JP2012530553A - 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システム - Google Patents

Abstract

複数のトモシンセシス画像の中から肺の焦点面画像を決定し、一連のカスケード型の最良経路アルゴリズムに基づいて焦点面画像における肺の境界を決定し、肺の３Ｄ画像を得るためにトモシンセシス画像をアセンブルし、肺の３Ｄ画像において肋骨の境界を決定すること、肺の境界と肋骨の境界とに基づいて肺をセグメント化することを特徴とするトモシンセシス画像における肺の画像セグメント化方法。ぼかした結節テンプレートを生成し、ぼかした血管テンプレートおよびぼかした肋骨テンプレートを生成し、ぼかした結節テンプレートに基づいて、肺の３Ｄ画像における結節候補を決定し、ぼかした血管テンプレートとぼかした肋骨テンプレートとに基づいて、結節候補が結節であると決定することを特徴とするトモシンセシス画像における結節検出方法。

Description

本明細書における実施形態は、一般に医用画像処理に関し、詳細には、トモシンセシス画像におけるコンピュータ支援肺結節検出のための、システム、方法、装置、およびコンピュータプログラム製品に関する。

トモシンセシス（Tomosynthesis）は、胸部検査のための新しい画像診断法である。この診断法を使用すると、コンピュータＸ線撮影（ＣＲ）またはデジタルＸ線撮影（ＤＲ）を使用する場合と比べて、より多くの肺病変を検出することができる。さらに、トモシンセシススキャンによれば、コンピュータ断層撮影（ＣＴ）スキャンと比較して、はるかに低いＸ線量となる。

一般に、トモシンセシススキャンから、４０を超える画像（または、「スライス」）を再構築する。このようにデータが大量であり、放射線技師が画像を確認する際に病変を見逃してしまう可能性があることから、トモシンセシス画像における肺結節検出のためのコンピュータ支援検出（computer aided detection）（ＣＡＤ）システムが、トモシンセシスによりもたらされる利点を十分活用するために使用されることがある。

しかし、トモシンセシス画像は、ＣＲ画像、ＤＲ画像およびＣＴ画像とは異なった特徴を有するため、ＣＲ／ＤＲ診断法およびＣＴ診断法のための既存の肺結節検出法は、簡単にはトモシンセシスに適用できない。例えば、トモシンセシスの完全スキャンは、１０ｍｍ以上のスライス厚と約５ｍｍのスライス間隔とを有することがある。このような数値により、トモシンセシススキャンではおよそ４０のスライスが生じるが、これは典型的なＣＴスキャンにおけるスライス数と比べてはるかに少ない。さらに、トモシンセシス画像におけるブラー（ボケ）効果（blurring effect）により、構造体の対応する焦点面以外の画像において解剖学的構造がボケたように見えることがある。すなわち、構造体は、その焦点画像においてほぼ鮮明に見えるが、近接画像においてはボケていることがある。したがって、トモシンセシス画像のこれらの特徴を加味した肺結節検出を行なう必要がある。

さらに、肺結節の検出は、一般に心臓および脊椎のような他の解剖学的構造から肺がセグメント化されている医用画像について行われる。胸部Ｘ線画像や胸部ＣＴ画像などの他の診断法のための肺のセグメント化アプローチは、容易にはトモシンセシス画像に適用することができない。トモシンセシス胸部画像において、肺領域は、通常は胸部Ｘ線画像のような明確なコントラストを示さない。トモシンセシス画像においては三次元（３Ｄ）情報が利用できるが、胸部Ｘ線画像ではそのような３Ｄ情報はない。さらに、トモシンセシス画像はＣＴ胸部画像のようにハウンスフィールド単位の較正画素値を含むものではない。したがって、肺領域構造と肋骨構造の両方を識別する肺のセグメント化が必要とされている。

N.Baba他、Stellar speckle image reconstruction by the shift‐and‐add method、24 Applied Optics 1403‐05(1985)

前述の限界とその他の限界とに関連した既存の限界は、トモシンセシス画像における肺のセグメント化方法、トモシンセシス画像における結節検出方法、ならびにこれらの方法に基づいて機能するシステム、方法、装置およびコンピュータプログラムにより克服することができる。

ある実施形態によれば、トモシンセシス画像における肺の画像セグメント化方法には、複数のトモシンセシス画像の中から焦点面画像を決定すること、および焦点面画像における画素勾配と一連のカスケード型の最良経路アルゴリズムとに基づいてこの焦点面画像における肺の複数の境界を決定することが含まれる。少なくとも１つのアルゴリズムにより決定される少なくとも１つの経路が、少なくとも１つの他の経路を拘束する。この方法には、肺の三次元（３Ｄ）画像を得るために複数のトモシンセシス画像をアセンブルすること、焦点面画像における肺の境界と最良経路アルゴリズムとに基づいて肺の３Ｄ画像において少なくとも１つの肋骨の少なくとも１つの境界を決定すること、および肺の複数の境界と少なくとも１つの肋骨の少なくとも１つの境界とに基づいて肺をセグメント化することもまた含まれる。

別の実施形態によれば、トモシンセシス画像における結節検出方法には、少なくとも１つのぼかした結節テンプレートを生成すること、少なくとも１つのぼかした血管テンプレートと少なくとも１つのぼかした肋骨テンプレートとを生成すること、少なくとも１つのぼかした結節テンプレートに基づいて、複数のトモシンセシス画像からアセンブルされた肺の三次元（３Ｄ）画像における結節候補を決定すること、および少なくとも１つのぼかした血管テンプレートと少なくとも１つのぼかした肋骨テンプレートとに基づいて、肺の３Ｄ画像において結節候補が結節であると決定することを含む。

