JP2012523889A - 胸部ｘ線写真の重ね合わせ，減算及び表示 - Google Patents

Abstract

【課題】胸部Ｘ線写真の重ね合わせ，減算及び表示の方法，並びにそのための記憶媒体を提供すること。
【解決手段】粗位置揃えと，粗重ね合わせと，詳細重ね合わせとを含むいくつかの操作を実行することによって，画像が重ね合わされる。残差画像を得るために詳細重ね合わせがされた画像が減算される。
【選択図】図１５

Description

本発明は，胸部Ｘ線写真の重ね合わせ，減算及び表示の方法，並びにそのための記憶媒体に関する。

医療用放射線造影は当業において周知である。例えば胸部の放射線画像は，肺，胸部骨組織，上腹部器官，肺の血管組織，及び中胸郭部脊椎（ｍｉｄ−ｔｈｏｒａｃｉｃ ｓｐｉｎｅ)の円盤状空間（ｄｉｓｃ ｓｐａｃｅ）を含む多くの症状を検出し，治療するための重要な診断情報を提供する。

デジタル画像の大きな利点のために，放射線写真は通常デジタル形式で記憶され，処理される。デジタル放射線写真は，デジタル形式の原画像を直接取り込んでもよいし，“アナログ”システムによって得られた画像をデジタル形式に変換することによって生成してもよい。デジタル画像は，放射線写真を正しく患者に対応させることのような記録維持を容易にし，より効率のよい記憶及び配布を可能にする。デジタル画像はまた，放射線写真のデジタルでの補正及び強調，並びに計算機支援診断及び処置の応用を可能にする。

いったんデジタル形式にすれば，放射線画像の効用を高めるために，種々の技法を用いることができる。そのような技法の一つは分割（ｓｅｇｍｅｎｔａｔｉｏｎ）である。分割は，例えば診断，評価又は測定のために，対象物を分離すること（例えば，前景から背景の分離）又は画像から解剖学的表面若しくは組織を抽出することを含む。分割は，時間的比較のための可視化及び重ね合わせのような作業に有用である。

ほかの技法は，無関係な要素を抑圧しつつ，放射線画像内の重要な特徴の被視認性を強化するために役立つ。放射線写真を使用する際に遭遇するよくある課題は，体内の種々の組織が互いに重なり合って，重要な特徴が，その上又は下にあるほかの組織によって隠ぺいされることである。例えば，肺の軟組織内の詳細は，放射線写真では患者の肋骨の画像が重畳するため解釈が難しいことがある。Riverain Medical Group , LLC（本願譲渡人）が開発したSoftView（登録商標）システムのような骨抑圧技法は，本質的には骨の画像を取り除くことによって，デジタル放射線写真における軟組織の明瞭度を向上させることができる。

画像の重ね合わせ（ｒｅｇｉｓｔｒａｔｉｏｎ）は，比較及び医学的診断を容易にするため，別個の画像の位置を揃える（ａｌｉｇｎｉｎｇ）処理である。重ね合わせは，時間経過による患者の生理学的変化を可視化し，監視することによって，医師を支援することができる。例えば，重ね合わせは医師が病巣又は結節の増大又は縮小を監視することを支援し，時間経過による濃度のわずかな変化を検出することを支援する。

別々の時間に患者を撮影した放射線画像の重ね合わせは，患者の造影装置に対する位置が完全には再現されないため困難なことがある。なぜならば，取り込み装置は別の造影パラメータ（例えば，標本化，露出，コントラスト応答関数，など）を有し，及び／又は患者内に差（臨床的に関係するもの及び関係しないものの双方）があるためである。例えば胸部放射線写真において，別々の時間に撮影された画像は，患者の呼吸に関して位相がずれており，横隔膜の位置が異なることがある。また，患者の医学的状態，例えば肺炎などのような肺の病気の変化が肺野の見えの変化になることがあり，画像マッチングを複雑にする。

