズムによって記述されることができる：
繰り返し。
（Ａ）各々のノードを一つずつ訪問する。
−予め規定されたレンジ内のｉ番目のノードのパラメータ（ｘ_ｉ，ｙ_ｉ，ｗ_ｉ）値の探索を実施する。
−最も低いエネルギーを与える見つけられた最適位置に移動する。
（Ｂ）回転及びパラメータ化不変性を増大するために、中心線に沿ってノードを再サンプリングし、移動する（スライドする）。
定常状態が見つけられるまで。

図５は、システム２００の一実施形態による心筋輪郭の自動セグメント化の結果を示している。図示される例示の画像は、様々なタイプの異常組織を含む：大きい白い貫壁性瘢痕、小さい心内膜下瘢痕、散在する又はぼやけた白い領域。白い領域は、セグメント化された心筋内部に正確に含まれる。結果は満足であるが、わずかな不正確さが、セグメント化の困難である画像上の境界に沿って残る。これらの不正確さは、概して心筋の異常な厚みに対応し、そのような厚みは、瘢痕が筋肉から排除された場合は非常に薄く、又はセグメント化の結果が周囲構造を含んだ場合は非常に大きい。これらの不正確さを低減して、心筋の３Ｄ表面モデルを得るために、ＬＥＭＲ ＳＡ画像データの更なる処理が必要である。この問題に対処するために、一実施形態において、システムは、３Ｄ表面モデルを、複数のテンプレートと位置合わせする位置合わせユニット２３０を有し、各々のテンプレートは、システム２００の適応ユニット２２０によって、画像データのスライスから計算された画像に適応される。適切な表面モデルは、画像のシネＭＲシーケンスの心外膜及び心内膜表面の輪郭を描出することから得られることができる。

ＬＥＭＲ検査は、一般に、心臓周期に沿った心筋移動を示すシネＭＲシーケンスの取得から約２０分後に行われる。これらの２０分の最中、患者は、テーブル上を移動しない。結果的に、シネシーケンスから抽出されることができるすべての解剖学的情報は、ＬＥＭＲボリュームをセグメント化するのに有用な事前知識である。特に、心筋のセグメント化は、以下によって、画像のシネシーケンス全体に関して得られ、各々の画像は、心臓周期のフェーズに対応する：
−例えば、ＬＥＭＲ ＳＡ画像の場合と同じ方法を使用して、心臓周期の拡張終期フェーズに対応する画像において心筋をセグメント化する。画像の区分化は、前記拡張終期ＭＲ画像をセグメント化するために必要ではない；
−拡張終期フェーズにおけるセグメント化の結果を、シネシーケンスに適用し、それによって、例えばHautvast, G.、Lobregt, S.、Breeuwer, M、及びGerritsen, F.による「Automatic contour propagation in cine cardiac magnetic resonance images」(IEEE Transactions on Medical Imaging, 2006, 25, 1472-1482)に記述されるように、シーケンスの各々の画像をセグメント化する。最後に、各フェーズごとに、心内膜及び心外膜を記述する例えばポリゴンメッシュのような２つの３Ｄの表面モデルが、得られる。これらの表面モデルは、価値のある形状及び厚みの情報を含む。

この情報の利点を利用するために、システム２００は、例えば画像のＤＩＣＯＭ属性を読み込むことによって、取得されたＬＥＭＲ ＳＡ画像データに対応するフェーズを自動的に選択し、事前情報として対応する３Ｄ表面モデルを使用するように構成されることができる。しかしながら、患者が、シネとＬＥＭＲ検査との間に移動を行わない場合であっても、患者は、リラックスし又は多少深く呼吸することがある。結果的に、シネフェーズから抽出されたモデル表面は、ＬＥＭＲ ＳＡ画像と直接重ね合せられることができず、従って、位置合わせステップが必要である。代替として、任意の他のやり方で得られる適切な表面モデルが、本発明のシステム２００によって使用されることができる。