本明細書に請求および／または説明される発明を、例示的実施形態によってさらに説明する。これらの例示的実施形態を、図面を参照しながら詳細に説明する。これらの実施形態は非限定的な例示的実施形態であり、図面の複数の表示において同様の参照番号は同様の構造を表わす。
トモシンセシス画像から肺をセグメント化し、セグメント化した画像から肺結節を検出するためのシステム例を示した図である。 図１のシステムにより行われ得る方法例を示したフローチャートである。 肺領域を決定するための方法例を示したフローチャートである。 肺の左端境界および右端境界の決定に適した直線バンドの生成例を説明する図である。 肺の左端境界および右端境界を決定するための始点と終点の生成例を説明する図である。 図３Ｃの始点と終点とを結び、図３Ｂの直線バンドを通る、２つの経路を説明する図である。 肺の上部境界を決定するための、肺の左境界上の始点と肺の右境界上の終点との間の経路検索の生成例を説明する図である。 横隔膜境界を決定するための経路検索の生成例を説明する図である。 図３Ｆの横隔膜境界と一致する経路を示す図である。 脊椎の境界および心臓の境界を決定するための経路検索の生成例を説明する図である。 図３Ｈの脊椎の境界および心臓の境界と一致する２つの経路を示す図である。 肋骨および肺の一部の三次元（３Ｄ）像を示す図である。 肋骨決定のために一組の始点と終点とを配置することによる経路検索の生成例を説明する図である。 図３Ｋの肋骨と一致する経路を示す図である。 高密度血管構造を抑制する方法例のフローチャートである。 テンプレートボケに基づいた結節検出の方法例を示すフローチャートである。 スライス厚とスライス間隔と結節モデルとの関係を説明する図である。 結節テンプレートを構築するためのぼけモデルの生成を説明する図である。 ぼけモデルに基づいた結節テンプレート例を示す図である。 円筒形の血管モデルを説明する図である。 ぼけモデルに基づいた血管テンプレート例を示す図である。 結節および血管の例を説明する図である。 図７Ｃに示した結節および血管の輝度プロファイルを示す図である。 血管の主要な空間的配向を含む結節の中心スライスの例と、その結節および血管の５つの輝度プロファイルとを示す図である。 図３Ａのフローチャートに従って構成される機能モジュールを示した図である。 図５のフローチャートに従って構成される機能モジュールを示した図である。 コンピューティングアーキテクチャの例を示す図である。

本発明の一実施形態は、患者の胸部のトモシンセシス画像において肺をセグメント化するための、システム、方法、装置、およびコンピュータプログラム製品に関する。この実施形態では、多数のトモシンセシス画像から焦点面画像を特定し、単一の焦点面画像から肺に関連した複数の境界を決定し、焦点面画像において肋骨境界を肺境界に組み込んで３Ｄ画像の肺をセグメント化することにより肺のセグメント化を実現できる。

他の実施形態は、トモシンセシス画像における肺結節検出のための、システム、方法、装置、およびコンピュータプログラム製品に関する。その実施形態では、肺結節の検出に、トモシンセシスの画像特徴を利用する。具体的には、検出によりトモシンセシス画像獲得の際に生じるブラー効果が補償され得る。

《定義》
容易に参照できるよう、以下にいくつかの用語を定義する。しかし、当然のことながら、定義された用語はこれらの定義に厳格に制限されるものではない。用語は、詳細な説明の他の部分での使用によりさらに定義されることがある。

「解剖学的構造」は、生物（または生きていた生物）の一部を意味する。解剖学的構造の例には、骨、器官、神経、動脈、静脈、腺、管、膜、筋肉、組織、靭帯、軟骨、腱、細胞、およびこれらの一部が含まれる。

「中心焦点面」とは、例えば、対象物の中心を通るまたは中心と最も近い任意の焦点面（および焦点面を含むスライス）を意味する。画像診断法では、通常は様々な焦点面を有する画像が得られる。したがって、ある診断法により撮像された対象物は、ある画像では焦点が合っている（面内）が、他の画像では焦点が合っていない（面外）ことがある。例えば、胸部トモシンセシススキャンでは、結節が観察されるいくつかのスライスが得られることがある。しかし、結節の中心焦点面は、結節の中心に最も近い焦点面を有するスライスである。使用される画像診法によっては、対象物は多数の焦点面を有することがある。

「焦点面」とは、少なくともある例では、画像データの焦点が合う面を意味する。焦点面上の対象物は、「面内（ｉｎ‐ｐｌａｎｅ）」と呼ばれるが、焦点面から離れた対象物は「面外（ｏｕｔ‐ｏｆ‐ｐｌａｎｅ）」と呼ばれることがある。面内の対象物は、通常は画像が鮮明に見え、面外の対象物はボケて見える。ある画像診断法では、スキャンにより共通軸の周りを回転する焦点面を有するスライスが生成されることがある。一方、他の診断法では、平行な焦点面を有するスライスが生成されることがある。さらに、ある診断法では、１または複数のデジタル処理法を用いることにより、異なった焦点面を有する複数のスライスが生成される（または得られる）ことがある。

「画像」とは、画像データ、または表示用に提示された画像、もしくは画像データ処理によるユーザへの提示を意味する。例えば、画像データは、アナログフォーマット（例えば、フィルム、ならびにＮＴＳＣおよびＰＡＬなどのアナログビデオフォーマット）、またはデジタルフォーマット（例えば、デジタル検出器出力ファイル、原画像ファイル、ラスター画像ファイル、ベクトル画像ファイル、３Ｄ画像ファイル、ならびにＭＰＥＧおよびＤＶなどのデジタルビデオフォーマット）に保存されていてもよい。表示用に提示された画像の例には、画像、写真、Ｘ線写真、模型、映画、ビデオ、フライスルー、およびスクリーン表示が含まれる。ユーザに画像を提示するために画像データを処理する場合、このような処理には、例として、画像データを、現像、印刷、投影、またはレンダリングすることが含まれ得る。例えば、コンピュータにより単一のスライスから二次元画像がレンダリングされてもよく、多数のスライスから三次元画像がレンダリングされてもよい。

「セグメント化」とは、画像データから１または複数の画素領域を抽出すること意味する。医用画像において、画像データは、通常、複数の解剖学的構造に相当する情報（例えば、複数の画素）を含んでいる。しかし、そのような画像データを得るために使用される画像診断法では、しばしば解剖学的構造は区別されない。したがって、セグメント化方法は、例えば画像データにおける境界を特定することにより画像データから所望の解剖学的構造を単離するために行われる。単離された解剖学的構造は「セグメント化された」とみなされ、この構造の画素は、当該構造の「セグメント」と呼ばれる。セグメント化された画像データおよびそれに関連した画像（２Ｄ、３Ｄに関わらず）を、例えば解剖学的構造を診断するため、解剖学的構造の体積および容量を測定するため、ならびに外科的処置を計画するために使用してもよい。既知のセグメント化技術には、領域拡張ならびにアトラスに基づいたアルゴリズムおよびモデルに基づいたアルゴリズムが含まれる。