放射線画像の重ね合わせはまた，画像内の種々の組織が互いに強く結合しておらず，そのため，時間を経過して撮影された画像間で異なって動くため，問題を含むことがある。例えば胸郭が正確に重ね合わされた放射線画像は，肺の軟組織の細部については異なることがある。肺組織（特に内部）は，胸郭に緩やかに結合しているだけである。

更なる画像処理技法は，いったん放射線画像が重ね合わされると，画像間の差を表す「残差」画像を生成することができる。残差画像は，一つの画像をもう一つの画像から減算することによって形成してもよい。完全に正規化され，重ね合わされた残差画像においては，形態学及び組織種別双方に関して二つの画像が同一である部分は，完全に減算される。一方，形態学及び／又は吸収特性が異なるときは，これは残差画像において極めて明らかである。二つの画像間の差は，暗い特徴又は明るい特徴として現れ，時間を経過して撮影された画像間の差を示す。したがって，放射線写真内の重要な特徴が正確に重ね合わされ，正規化されていないときは，問題が生じる。

放射線画像の位置を揃え，重ね合わせる既存の技法は，骨組織と軟組織とを分離することを処理するのに失敗し，通常は軟組織の変化を明確に描くことができない。

本発明の実施形態は，放射線画像の剛性位置揃え及び多重尺度の反復する非剛性重ね合わせを行う方法を含み，変形物が生成され，その後，得られた画像の階層に適用され，該階層において各画像は，骨，筋肉又は肺柔組織のような組織種別を除いてほかのすべてを抑圧する。残差画像は，同時にほかのものを抑圧しつつ，関係する特徴の被視認性を強化するために，多重尺度分解から得られる情報を優先的に重み付けしてもよいし，省略してもよい。

本発明の種々の実施形態は，方法，装置，システム，及び／又は方法を実行するためのプロセッサ実行可能命令を含む計算機可読記憶媒体であってよい。さらに，このような方法は，制限するものではないが例えば，画像処理装置，汎用プロセッサ又は計算機，などの自動化した処理装置によって実行してもよいことが想定されることに注意されたい。

本発明の実施形態の概要を示すフローチャートである。 本発明のいくつかの実施形態による前処理の更なる詳細を示すフローチャートである。 本発明の種々の実施例による粗位置揃えの更なる詳細を示すフローチャートである。 現在の画像と前の画像との間の傾きを，胸郭分割領域によって測定する方法を更に示す図である。 本発明の種々の実施例による粗重ね合わせの更なる詳細を示すフローチャートである。 現在の骨画像及び前の骨画像を用いて，粗重ね合わせを達成する方法を更に示す図である。 本発明の実施形態による詳細位置揃え処理におけるオプチカルフローを示す図である。 粗位置揃えによって得られる残差画像の例を示す図である。 粗重ね合わせ後に得られる残差画像の例を示す図である。 詳細位置揃え後に得られる残差画像の例を示す図である。 骨及び軟組織双方を含む，重ね合わされた「完全な」現在の画像と前の画像との残差画像の例を示す図である。 骨を抑圧し，重ね合わせた現在の画像と前の画像との対応する残差画像の例を示す図である。 骨を抑圧し，重ね合わせた現在の画像と前の画像との残差画像の例であって，本発明のいくつかの実施形態において使用されることがある，分解ピラミッドからの無関係な情報を省いた図である。 本発明のいくつかの実施形態において使用されることがある，後処理の混合処理のフローチャートである。 本発明の実施形態のすべて又は一部を実現することができるシステムの概念的ブロック図ある。

図１は，本発明の実施形態の概要を示すフローチャートである。本発明の実施形態は，患者の前の放射線画像１０２及びその患者の現在の放射線画像１０４から始めてもよい。この二つの放射線画像は，同一又は同じ装置を用い，患者と装置との位置揃えが可能な限り同じであるように注意を払って取得されたものであるが，描画された内部組織の方向及び位置が異なることがしばしばある。