システムの一実施形態において、システム２００は更に、表面モデルを複数のテンプレートと位置合わせするように構成され、各テンプレートは、システム２００の適応ユニット２２０によって画像データのスライスから計算された画像に適応されている。これは、２つのステップにおいて行われる：
−適応されたテンプレートの方へ表面モデルを引き寄せるリジッド又はアフィン変換。表面モデルとテンプレートのスタックとの間の最善の整合をもたらす変換が、計算され、表面モデルに適用される。
−テンプレート位置及び画像のグレーレベルに依存した、表面モデルの局所的な洗練。テンプレートの心外膜輪郭において一層大きな信頼があり、それは、テンプレートの心内膜輪郭より概して正確である。表面モデルによって提供される厚み情報が、カップリング制約を局所的な変形に加えるために使用される。白いピクセルが、輪郭の近くで探され、その結果、テンプレート適応の間に逃がされた可能性がある白い領域が回復される。これらの動作を連続して適用することは重要であり、その理由は、アフィン変換はロバストな結果をもたらし、局所的な洗練は、表面モデルが全体的に良好に位置付けられるという仮定の下で表面モデルの位置を調整するからである。結果的に、局所的な洗練だけを使用することは、最適な結果をもたらさない。

本発明の一実施形態において、変形は、アフィンから局所へのストラテジを使用して行われる：最初に、アフィン変換が、求められ、これは、メッシュジオメトリを変更することなく、メッシュと輪郭スタックとの間の最善の合致を与える；次に、各々のメッシュ頂点において適用される特定の力Ｆ_３Ｄが、規定される。力Ｆ_３Ｄは、メッシュの元の形状（Ｆ_ｉｎｔ）、適当な２Ｄ輪郭までの距離（Ｆ_ｃｏｎｔ）、及び心筋厚み（Ｆ_ｔｈ）を考慮する：
Ｆ_３Ｄ＝Ｆ_ｉｎｔ＋Ｆ_ｃｏｎｔ＋Ｆ_ｔｈ

最後に、瘢痕、すなわち明るい領域が、最終的な心筋輪郭内部に含まれることを確実にするために、メッシュは、輪郭を引き寄せる力を、画像強度をテストする力（Ｆ_Ｉ）と置き換えることによって、局所的に洗練され、その結果、以下の力を与える。
Ｆ_{３ＤＲｅｆｉｎｅ}＝Ｆ_ｉｎｔ＋Ｆ_Ｉ＋Ｆ_ｔｈ

心筋のセグメント化の結果は、心外膜及び心内膜表面モデルを含む。更に、心外膜及び心内膜表面と、ＬＥＭＲ ＳＡ画像データの各スライスとの交差部が、スライスから計算された各画像において改善された心外膜及び心内膜輪郭を規定する。

本発明の自動方法によって得られた輪郭を、専門家によって提供された手作業で描かれた輪郭と比較することによって、方法のパフォーマンスが、以下に限定されないが大きい白い貫壁性瘢痕、小さい心内膜下瘢痕、散在する、ぼやけた白い領域を含む様々なタイプの異常組織を含む２７ボリュームのデータベース上で定量的に評価された。手作業で描かれた輪郭と自動で描かれた輪郭との間の平均誤差は、約１．５ピクセルである。図６は、システム２００の一実施形態による、心筋輪郭の自動セグメント化の結果を示している。第１の列は、それぞれ異なる患者から取得された画像データのスライスから計算された画像に対するテンプレート適応の結果を含む。矢印は、適応がなお改善されうる領域を示す。画像の第２の行は、心筋表面の位置合わせされた表面モデルから導き出された輪郭を示す。第３の列は、専門家による手作業のセグメント化の結果を示す。輪郭は、心筋の正常部分及び異常部分を成功裡に取り囲んでいるので、セグメント化の品質は良好である。結果は、例えば、各画像において瘢痕組織の輪郭を描出し、前記瘢痕組織の領域を計算することによって、生存可能でない組織のパーセンテージを信頼性をもって評価することを可能にする。

当業者であれば、システム２００が医師の仕事の多くの見地において医師を助ける価値のあるツールでありうることが分かるであろう。

更に当業者であれば、システム２００の他の実施形態もまた可能であることが分かるであろう。とりわけ、システムのユニットを定義し直し、それらの機能を再分配することが可能である。記述された実施形態は、医用画像にあてはまるが、医用アプリケーションに関連しないシステムの他のアプリケーションもまた可能である。