「スライス」および「画像スライス」などは、例えば、対象物への撮像エネルギーの暴露により生じるデジタル画像（例えば、複数画素群）を意味する。撮像エネルギーの発生法としては、例えば、電磁放射（例えば、Ｘ線、ガンマ線、マイクロ波、ならびに可視光および磁気波などのその他の電磁場）、音波（例えば、超音波）、粒子（例えば、電子、中性子、およびイオン）、放射性崩壊（例えば、核医学）、およびこれらの組み合わせが含まれる。ある種の撮像装置（「撮画手段」）では、スライスが撮像された対象物が比較的薄い横断面に対応するよう撮像エネルギーの線源および／または検出を制御する。このような撮画手段においては、（例えば、直交座標におけるｚ軸に沿った）スライス厚は、（ｘ‐ｙ軸における）スライスサイズよりはるかに小さいことがある。ある診断法では、スキャンにより２以上のスライスを生成することがある。同様に、ある診断法は、（１回の暴露に由来する）１つのスライスを、例えばデジタル画像処理により、複数のスライスに分割するように構成されてもよい。対象物の複数のスライスが得られ、それぞれのスライスが、その対象物の異なる横断面である場合、スライスをデジタル的に組み合わせて、撮像された対象物の二次元表示および三次元表示を生成してもよい。

一例として、「スキャン」は、画像診断法の操作の際に集められる一組の画像データを意味する。スキャンには、１または複数のスライスが含まれていてもよい。スキャンの一例は、トモシンセシススキャンである。

《肺のセグメント化および結節の検出》
図１は、トモシンセシス画像において患者の肺をセグメント化し、このセグメント化された画像において肺結節を検出するよう構成されたシステム例を示す図である。トモシンセシス画像取得ユニット１０２により、トモシンセシス画像１０４を取得する（例えば、患者の胸部を１回または複数回トモシンセシススキャンする）。画像受信ユニット１０６は、トモシンセシス画像１０４をトモシンセシス画像取得ユニット１０２から受信する。その画像データを、セグメント化ユニット１０８が処理し、例えば、画像から肺、心臓、脊椎、および／または横隔膜をセグメント化する。次に、セグメント化された画像を、結節検出ユニット１１０が処理する。結節検出ユニット１１０は、例えば、トモシンセシス画像におけるボケを補償するテンプレートに基づいた方法により、肺結節を検出する。結果画像合成ユニット１１２は、検出された結節に関連する情報（例えば、部位、大きさ、および形状）を用いて、１または複数の結果画像（２Ｄおよび／または３Ｄ）を生成する。結果画像には、例えば、肺の解剖学的構造がセグメント化された画像、ならびに肺結節が検出された画像および／または肺結節が未検出の画像が含まれる。画像送信ユニット１１４は、結果画像合成ユニット１１２により生成された結果画像を、結果表示ユニット１１６に送信する。ユーザは、結果表示ユニット１１６から結果画像を確認または理解することができ、これを例えば患者の診断に利用してもよい。

図２は、本実施形態に基づいた肺のセグメント化および肺結節検出のための方法を示すフローチャートである。図２に示す方法の少なくとも一部は、図１に示すシステムの構成要素を用いて行ってもよい。例えば、セグメント化ユニット１０８を用いてステップＳ２０２およびステップＳ２０４を行なってもよく、結節検出ユニット１１０を用いてステップＳ２０６を行ってもよく、結果画像合成ユニット１１２を用いてステップＳ２０８を行ってもよく、画像送信ユニット１１４を用いてステップＳ２１０を行ってもよい。

ステップＳ２０２では、経路探索アプローチ（アルゴリズム）に基づいて、トモシンセシス画像１０４から肺領域と肋骨構造とを識別する。このアプローチは、解剖学的知識（例えば、解剖学的特徴の典型的な局在）および一連のカスケード型最良経路アルゴリズムに基づいており、少なくとも１つの決定済み経路によりその他の経路の探索が拘束される。このようなアプローチ（アルゴリズム）の例については、図３Ａ〜図３Ｌを用いて、後述する。

ステップＳ２０４では、トモシンセシス画像において高密度血管構造を抑制する。例えば、画像面と垂直またはほぼ垂直の血管構造は、明るい高密度画素に見えることがある。このような画素を抑制することにより、その後の任意の結節検出への悪影響を低減することができる。高密度画素の抑制の方法は、図４を用いて後述する。

ステップＳ２０６において、肺結節を検出する。結節検出の一環として、トモシンセシス画像取得のブラー効果をシュミレーションするためにぼけモデルを構築してもよい。結節検出およびぼけモデル構築の例については、図６Ａ〜図６Ｃ、図７Ａ、および図７Ｂを用いて後述する。ぼけモデルを、結節、血管、および肋骨の特定のテンプレートを構築するために使用してもよく、次にこのテンプレートを肺結節検出プロセスに組み込んでもよい。検出された結節を、面内座標のような、スライス番号と関連した結節位置の形式で示してもよい。

ステップＳ２０８において、結節検出の結果を用いて、１または複数のDigital Imaging and Communication in Medicine（ＤＩＣＯＭ）画像（またはその他の適切な画像タイプ）を生成する。例えば、異なったトモシンセシススライスを配列することにより結果画像を生成してもよい。例として、結節が検出されたスライスのみを選択して組み合わせてもよい。そのようなスライスを、設定可能な列番号と行番号とを有する矩形グリッドとして整理してもよい。検出された結節の位置を（ユーザの入力に応じて手動で、または、例えばユニット１１０などの結節検出ユニットにより決定された結節情報を用いて自動で）、結果画像および／またはスライス上に表示してもよい。ある例では、そのような結果画像における結節位置を、その中心が結節の中心にある円形画面に表示してもよい。そのような位置表示としてその他の形状を用いてもよい。別の例として、異なる複数のスライスを組み合わせて単一の３Ｄ結果画像を生成してもよい。