本発明の実施形態は，前の画像及び／又は現在の画像の前処理（ステップ１０６）に進んでもよい。本発明のいくつかの実施形態によれば，前処理は図２に示す更なる詳細に従って進められる。各入力画像２０２はまず，例えば二つの画像が，単位長当たり画素数の点で均一な標本化関数と，画素当たりビット数の点で均一なビット深度と，均一な画像コントラストと，減少させたノイズレベルと，を有するように正規化してもよい（ステップ２０４）。このように，正規化は，二つの画像が正しく位置揃えされた場合，一つの画像を他の画像から画素単位で減算したとき，同一の特徴が本質的に「打ち消される」ように，均一な特性を有する画像を提供することができる。

正規化の後，画像の分割領域について前処理を続けてもよい（ステップ２０６）。分割は，例えば後続の処理のために，二つの画像内の肺，胸郭又はほかの組織の輪郭を描く（ｄｅｌｉｎｅａｔｅ）ことであってよい。後で説明するように，前処理の際に骨抑圧も行ってよい（ステップ２０８）。そして前処理はステップ２１０で終了し，前処理された画像が後続の処理で利用可能になる。

前処理ステップ１０６の出力もまた，例えば，ここに参照する２００８年１０月６日出願の"Feature Based Neural Network Regression for Feature Suppression"と題する米国特許出願第１２／２４６，１３０号に部分的に提示されている，Riverain Medical Group, LLCが開発したSoftView（登録商標）システムによって生成されるような，骨抑圧された前の画像１１２及び骨抑圧された現在の画像１１４を含んでよい。或いは，骨抑圧画像は，例えば画像の重ね合わせ（ステップ１１０）の後のような，処理の後段で生成してもよい。骨画像は軟組織を抑圧したものであって，次に説明するように画像の粗重ね合わせにおいて用いるために生成してもよい。

前処理の後，本発明の実施形態は二つの画像の粗位置揃えを続けてもよい（ステップ１０８）。粗位置揃え（ステップ１０８）は，後続の重ね合わせステップ１１０，１２０がより効果的であるように，二つの画像の間のずれ（移動）及び／又は傾き（回転）を補正し，及び／又は画像を概略位置揃えするために用いてもよい。粗位置揃え（ステップ１０８）の実施形態は，前の画像及び現在の画像が既に放射線写真処理によって得られる一定の許容誤差内，例えば垂直位置揃えが３６ｍｍ以内，に入っていることを仮定してもよい。粗位置揃え（ステップ１０８）は，前の画像及び現在の画像の低解像度版，例えば画素解像度が画素当たり３ｍｍの画像を用いてもよい。さらに，粗位置揃え（ステップ１０８）の実施形態は，剛性座標軸変換を計算するためにアフィン変換を用いて実現してもよい。

図３に示されているように，粗位置揃え（ステップ１０８）の実施形態は３０２及び３０４から始め，患者の傾きの低解像度推定を生成してもよい（ステップ３０６）。患者の傾きを測定する一例示方法が図４に示されている。前処理（ステップ１０６）から得られるような，各画像の胸郭分割領域４０２，４０４が，胸郭の正中線４１２，４１４を計算するために分析される。例示技法は，ここに参照する２００８年１０月１６日出願の米国特許出願第１２／２５２，６１５号に見出すことができる。各正中線の端点，すなわち頂点を使って，二つの画像の間の相対傾斜を測定することができる。

本発明の一実施形態においては，前の画像が現在の画像と同じ傾きになるように調整することによって，二つの画像間の傾きを補正することができる。次に，二つの画像間の位置ずれ（ｔｒａｎｓｌａｔｉｏｎ ｏｆｆｓｅｔ）の推定が生成される（ステップ３０８）。ずれを測定する一つの方法は，例えば二つの画像間の階調相関を測定することである。相関を制限するために胸郭分割領域を用いてもよく，分割領域（図４のクロスハッチした部分）内に入る階調特徴だけを用いることができる。このことは，胸郭外の特徴から相関への無関係な寄与を無くすことに役立つ。