システム２００のユニットは、プロセッサを使用して実現されることができる。通常、それらの機能は、ソフトウェアプログラム製品の制御下で実施される。実行中、ソフトウェアプログラム製品は、通常、ＲＡＭのようなメモリにロードされ、メモリから実行される。プログラムは、例えばＲＯＭ、ハードディスク又は磁気及び／又は光学記憶のようなバックグラウンドメモリからロードされることができ、又はインターネットのようなネットワークを介してロードされることができる。任意には、特定用途向け集積回路が、記述された機能を提供することができる。

図７は、画像データのスライスから計算された画像において解剖学的構造の輪郭を描出する方法７００の例示的な実現例のフローチャートを示す。方法７００は、画像においてテンプレートを初期化する配置ステップ７０５から始まる。方法７００の１つの実現例において、配置ステップ７０５は、左心室の軸を評価する軸評価ステップ７０５２と、心筋を検出する検出ステップ７０５４と、画像においてテンプレートの初期位置を決定する初期化ステップ７０５６と、を含む。配置ステップ７０５の後、方法７００は、例えばクアドラントのような複数の画像部分に画像を区分する区分ステップ７１０に続き、ここで、各々の画像部分は、解剖学的構造の一部を表す。区分ステップ７１０の後、方法７００は、テンプレートパラメータ並びに画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを画像に適応させる適応ステップ７２０に続き、ここで、基準関数は、複数の画像部分に基づいて規定される。適応ステップ７２０の後、方法７００は、表面モデルを、複数のテンプレートと位置合わせする位置合わせステップ７３０に続き、ここで、各々のテンプレートは、方法７００の適応ステップ７２０において画像データのスライスから計算された画像に適応されたものである。方法７００の１つの実現例において、位置合わせステップ７３０は、表面モデルを複数のテンプレートとアフィン変換により位置合わせして、アフィン変換により位置合わせされた表面モデルを生成するアフィン変換ステップ７３２を含み、その後、アフィン変換により位置合わせされた表面モデルを、複数のテンプレートと、非アフィン変換により局所的に位置合わせして、局所的に位置合わせされた表面モデルを生成する局所変形ステップ２３４が続き、その後、局所的に位置合わせされた表面モデルを画像データに適応させる洗練ステップ７３６が続く。位置合わせステップ７３０の後、方法７００は終了する。

当業者は、本発明によって意図される概念から逸脱することなく、スレッディングモデル、マルチプロセッサシステム又は多重プロセスを使用して、いくつかのステップの順序を変えることができ又は同時にいくつかのステップを実施することができる。任意には、本発明の方法の２又はそれ以上のステップが、１つのステップに合わせられることができる。任意には、本発明の方法の１つのステップが、複数のステップに分割されることもできる。

図８は、システム２００を用いる画像取得装置８００の例示的な実施形態を概略的に示す。前記画像取得装置８００は、システム２００、入力コネクタ８０１及び出力コネクタ８０２と内部接続を介して接続されるＣＴ画像取得ユニット８１０を有する。この機構は、有利には、画像取得装置８００能力を増大し、システム２００の有利な能力を備える前記画像取得装置８００を提供する。

図９は、ワークステーション９００の例示的な実施形態を概略的に示す。ワークステーションは、システムバス９０１を有する。プロセッサ９１０、メモリ９２０、ディスク入出力（Ｉ／Ｏ）アダプタ９３０及びユーザインタフェース（ＵＩ）９４０が、システムバス９０１に機能的に接続される。ディスク記憶装置９３１が、ディスク入出力アダプタ９３０に機能的に結合される。キーボード９４１、マウス９４２及びディスプレイ９４３が、ＵＩ９４０に機能的に結合される。コンピュータプログラムとして実現される本発明のシステム２００は、ディスク記憶装置９３１に記憶される。ワークステーション９００は、プログラム及び入力データをメモリ９２０へロードし、プロセッサ９１０上でプログラムを実行するように構成される。ユーザは、キーボード９４１及び／又はマウス９４２を使用して、情報をワークステーション９００に入力することができる。ワークステーションは、表示装置９４３及び／又はディスク９３１に情報を出力するように構成される。当業者であれば、当技術分野において知られているワークステーション９００の多数の他の実施形態があり、本実施形態は、本発明を説明する目的を果たすものであり、この具体的な実施形態に本発明を制限するものとして解釈されるべきではないことが分かるであろう。