ステップＳ２１０において、ＤＩＣＯＭ画像を結果表示ユニットへ送信する。例えば、結果表示ユニットは、Picture Achieving and Communication System(PACS)環境であってもよい。この実施形態において、ＤＩＣＯＭ結果画像をＰＡＣＳサーバに保存し、ＰＡＣＳワークステーションで表示する。

《肺のセグメント化》
図３Ａは、トモシンセシス画像から肺領域および肋骨を識別およびセグメント化するための方法のフローチャートである。この方法を、例えば、図２のステップＳ２０２を行う際に用いてもよい。一般的に、この方法では、カスケード型の経路探索アプローチに解剖学的知識を取り込むことにより、トモシンセシス画像における肺領域および肋骨構造をセグメント化する。図３Ａの方法は、図３Ｂ〜図３Ｌをさらに参照して説明する。

ステップＳ３１０では、トモシンセシス画像の画素について、画素の勾配強度および画素の勾配方向を計算する。画素の輝度は、その画素により撮像された対象物（または対象物の一部）の密度に比例（または依存）し得る。その結果、異なった密度を有する対象物間の境界（例えば、骨と組織との境界）は、ある対象物を撮像した画素と他の対象物を撮像した画素との間の画素輝度の差に相当することがある。したがって、一例として、ステップＳ３１０で算出した勾配強度は、少なくとも１つの画素とそれに近接する画素との輝度差であってもよい。また一例として、ある画素の輝度が大きく、それに近接する画素の輝度が小さい場合、その画素は大きな勾配強度を有することがある。

勾配方向とは、勾配が生じる向きのことをいう。ある画像診断法では、撮像された対象物について複数のスライスを生成するが、それぞれのスライスは撮像された対象物の異なった横断面に相当する。例えば、スライス面（例えば、対象物の横断面）により、ｘ−ｙ平面を規定してもよい。ｘ軸とｙ軸とは、直交していてもよい。複数のスライスがある場合、スライスは互いに平行であってもよく、そのためスライスをｘ−ｙ平面と直交するｚ軸に沿って配列する。一例として、トモシンセシススキャンが患者の胸部について行われる場合、それぞれのスライス面は、患者の冠状面と平行であってもよく、そのためｚ軸は患者の矢状面に位置している。したがって、トモシンセシススキャンの画素は、その画素と同一のスライス中（例えば、冠状面と平行なｘ−ｙ平面内のオフセット）および／または隣接したスライス中（例えば、矢状面と平行なｚ方向のオフセット）に、近接画素を有することがある。

勾配方向の計算により、勾配強度が生じる向きを決定する。例えば、ある画素が、輝度の小さい面外近接画素（例えば、ｚ方向の隣接スライス中の画素）ではなく同じ輝度の面内近接画素（例えば、同一スライス中の画素）を有している場合、勾配強度はこれら二つの輝度の差であり、勾配方向はｚ方向となる。それぞれの画素での勾配方向および勾配強度は、ベクトル（例えば、［ｘ−強度、ｙ−強度、ｚ−強度］）、マトリクス（例えば、近接画素の列および行、ならびに勾配強度を示す要素）、アレイ、データベース、または他の適切なデータ構造で表すことができる。

本実施形態では、ステップＳ３１０において、勾配強度および勾配方向を、特定の、所定の閾値を上回る輝度を有する画素について計算する。自動的に閾値を決定してもよく、経験的に決定してもよい。その閾値は、骨、横隔膜、および脊髄構造などの特定の解剖学的構造をセグメント化するために選択されてもよい。骨、横隔膜、および脊髄構造などは、肺の構造と比較してより高い輝度の画素を有することがある。

ステップＳ３１２では、異なる向きの複数の直線バンドを生成する。人体解剖学によると、肺の中心焦点面における肺の左端境界および右端境界（例えば、右肺および左肺の外側境界）は、おおよそ垂直であり肋骨と一致している。したがって、直線バンドは、これらの解剖学的特徴を取り込んだアプローチにより、肺領域の左端境界および右端境界のおおよその位置を見つけ出すために使用することができる。バンドは、例えば、解剖学的知識または実験結果に基づいて、あらかじめ決められた幅と長さとを有していてもよい。一例として、患者の身長が６フィートである場合、患者の肺のおおよその大きさは、人体解剖学的知識から知ることができる。そして、この大きさを直線バンドの幅と長さを決めるために用いてもよい。

ステップＳ３１４では、直線バンドのベストフィットを用いて、肺の中心焦点面に相当し肺の左端境界と右端境界とを含むトモシンセシススライスを識別する。肺の中心焦点面に相当するトモシンセシススライスにおいて、一般に患者の肋骨は、直線に近い垂直な（例えば、スライスのｙ軸に沿った）、高い画像勾配を有する肺境界を成す。高勾配であることは、正確な肺セグメント化結果を得るための最も信頼性のある特徴であるため、このような平面のスライスは、肺の左端境界と右端境界（例えば、左肋骨セグメントと右肋骨セグメントの位置）を決定し、例えば以下で説明するステップＳ３１６〜ステップＳ３２６のセグメント化方法で用いるための最適なスライスであるかもしれない。

複数の直線バンドのうちベストフィットするものは、勾配強度の合計が最も大きいバンドである場合がある。一例として、バンド内のそれぞれの画素の勾配強度を加算することにより合計を決定してもよい。他の例として、バンド内のいくつかの画素のみの勾配強度を加算することにより合計を決定してもよい。

勾配の合計に拘束を適用してもよい。例えば、所定の閾値を上回る勾配強度を有する画素のみを合計に含めてもよい。他の例として、（直線バンドの方向に関して）あらかじめ定義された差異範囲内の勾配方向を有する画素のみを勾配の合計に用いてもよい。さらに、合計は画素の勾配強度の単純な加算により得られる必要はない。例えば、合計に重みを加えてもよく（例えば、より高い勾配強度により重みを加える）、合計を平均化してもよい（例えば、総勾配強度を画素数で割る）。