本発明の一実施形態においては，位置ずれの補正は現在の画像に前の画像を位置揃えすることによって達成され（ステップ３１０），粗位置揃えは３１２で終了する。粗傾斜調整及び粗位置調整双方を，前の画像に大局的に適用してもよく，画像内の局所効果は検討しなくてもよい。本発明の一実施形態においては，粗位置揃えは，互いに約１５ｍｍ以内の局所効果をもたらす。

粗位置揃え（ステップ１０８）が完了した後，粗重ね合わせ（ステップ１１０）を実行してもよい。粗重ね合わせ（ステップ１１０）において，特定の点近くの画像について，局所相関が計算され，局所弾性変形が適用される。

本発明の一実施形態においては，粗重ね合わせが，現在の画像及び前の画像から導出された，軟組織特徴が抑圧された骨画像を用いて実行される（ステップ１１０）。別の実施形態においては，粗重ね合わせ（ステップ１１０）において，骨特徴が抑圧された軟組織画像を用いて，局所領域間の相関を計算してもよい。このような骨画像及び／又は軟組織画像はハードウェアによって導出したものでもよいし，及び／又はソフトウェアによって導出したものでもよい。

図５及び６に更に示す本発明の実施形態においては，粗重ね合わせ（ステップ１１０）はステップ５０２で開始し，現在の画像及び前の画像の局所相関を計算してもよい（ステップ５０４）。現在の画像及び前の画像は，それぞれ図６の円又は正方形で描かれた局所領域に分割される。各局所領域内で中心点について相関が測定される（ステップ５０４）。図６の矢印で表される，各中心点の変位が計算される（ステップ５０６）。（矢印の長さは，説明のために誇張して示されている。）

本発明の実施形態において，結び付ける（ｃｏｒｒｅｌａｔｅ）画像は生階調画像であってもよいし，コントラストが強調された画像であってもよいし，重要な組織要素を結び付けるために相関を偏移させるようにフィルタされた画像であってもよい。また，本発明の実施形態においては，十分に高い相関を示す任意の変位（例えば，所定の最小許容相関値と比較することによって判定することができる）にならない局所領域は，隣接領域から変位値を継承してもよい。欠落した変位値は，既知の隣接値から内挿又は外挿してもよい。

本発明の実施形態において，局所領域を象徴する点は，例えばDifference of Gaussianフィルタのピークのような顕著な特徴の位置によって決定してもよい。一つの実施形態においては，局所領域は，分割された肺領域の周囲の追加点によって補完された領域の等間隔格子によって決定してもよい。均一格子を補完するとき，２点が互いに近すぎるときはいつでも，一つの点を除去してもよく，２点のうち一つが肺周囲点であるときは，肺周囲点を優先してもよい。

本発明のいくつかの実施形態においては，相関を用いて局所変位の候補を決定してもよい。しかし，相関領域の最大ピークに加えて，十分に強い非最大ピークも考慮してよい。変位の選択は，例えば候補位置の近隣の残差階調誤差，期待される位置からの距離，及び／又は相関値自体の識別関数を用いて決定してもよい。

整合処理（ｃｏｈｅｒｅｎｃｙ）（変位ベクトルの一貫性）を変位に適用してもよく（ステップ５０８），前の画像の局所弾性変形（ステップ５１０）を実行してもよい。整合処理（ステップ５０８）は，隣接領域が同様に変位しているかどうかを確かめることによって，画像の滑らかな変形を維持するために用いることができる処理である。整合処理（ステップ５０８）は，画像の一つの部分が他の部分にかぶさることを防止することができる。また，整合処理は隣接点間で生じる伸張の量を制限することができる。

粗位置揃え（ステップ１０８）及び粗重ね合わせ（ステップ１１０）が行われると，粗位置揃え（ステップ１０８）及び粗重ね合わせ（ステップ１１０）から得られる変形を，前処理（ステップ１０６）の際に生成された元の「骨が抑圧された」画像又は軟組織画像１１２，１１４に適用してもよい。同一の画像を反復して変形させることは，各ステップにおける階調補間のために損失のある処理になることがある。したがって，変形は原画像に対して累積されることがある。