上述の実施形態は、本発明を制限するものではなく、説明するものであり、当業者であれば、添付の請求項の範囲から逸脱することなく、代替実施形態を設計することが可能であることに注意すべきである。請求項において、括弧内に置かれる任意の参照符号は、請求項を制限するものとして解釈されるべきではない。「含む、有する」なる語は、請求項又は説明に挙げられたもの以外の構成要素又はステップの存在を除外しない。構成要素に先行する「a」又は「an」なる語は、このような構成要素の複数の存在を除外しない。本発明は、幾つかの別個の要素を含むハードウェアによって実現されることが可能であり、プログラムされたコンピュータによって実現されることが可能である。いくつかのユニットを列挙するシステムの請求項において、これらのユニットのいくつかは、同じ１つのハードウェア又はソフトウェアアイテムによって具体化されることができる。第１、第２、第３等の語の使用は、いかなる順序付けも示さない。これらの語は、名前として解釈されることができる。

Claims (11)

1. 画像データのスライスから計算された画像において解剖学的構造の輪郭を描出するシステムであって、
   各画像部分が前記解剖学的構造の一部を表す複数の画像部分に、前記画像を区分する区分ユニットと、
   テンプレートパラメータ並びに前記画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び前記基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを前記画像に適応させる適応ユニットと、
   を有し、前記基準関数が、前記複数の画像部分に基づいて規定される、システム。
2. 前記適応ユニットは更に、前記複数の画像部分のうち或る画像部分における前記解剖学的構造の異常組織を検出するように構成され、前記基準関数は、前記異常組織が前記画像部分において検出される場合に前記基準関数に寄与する項を含む、請求項１に記載のシステム。
3. 前記テンプレートの前記適応は、欲張り探索アルゴリズムを使用して、前記基準関数が基準条件を満たす前記テンプレートパラメータの値を探すことに基づく、請求項１に記載のシステム。
4. 前記テンプレートは、外部及び内部の閉じた輪郭によって規定される閉じたリボンである、請求項１に記載のシステム。
5. 前記区分は、パイ様の区分である、請求項１に記載のシステム。
6. 表面モデルを複数のテンプレートと位置合わせする位置合わせユニットを更に有し、各テンプレートが、前記画像データのスライスから計算された前記画像に適応され、少なくとも１つのテンプレートが、前記適応ユニットによって適応される、請求項１に記載のシステム。
7. 前記位置合わせユニットは、
   前記表面モデルを、前記複数のテンプレートと、アフィン変換により位置合わせして、アフィン変換により位置合わせされた表面モデルを生成するアフィン変換ユニットと、
   前記アフィン変換により位置合わせされた表面モデルを、複数のテンプレートと非アフィン変換により局所的に位置合わせして、局所的に位置合わせされた表面モデルを生成する局所変形ユニットと、
   前記局所的に位置合わせされた表面モデルを、前記画像データに適応させる洗練ユニットと、
   を有する、請求項６に記載のシステム。
8. 画像データのスライスから計算された画像において解剖学的構造の輪郭を描出する方法であって、
   各画像部分が前記解剖学的構造の一部を表す複数の画像部分に、前記画像を区分する区分ステップと、
   テンプレートパラメータ並びに前記画像内の画像値及びそれらの相対位置である基準関数に基づいて、及び前記基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを前記画像に適応させる適応ステップと、
   を含み、前記基準関数が、前記複数の画像部分に基づいて規定される、方法。
9. 請求項１に記載のシステムを有する画像取得装置。
10. 請求項１に記載のシステムを有するワークステーション。
11. 画像データのスライスから計算された画像において解剖学的構造の輪郭を描出するための命令を含む、コンピュータ機構によってロードされるコンピュータプログラムであって、
    前記コンピュータ機構は、処理ユニット及びメモリを有し、
    前記コンピュータプログラムは、ロードされた後、
    各画像部分が解剖学的構造の一部を表わす複数の画像部分に、前記画像を区分する処理と、
    テンプレートパラメータ並びに前記画像内の画像値及びそれらの相対位置の関数である基準関数に基づいて、及び前記基準関数の計算された値によって満たされるべき基準に基づいて、テンプレートを前記画像に適応させる処理であって、前記基準関数が、前記複数の画像部分に基づいて規定される、処理と、
    を実施する能力を前記処理ユニットに与えるコンピュータプログラム。

Images