例えば、肺の中心焦点面が、患者の冠状面と平行なトモシンセシススキャンのスライスに相当する場合、そのため肺領域の左端境界と右端境界を、同一のトモシンセシススライスで確認できる。しかし、他の実施形態では、肺の左端境界が確認できるスライスは、肺の右端境界が確認できるスライスとは異なってもよい。これは、例えば、患者の冠状面がトモシンセシススキャンで得られたいずれのスライスにも平行でない場合に起こる。この場合、ステップＳ３１２で構築する直線バンドは、様々なスライスで構築されてもよい。

図３Ｂは、肺の左端境界と右端境界のベストフィットの例を示し、上記ステップＳ３１４の結果の一例である。ベストフィットは直線バンドであるので、図３Ｂの例には、肺の左端境界のための一本のバンドおよび肺の右端境界のためのもう一本のバンドの２本のバンドが含まれる。具体的には、図には、直線バンド３５０を有する左肺３４０、および直線バンド３５２を有する右肺３４２を示している。上述のように、例えば、バンド内での勾配合計が最も大きいフィットを用いて、直線バンド３５０および直線バンド３５２のベストフィットを決定してもよい。

図３Ａに戻ると、一般的に、ステップＳ３１６〜ステップＳ３２２により肺の中心焦点面における肺境界を決定する。ステップＳ３１６において、肺の左端境界および右端境界を決定する。このステップの例について、図３Ｃおよび図３Ｄで説明する。図３Ｃは、肺の左端境界および右端境界を決定するための始点と終点の構築例を示す。左直線バンドと右直線バンドの中心線を延長すると、画像境界３６０の底部と、左終点３６２および右終点３６４で交差する。開始点３６６を、画像境界３６０の上部から選択する。ある例では、開始点３６６の位置は自動的であってもよい。例えば、開始点３６６を、画像境界３６０の中心画素としてあらかじめ決定してもよい。開始点３６６から左終点３６２まで、左直線バンドを通る最良経路を決定する。最良経路とは、経路に沿ったコストが最小である最小コスト経路である。同様に、開始点３６６から右終点３６４まで、右直線バンドを通る最良経路を決定する。

例えば、経路のコストを、経路上のそれぞれの画素におけるコストの合計として定義してもよい。そして、それぞれの画素におけるコストは、画像勾配に反比例する。これは、画素を直線バンドの左右へマスキングし、最適化法を用いることにより得られる。最適化法の一つは、その内容の全体が本発明に完全に記載されているのと同様に参照により本明細書に組み込まれる、E.W.Dijkstra、A Note on Two Problems in Connection with Graphs、Numerische Math. 1、269‐271(1959)に説明されるダイクストラの最短経路アルゴリズム(Dijkstra's shortest path algorithm)である。例えば、上述の最良経路を、このアルゴリズムにしたがって決定してもよい。

図３Ｄは、開始点３６６と左終点３６２および右終点３６４とを結ぶ、ベストフィット経路３６８およびベストフィット経路３７０を示す。これらの経路は、中心焦点面における肺の左端境界と右端境界とに一致する。

ステップＳ３１８では、肺の上部境界を決定する。上部境界を、ステップＳ３１６と関連した上述の最小コストアプローチによって決定してもよい。具体的には、図３Ｅに示すように、点３７２を、左端ベストフィット経路上に選択する。ある例では、点３７２を、開始点から決定するように、左端ベストフィット経路の四分の一の点として選択してもよいが、この例は非排他的なものである。同様に、点３７４を、右端ベストフィット経路上に選択する。点３７２と点３７４の間の最良経路は、これらの点の間のコストが最も小さい経路である。このような経路を、上部ベストフィット経路３７６として図３Ｅに示す。上部ベストフィット経路３７６は、肺の中心焦点面における上部肺境界と一致する。

ステップＳ３２０では、胸部横隔膜境界を決定する。人体解剖学では、胸部横隔膜は肺の下部境界を形成する。したがって、ステップＳ３２０により、肺と胸部横隔膜との間の境界を決定できる。

ステップＳ３２０の少なくとも一部を、図３Ｆおよび図３Ｇに示す。図３Ｆに示すように、水平直線バンド３７７を構築する。水平直線バンド３７７の方向および位置を、横隔膜境界がバンド内に位置するようになるよう決定する。例えば、バンドの垂直端の位置を、ステップＳ３１６で決定された肺の左端境界および右端境界の一部を含むように決定してもよい。他の例として、バンド高さは、人体解剖学により決定した既知の範囲に基づいた横隔膜境界の予想位置を包含していてもよい。水平直線バンド３７７の１または複数の特徴（例えば、高さ、幅、垂直端の位置）を、経験的考察および統計的考察に基づいて、自動的に決定してもよい。

次に、肺の中心焦点面の画像を、画像中の主要な血管構造を平坦化するのに十分な大きさのサイズを有するカーネルを用いて平滑化する。ガウス平滑化および所定のウインドウサイズに基づいた移動平均による平滑化を含む、任意の適切な平滑化法を用いることができる。

次に、平滑化画像について勾配演算を行う。具体的には、ある例では、直線バンドを、バンド内での高い勾配合計を検索するよう自動的に調整する（例えば、肺の左境界および右境界に沿って上方および下方に移動、ｘ方向および／またはｙ方向に拡大、またはｘ方向および／またはｙ方向に縮小）。上述のように、勾配強度は、一般に、隣接画素が異なった密度を有する対象物を撮像する場合に大きくなる。この場合、肺組織と横隔膜筋との間の密度の差により、勾配が大きくなることがある。例えば、ベストフィット直線バンドは、最も大きい勾配合計を有するバンドである。ベストフィット直線バンドは、横隔膜のおおよその位置に相当し、横隔膜境界のおおよその位置を示し得る。