画像間の位置揃えを改善するために，二つの画像フレーム間のオプチカルフロー推定のために開発された方法を含む，種々の計算技法を用いてもよい。よくある方法の一つはＬｕｃａｓ‐Ｋａｎａｄｅ法であり，この方法は画像を小さなウィンドウに分解し，各ウィンドウ内ではフローが一定であると仮定する（「局所一定フロー」）。この方法は更に，画像内の物体の輝度は，画像間で本質的に一定であると仮定する。

画像重ね合わせに適用したとき，Ｌｕｃａｓ‐Ｋａｎａｄｅ法は反復して適用してもよい。画像はまず尺度空間「ピラミッド」に分解され，この方法がピラミッドの粗成分に適用される。次に，粗レベルの結果が，ピラミッドの次に細かい尺度にこのアルゴリズムを適用するための推定値として用いられる。

粗重ね合わせ（ステップ１１０）に続いて，骨を抑圧した（又は軟組織の）画像に詳細重ね合わせが行われる（ステップ１２０）。相関に基づく方法及び当業において既知の「オプチカルフロー」法を含むいくつかの技法を，詳細重ね合わせのために用いてもよい。上述のとおり，そして図７に示すように，本発明の一実施形態は，Ｌｕｃａｓ‐Ｋａｎａｄｅオプチカルフロー法を利用する。本発明の実施例は，粗重ね合わせ（ステップ１１０）よりも密に配置された特定点の周囲の局所相関を利用してもよい。

請求項７に示されたオプチカルフロー法はステップ７０２で始まり，画像を「ピラミッド」に多重尺度分解する（ステップ７０４）。ここでピラミッドの各レベルは，特定尺度，すなわち空間周波数範囲における画像の情報を表す。ピラミッドの第１レベルは，最低空間周波数を表してもよい。変位推定は，例えばゼロで初期化してもよい（ステップ７０６）。空間グラジエント行列“Ｇ”は，このピラミッドレベルに対して計算される（ステップ７０８）。画像差分が推定される（ステップ７１０）。ミスマッチベクトル“ｂ”が計算される（ステップ７１４）。変位が解決される（ステップ７１６）。変位は次のピラミッドレベル（より詳細な空間成分を有する）に伝ぱ（播）する（ステップ７２０）。最高空間周波数を有するピラミッドレベルに達すると（ステップ７１８），この方法は終了する（ステップ７２２）。

画像の詳細重ね合わせ（ステップ１２０）の後，骨を抑圧した現在の画像と前の画像との減算（ステップ１２２）を用いて残差画像１３０が生成される。残差画像１３０は本質的に，二つの重ね合わせた画像の一つを他方から画素単位に減算することによって得られる差分であってよい。残差画像１３０は，検査のために表示してもよいし，印刷してもよい。

図８は，粗位置揃え（ステップ１０８）によって得られる残差画像の例を示している。個々の肋骨はよく位置が揃っていないが，輪郭化した胸郭はよく位置が揃っていることに注意されたい。図９は，粗重ね合わせ（ステップ１１０）の後に得られる残差画像の例を示している。ここで，輪郭化した胸郭及び個々の肋骨双方はよく位置が揃っており，軟組織，特に右下の横隔膜及び結節は位置が揃っていない。図１０は，詳細重ね合わせ（ステップ１２０）の後に得られる残差画像の例を示している。今度は，肋骨間の軟組織が「よりきれい」であり，横隔膜及び結節はよく位置が揃っていることが分かる。

図１１は，骨及び軟組織双方を含む，重ね合わされた「完全な」現在の画像と前の画像との残差画像の例である。軟組織を重ね合わせると，肋骨がずれることが分かる。図１２は，Riverain Medical Group, LLCが開発したSoftView（登録商標）によって生成された，骨を抑圧し，重ね合わせた現在の画像と前の画像との対応する残差画像の例である。