横隔膜境界のおおよその位置を決定した後、より正確な決定を行ってもよい。図３Ｆに示すように、水平直線バンド３７７内から多数の左点３７８および多数の右点３８０を選択する。例えば、左点３７８は、（図３Ｄに示す）左ベストフィット経路３６８上に位置し、右点３８０は、（図３Ｄに示す）右ベストフィット経路３７０上に位置する。点の数、位置、および／または間隔を、例えば、経験的考察または統計的考察に基づいて自動的に決定してもよい。図３Ｆにおける点線矢印で示したように、左点３７８のそれぞれに対して、それぞれの右点３８０へのベストフィット経路を決定する。左から右への全経路のうち最小コストとなる経路を横隔膜境界として決定する。図３Ｇに、横隔膜に対するベストフィット経路３８２を示す。ベストフィット経路３８２は、横隔膜境界と一致する。

ステップＳ３２２では、肺の中心焦点面における肺の内側境界を決定する。人体解剖学では、いくつかの解剖学的構造（例えば、心臓および周囲の動脈、気管、脊髄）が肺に隣接している。したがって、ステップＳ３２２では、これらの解剖学的構造と肺との境界（例えば、心切痕）を決定できる。

少なくともステップＳ３２２の一部を図３Ｈおよび図３Ｉで説明する。上部肺境界上に一組の上部点３８４が選択され、横隔膜境界上に一組の下部点３８６を選択する。点の数、位置、および／または間隔を、例えば経験的考察または統計的考察に基づいて自動的に決定してもよい。それぞれの上部点３８４に対して、それぞれの下部点３８６へのベストフィット経路を決定する。図３Ｉに示すように、最も低いコストおよび二番目に低いコストを有する経路３８８および経路３９０の２つの経路が見つかると、これらの経路は肺の内側境界と一致する。具体的には、経路３８８は左内側境界と一致し、経路３９０は右内側境界と一致する。

ステップＳ３２４では、３Ｄ最良経路アプローチを用いて肋骨線を決定する。他の決定ステップＳ（例えば、肺の左境界、右境界、および上部境界、ならびに横隔膜境界の決定）は、肺の中心焦点面画像（例えば、単一のトモシンセシススライス）を用いてもよく、ある例では、ステップＳ３２４で３Ｄ画像（例えば、多数のスライスからアセンブルされた画像）をセグメント化する。図３Ｊは、肋骨３９１を含む肺の３Ｄ画像部分を示す。座標系３９２において、ｘ‐ｙ面はトモシンセシス画像面（例えば、ｘ‐ｙ面において撮影された画像スライス）であり、ｚ軸はスライス方向を示す。

全てのトモシンセシス画像を、主要な血管構造をフィルタ処理するが肋骨構造を保持するカーネルサイズを用いて平滑化してもよい。このような平滑化は、一般に肋骨幅が主要血管構造の直径より大きいため可能である。平滑化後、フィルタ処理画像について画像勾配を計算する。これらのフィルタ処理画像において、肋骨構造はより高い画像勾配を示し、これにより最小コストアプローチの結果を改善できる。

図３Ｋに示すように、スライス方向に延びるように（例えば、ｚ軸に沿って）、左端肺境界上に一組の点３９３を選択し、右内側境界上に一組の点３９４を選択する。次に、左端肺境界上の点３９３のそれぞれについて、左内側点境界上の点３９４のそれぞれへの最良経路を計算する。このような経路の全てのうち最もコストの低い経路を、肋骨線であると決定する。図３Ｌは選択された肋骨線３９５を示す。

ステップＳ３２４と関連して説明した方法を、全ての肋骨構造を見つけるために繰り返してもよい。肋骨線に関する情報（例えば、スライスにおける肋骨線の位置）は、以下で説明するように、肺結節検出法において用いてもよい。

ステップＳ３２６において、３Ｄ肺領域を、例えば、肺の左端領域および右端領域、肺の内側境界、横隔膜境界、ならびに３Ｄ肋骨線を囲むボリュームとしてセグメント化する。セグメント化された肺領域を、例えば、さらなる処理のため（例えば、結節検出法）、またはユーザによる表示のために出力してもよい。

肺の外側境界を最初に決定し、次に肺の上部境界などを決定する一連の例との関連で説明したが、広く解釈される本発明の範囲は、この一連の順番にのみ限定されるものではない。例えば、他の実施形態では、肺の上部境界または下部境界（または肋骨境界など）を上述のように同様の方法で最初に決定し、他の境界をその後に決定することができ、境界に対する拘束を１または複数の前に決定された（または他の所定の）境界によって決定することができる。したがって、順番は、適用される操作基準などに依存して変化してもよい。

《高密度血管構造の抑制》
図４は、本明細書の一実施形態による、高密度血管構造を抑制する方法例のフローチャートである。図４で説明する方法を、例えば、上述のステップＳ２０４を行うために用いてもよい。高密度構造は、一般にサイズが小さく、円形形状である。このような構造の除去を、例えば、結節検出の際に偽病変候補の数を減らすために用いてもよい。

ステップＳ４０２では、所定の閾値を上回る輝度を有する画素（例えば、所定の密度を上回る対象物の画素）を選択する。ステップＳ４０２で選択された画素には、ステップＳ４０４〜ステップＳ４１０と関連して以下で説明するような追加の処理ステップのための候補画素が含まれていてもよい。例えば、閾値を、血管構造の輝度が閾値を上回り、肺組織の輝度が閾値を下回るように決定する。例えば、閾値を、肺領域における画素の平均輝度として決定してもよい。閾値を、経験的考察または統計的考察に基づいて自動的に決定してもよく、または例えばユーザによって規定してもよい。

ステップＳ４０４では、血管構造である可能性がある任意の解剖学的構造を抑制するために、候補画素のグレースケール収縮（grayscale erosion）が行われる。一般的に、グレースケール収縮では、形状がどの程度画像要素と類似しているかを決定するために所定の構造要素（例えば、形状）を画像要素（例えば、１または複数の画素）と比較する。所定の構造要素と類似すると決定された画像要素を、追加解析のために保持する。そうでない場合は、画像要素を抑制する。したがって、ステップＳ４０４には、ステップＳ４０２で選択されるいくつかの候補画素を削除する（例えば、抑制する）ことが含まれていてもよい。

例えば、ステップＳ４０４で使用される構造要素を、そのカーネル形状が円形となり、そのカーネルサイズが検出を所望する最小結節サイズよりも小さくなるよう事前に定義してもよい。次に、所定の構造要素中に含まれ得る任意の解剖学的構造を決定するために、この所定の構造要素を収縮に使用する。したがって、ステップＳ４０４でのグレースケール収縮を、トモシンセシス画像においてどの画像要素（例えば、１または複数の画素）が、結節より小さい、および／または結節とは異なった大きさの血管構造に相当するかを決定するために用いる。

ステップＳ４０６では、グレースケール収縮処理後に残る候補画素を二値化する。一般的に、ステップＳ４０６での二値化により、グレースケール収縮処理された画像を黒白画像に変換する。二値化は、例えば領域拡張などの任意の適切な手法によって行われてもよい。

ステップＳ４０８では、二値化された画素について、連結要素の形状解析を行う。このような解析により、ある種の画素を、特定の形状（例えば、円形）を有し特定のサイズ範囲内にある対象物の一部であることが決定してもよい。一例として、一群の画素が、ステップＳ４０４においてグレーでスケール収縮に用いられた所定の構造要素のサイズおよび大きさであると決定してもよい。これらの画素について、相当するグレースケール収縮の結果が保管され、このような構造をステップＳ４１０で抑制する（例えば、結節検出法の１または複数のステップＳにおいて使用されない）。そうでなければ、相当するグレースケール収縮の結果は拒絶され、構造を抑制しない（例えば、結節検出方法の１または複数のステップを行う際に使用する）。

例えば、ステップＳ４０４で所定の構造要素を定義するため、および／またはステップＳ４０６で連結成分の形状解析を行うために、ある種の形状解析基準を使用してもよい。これらの基準には、例えば、一定の平均サイズおよび一定の形状（例えば、連結成分の円形度）が必要とされることがある。例えば、平均値が所定の閾値を下回り、円形度が所定の閾値を上回る場合、対応する画素のグレースケール収縮の結果を採用することがあり、結節検出法を行う際に対応する構造を抑制する。

《トモシンセシス画像における結節検出》
上述のように、トモシンセシススキャンにより、一般に、種々の焦点面を有する複数のスライスが生じる。画像スキャンデータのその後の処理により、それぞれがそれ自体の焦点面を有する他の複数のスライスが生じることがある。さらに、トモシンセシススライスは、（例えば、ＣＴスライスと比較して）しばしば比較的厚い厚さを有する。したがって、N.Baba他、Stellar speckle image reconstruction by the shift‐and‐add method、24 Applied Optics 1403‐05(1985)に記載のようなボケ修正アルゴリズムは、ブラー効果を完全に除去することができない。その結果、画像スライスにおいて観察される解剖学的構造は、スライス厚および画像処理によるアーチファクトの両方によってボケることがある。したがって、トモシンセシス画像におけるボケを説明する結節検出方法により、検出精度が改善され得る。

図５は、本明細書の実施形態による、テンプレートに基づいたぼけモデル結節検出の方法例のフローチャートである。図５に示す方法を、例えば上述のステップＳ２０６を行うために用いてもよい。一般的に、この方法には、トモシンセシス画像のボケ特徴を示す結節テンプレート、血管テンプレート、および肋骨テンプレートを生成すること、ならびにこれらのテンプレートを実際のトモシンセシス画像中の構造と比較することが含まれる。

ステップＳ５０２では、様々なサイズの結節テンプレートを生成する。結節テンプレートを、トモシンセシススキャン（およびその後の処理）から得られる画像において観察されるブラー効果をシュミレーションするぼけモデルに基づいて生成する。

図６Ａ〜図６Ｃは、結節のモデルからの結節テンプレートの生成例を示している。例えば、球形テンプレートを用いて結節を検出してもよい。しかし、他の実施形態では、結節を検出するために他の形状（例えば、楕円形、卵形、または様々な方向の回転楕円体）を用いてもよい。

図６Ａでは、結節６０１は、特定のサイズの球形の結節モデルである。スライス６０２はモデルを通る中心スライスであり、スライス６１０およびスライス６０８は中心スライス前後のスライスを示す。すなわち、スライス６１０、スライス６０２、およびスライス６０８を、連続的トモシンセシス画像スライスのモデル生成をするために用いてもよい。厚さ６０４は中心スライスの厚さを示し、これはある例では、全てのスライスに対して同じ厚さである。間隔６０６は、スライス間隔を示す。

トモシンセシスの撮像特徴によれば、結節の中心スライスの前後の（例えば、中心スライスに隣接した）スライスは、ボケた結節形状を示す。この効果は、例えば、特定のスライス距離内にあるそれぞれの近接スライスから、ガウス分布で重み付けされた寄与を、検討中のそれぞれの画素に加えることによりシュミレーションすることができる。

図６Ｂは、トモシンセシスのブラー効果をシュミレーションする結節テンプレート生成の方法の一例を示す。具体的には、均一な輝度のテンプレートを生成してもよい。中心を外れたスライス６０８上の画素６２０については、スライス６０２上のモデル画素６２２での輝度が、スライス６０８上の画素６２０での輝度に重み付けされ加えられる。同様に、スライス６１０上のモデル画素（図示せず）は、スライス６０８上の輝度に寄与する。ここでは、輝度の重みはスライス距離のガウス関数であるが、例えば線形関数および定数関数などの他の関数を重み付け関数として用いてもよい。

このように近接スライスの他の画素の輝度を明らかにすることにより画素の輝度をモデル化することができる。図６Ｃは、ガウス関数ぼけモデルに基づいたぼかした結節テンプレートを示す。しかし、上述のように、様々な形状およびサイズの結節を検出するため、結節検出法を行う際にそのようなサイズおよび形状の範囲の結節に対応したテンプレートを構築および使用してもよい。

結節候補を決定するため、ぼかした結節テンプレートをステップＳ５０４でトモシンセシス画像とマッチさせる。一例として、結節検出ユニット（例えば、結節検出ユニット１１０）により、ぼかしたテンプレートをトモシンセシススキャンのスライスと比較してもよい。そのようなマッチングを、スライス内の個々の画素に対して行ってもよい。結節候補は、一定の基準に基づいて画像画素から選択されてもよい。例えば、一定の閾値を上回るマッチングスコア（例えば、画素輝度の近さ）を有する画像画素を結節候補として選択してもよい。ある具体的な（しかし非限定的な）例では、所定の閾値を上回るラプラシアンガウシアン（ＬｏＧ）コンボリューション出力を有する画像画素を選択する。