後処理（ステップ１２２）は，残差画像の更なる処理を付加することができる。例えば，多重尺度分解の各層を優先的に重み付けし，又は残差画像から省いて，ユーザに表示する画像を改善してもよい。完全な残差画像はノイズ及び無関係なレベルの詳細を含む。図１３の例に見られるように最終残差画像からレベルを省くことによって，画像の解釈を支援してもよい。

後処理（ステップ１２２）はまた，位置ずれを起こすことが分かっている領域の詳細を抑圧することを含んでもよい。重ね合わせモデルの制約によって大きな誤差を有する領域をユーザに示すのではなく，これらの領域の詳細は抑圧してもよく，正しく重ね合わせられている確度が高い領域，したがって残差が解剖学的，臨床的に関係のある変化に関して意味があるという確度がより高い領域を強調してもよい。例えば，本発明の実施形態は，肺の頂点領域，すなわち非常に複雑で見落としがちであるが，一方で不相応な数の癌を含むことが知られている領域においてよく機能することが示された。

表示画像の形成において，強調された残差画像を現在の画像と混合してもよい。これに関する実施形態が図１４に示されている。よく重ね合わされた画像にはほとんど組織が提示されないため，このような混合は，内科医が見慣れている参照フレームに残差画像の肺領域を置くことができる。現在の画像に分割された処理範囲を混合することによって，重ね合わせ処理において除去されないフラッシュタグ及び隣接の解剖学的組織などのために胸部外に存在する可能性がある歪みによる残差が除去される。図１４に示すように，本発明の実施形態においては，残差画像１４２を現在の画像１４１に混合するステップは，現在の画像１４１の前処理（ステップ１４３）で始めてもよい。この前処理（ステップ１４３）において，現在の画像は局所傾向が補正され，ダイナミックレンジが圧縮されて，輝度が画像全体を通じてより均一に分布するようになる。傾向補正は，例えばウェーブレット分解を用い，そして再構成画像からより大きな尺度を除外することによって達成される。画像内のある高周波スペックルを除去するために，より小さな尺度も除外してよい。そして画像のダイナミックレンジが削減され，例えば０．５にセンタリングされる。このことは，当該領域において予期される残差値に不透明領域を揃える働きをする。さらに，分割された胸部領域の不透明領域の下部不透明領域における一条（ｓｗａｔｈ）の画素を用いて，現在の画像の不透明領域と，残差画像の不透明領域との間のずれを計算してもよい。現在の画像の輝度をこのずれだけ偏移させて，各領域の中央値を等しいか，ほぼ等しくしてもよい。

二つの画像の混合の準備ができると，それらは一緒に混合される（ステップ１４４）。混合ステップ１４４は，混合ステップ１４４が行われる距離を規定することから始めてもよい。一つの例示実施例においては，その距離は１０ｍｍであるが，本発明はこれに限定されない。また一つの実施形態においては，距離変換を用いて分割された肺の端からの距離を測定してもよい。そしてガウス型指数関数をその範囲に渡って計算して各画像の相対重みを決定してもよい。そして二つの画像を各画素位置における相対重みに従って各画素において平均して，混合画像１４５を形成してもよい。

本発明の種々の実施形態は，ハードウェア，ソフトウェア及び／又はファームウェアを含んでもよい。図１５は，本発明の実施形態の種々の形態及び／又は部分を実現するために用いることができる例示システムを示す。このような計算システムは１又は複数のプロセッサ１５２を含んでもよく，プロセッサは１又は複数のシステムメモリ１５１に接続されていてもよい。このようなシステムメモリ１５１は，例えばＲＡＭ，ＲＯＭ又はほかの類似の計算機可読記憶媒体を含んでもよく，システムメモリ１５１は例えば，基本入出力システム（ＢＩＯＳ）と，オペレーティングシステムと，プロセッサ１５２によって実行される命令／ソフトウェアと，などを組み込むために用いてもよい。このシステムはまた，追加のＲＡＭ，ＲＯＭ，ハードウェアディスクドライブ，又は計算機可読記憶媒体のような更なるメモリ１５３を含んでもよい。プロセッサ１５２はまた，少なくとも一つの入出力（Ｉ／Ｏ）インタフェース１５４，並びに種々の記憶媒体，及び／又は例えば計算機から通信網を介してソフトウェアをダウンロードすることによってソフトウェアコードを取得できる，１又は複数の通信網へのコネクション（例えば通信インタフェース及び／又はモデム）を含んでもよい。さらに，別のデバイス／媒体もまた，図１５に示したシステムと結合及び／又は相互作用することができる。

上記は，本発明の特定の実施形態の詳細な説明である。当業者であれば，開示した実施形態からのかい離が本発明の範囲内であって，明白な修正が可能であることを想到するであろう。本出願人は，本発明が，開示されたものと同一の機能を実行する，当業において既知の代替の実現方法も含むことを意図している。本明細書は，本発明に与えられる保護の全範囲を不当に狭めるように解釈しないことが望ましい。

Claims (33)

1. 画像重ね合わせの方法であって，
   自動化処理装置によって，粗く位置揃えされた画像を得るために少なくとも二つの画像の粗位置揃えを行うステップと，
   粗く重ね合わされた画像を得るために，前記粗く位置揃えされた画像の粗重ね合わせを行うステップと，
   詳細に重ね合わせされた画像を得るために，前記粗く重ね合わされた画像の詳細重ね合わせを行うステップと，
   残差画像を得るために，前記詳細に重ね合わされた画像を互いに減算するステップと，
   を有する方法。
2. 正規化及び分割からなるグループから選択した少なくとも一つの操作を行うために，前記画像の少なくとも一つを前処理するステップを更に有する請求項１に記載の方法。
3. 前記前処理するステップは，骨を抑圧した画像を得るステップを更に有する，請求項２に記載の方法。
4. 前記粗位置揃えは，
   傾きを推定するステップと，
   位置ずれを推定するステップと，
   前記傾き及び前記位置ずれに基づいて，前記画像を位置揃えするステップと，
   を有する，請求項１に記載の方法。
5. 画像分割を用いて，前記粗位置揃えが前記画像内の１又は複数の重要な領域に基づくように制約するステップを更に有する請求項４に記載の方法。
6. 前記粗重ね合わせは，
   画像間の局所相関を計算するステップと，
   前記局所相関に基づいて，１又は複数の変位を計算するステップと，
   を有する，請求項１に記載の方法。
7. 前記１又は複数の変位を計算するステップは，
   所定の値未満の局所相関を検出するステップと，
   少なくとも一つの隣接変位値の変位値に基づいて，前記局所相関によって表される位置の変位値を決定するステップと，
   を有する，請求項６に記載の方法。
8. 前記粗重ね合わせは，
   変位整合処理を適用するステップと，
   少なくとも一つの局所弾性変形を行うステップと，
   を更に有する，請求項６に記載の方法。
9. 前記粗重ね合わせは，識別関数を用いて１又は複数の変位を計算するために，１又は複数の位置を選択するステップを更に有する，請求項６に記載の方法。
10. 前記詳細重ね合わせは，オプチカルフロー法及び相関に基づく方法からなるグループから選択した少なくとも一つの操作を行うステップを有する，請求項６に記載の方法。
11. 前記粗重ね合わせは，
    変位整合処理を適用するステップと，
    少なくとも一つの局所弾性変形を行うステップと，
    を更に有する，請求項１０に記載の方法。
12. 前記粗重ね合わせは，識別関数を用いて１又は複数の変位を計算するために，１又は複数の位置を選択するステップを更に有する，請求項１０に記載の方法。
13. 前記残差画像を表示用に改善するために，前記残差画像を後処理するステップを更に有する請求項１に記載の方法。
14. 前記後処理するステップは，位置ずれになるか，臨床的に重要でない残差を含むことが分かっている前記残差画像の領域の詳細を抑圧するステップを有する，請求項１３に記載の方法。
15. 前記後処理するステップは，前記残差画像を該残差画像が導出された画像と混合するステップを有する，請求項１３に記載の方法。
16. ソフトウェア命令であって，処理装置によって実行すると，該処理装置に前記粗位置揃えと，前記粗重ね合わせと，前記詳細重ね合わせと，前記減算とを実行させるソフトウェア命令をダウンロードするステップを更に有する請求項１に記載の方法。
17. 前記残差画像を表示するステップと，前記残差画像を印刷するステップとからなるグループから選択した少なくとも一つの操作を更に有する請求項１に記載の方法。
18. ソフトウェア命令を含む計算機可読記憶媒体であって，該ソフトウェア命令は処理装置によって実行されると，前記処理装置に，
    粗く位置揃えされた画像を得るために，少なくとも二つの画像の粗位置揃えを行うステップと，
    粗く重ね合わされた画像を得るために，前記粗く位置揃えされた画像の粗重ね合わせを行うステップと，
    詳細に重ね合わせされた画像を得るために，前記粗く重ね合わされた画像の詳細重ね合わせを行うステップと，
    残差画像を得るために，前記詳細に重ね合わされた画像を互いに減算するステップと，
    を有する画像重ね合わせの方法を実現させる，記憶媒体。
19. 前記方法は，正規化及び分割からなるグループから選択した少なくとも一つの操作を行うために，前記画像の少なくとも一つを前処理するステップを更に有する，請求項１８に記載の記憶媒体。
20. 前記前処理するステップは，骨を抑圧した画像を得るステップを更に有する，請求項１９に記載の記憶媒体。
21. 前記粗位置揃えは，
    傾きを推定するステップと，
    位置ずれを推定するステップと，
    前記傾き及び前記位置ずれに基づいて，前記画像を位置揃えするステップと，
    を有する，請求項１８に記載の記憶媒体。
22. 前記方法は，画像分割を用いて，前記粗位置揃えが前記画像内の１又は複数の重要な領域に基づくように制約するステップを更に有する，請求項２１に記載の記憶媒体。
23. 前記粗重ね合わせは，
    画像間の局所相関を計算するステップと，
    前記局所相関に基づいて，１又は複数の変位を計算するステップと，
    を有する，請求項１８に記載の記憶媒体。
24. 前記１又は複数の変位を計算するステップは，
    所定の値未満の局所相関を検出するステップと，
    少なくとも一つの隣接変位値の変位値に基づいて，前記局所相関によって表される位置の変位値を決定するステップと，
    を有する，請求項２３に記載の記憶媒体。
25. 前記粗重ね合わせは，
    変位整合処理を適用するステップと，
    少なくとも一つの局所弾性変形を行うステップと，
    を更に有する，請求項２３に記載の記憶媒体。
26. 前記粗重ね合わせは，識別関数を用いて１又は複数の変位を計算するために，１又は複数の位置を選択するステップを更に有する，請求項２３に記載の記憶媒体。
27. 前記詳細重ね合わせは，オプチカルフロー法及び相関に基づく方法からなるグループから選択した少なくとも一つの操作を行うステップを有する，請求項１８に記載の記憶媒体。
28. 前記粗重ね合わせは，
    変位整合処理を適用するステップと，
    少なくとも一つの局所弾性変形を行うステップと，
    を更に有する，請求項２７に記載の記憶媒体。
29. 前記粗重ね合わせは，識別関数を用いて１又は複数の変位を計算するために，１又は複数の位置を選択するステップを更に有する，請求項２７に記載の記憶媒体。
30. 前記方法は，前記残差画像を表示用に改善するために，前記残差画像を後処理するステップを更に有する，請求項１８に記載の記憶媒体。
31. 前記後処理するステップは，位置ずれになるか，臨床的に重要でない残差を含むことが分かっている前記残差画像の領域の詳細を抑圧するステップを有する，請求項３０に記載の記憶媒体。
32. 前記後処理するステップは，前記残差画像を該残差画像が導出された画像と混合するステップを有する，請求項３０に記載の記憶媒体。
33. 前記方法は，前記残差画像を表示するステップと，前記残差画像を印刷するステップとからなるグループから選択した少なくとも一つの操作を更に有する，請求項１８に記載の記憶媒体。

Images