ステップＳ５０６では、様々な直径および方向の血管テンプレートを生成する。ステップＳ５０２で生成された結節テンプレートのように、トモシンセシススキャンで観察されるブラー効果をシュミレーションするぼけモデルに基づいて、血管テンプレートを生成する。上述のように、トモシンセシス診断法では、血管構造が、画像における主要な解剖学的特徴である場合がある。したがって、そのような血管構造が結節検出を妨げることがある（例えば、血管構造が結節に対する偽陽性となることがある）。さらに、結節は、様々な付着度合いで血管に付着している場合がある。したがって、血管構造を識別することによりトモシンセシス結節検出が改善され得る。

ステップＳ５０６では、肋骨テンプレートもまた生成する。血管構造のように、肋骨構造もトモシンセシス画像における主要な解剖学的特徴であることがあり、結節が肋骨に付着していることがある。したがって、ぼけモデルに基づいて生成された肋骨テンプレートを、肋骨構造を識別するために用いてもよい。

血管テンプレートおよび肋骨テンプレートの生成は、ステップＳ５０２の結節テンプレートの構築と同様の方法で行ってもよい。例えば、ステップＳ５０６で使用されるぼけモデル（例えば、ガウス分布重み付けされた輝度寄与）は、ステップＳ５０２で使用されるぼけモデルと同じであってもよい。血管（または肋骨）モデルの形状およびサイズは、解剖学的知識および／または経験的知識に基づいて決定してもよい。例えば、血管モデルは円筒形であってもよく、一方、肋骨モデルは立方形であってもよい。

図７Ａは円筒形の血管モデル７０２を示し、図７Ｂは得られるぼかした血管テンプレートの構築例を示す。図７Ｂのぼかした血管テンプレートは、図６Ｃのぼかした結節テンプレートと同様の方法で構築してもよい。

ステップＳ５０８では、ぼかした血管テンプレートを、それぞれの候補結節の関心領域（ＶＯＩ）内のそれぞれの画像画素でコンボリューションする。すなわち、それぞれのぼかした血管テンプレートを、実際のトモシンセシス画像における画像要素（例えば、解剖学的構造）と比較する。全ての血管テンプレートのうち最大のコンボリューション出力を、それぞれの画素の出力値として選択する。したがって、コンボリューションによりリッジマップを生成する。リッジマップ例を図７Ｃに示す。一般に、輝度が大きいことは画素が血管に相当する可能性が高いことを示し、一方、輝度が小さいことは画素が血管には相当しない可能性が高いことを示す。

ステップＳ５０８では、方向マップもまた構築する。方向マップは、最大コンボリューション出力の血管テンプレートに対応する方向である。血管構造により、一般にリッジ強度が大きくなる。したがって、特定部位近辺（例えば、ＶＯＩ）における最も強いリッジは、それぞれのトモシンセシススライスの焦点面での血管構造と対応する。方向マップ例を図７Ｄに示す。一般に、それぞれの画素での輝度は、それぞれの画素においてコンボリューションされたテンプレートのうちの１つのテンプレートと関連している。

ステップＳ５１０では、スライス方向に（例えば、ｚ軸に沿って）検索が行われる。この検索により、結節候補付近いおいて最も強いリッジを有するスライス（例えば、血管テンプレートマッチングにおいて最も強い出力を生じるスライス）を決定する。したがって、ステップＳ５１０での検索により、どのスライスに血管が位置しているかを決定する。つまり、この検索により、リッジの主要な空間的配向を決定する。

ステップＳ５１２により、近接性測定に基づいて、結節候補が血管構造に付着しているかどうかを決定する。近接性測定により、例えば、結節がステップＳ５０８で構築されたリッジマップのリッジラインにどのくらい近いかを決定してもよい。

一般に、リッジラインはリッジマップ上の高輝度な点に相当し、したがってリッジラインは血管の中心と一致する。したがって、近接性測定の一例は、結節の位置とリッジラインとの間のユークリッド距離である。結節候補は、例えばこの候補の近接性が所定の閾値を下回る場合、血管構造に付着していると判断され得る。

ステップＳ５１４では、血管構造に付着していると判断された結節に関して、リッジの主要な空間的配向に垂直な輝度プロファイルを計算する。この計算は、結節の焦点面（例えば、結節の中心スライス）で行われる。図７Ｅは、血管７０４の主要な空間的配向を含む結節７０６の中心スライス（左側）と、結節７０６および血管７０４の５つの輝度プロファイル７０８（右側）とを示す。

ステップＳ５１６では、ステップＳ５１４で計算されたそれぞれの輝度プロファイルについて幅を推定する。この幅は、輝度プロファイルについて行われたセグメント化に基づく。セグメント化は、例えば結節候補の最大輝度の一定の割合である閾値など、閾値に基づいていてもよい。セグメント化された結節から、リッジライン方向に沿った幅の変化を解析する。血管構造と関連した結節候補については、そのような幅はリッジラインに沿った増加および／または減少のパターンに対応することがある。このパターンを、ステップＳ５１８で偽陽性候補を除去するために自動的に定量化および解析する。一例として、定量化には、幅の変化に関連する統計値（例えば、最大幅、最小幅、平均幅、および標準偏差）の計算が含まれていてもよい。これらの統計値を、例えば、経験的に決定された範囲、最小値、および／または最大値の解析によって比較してもよい。

同様に、図３Ｊ〜図３Ｌに関連して説明したように、肺のセグメント化の際に得られる肋骨構造を、肋骨に付着した結節候補を肋骨構造から区別するためにステップＳ５２０で用いてもよい。ステップＳ５２０は、ステップＳ５０８〜ステップＳ５１８で行われる方法と同様の方法を含んでいてもよいが、肋骨テンプレートを使用する。

ある実施形態では、ぼかした結節テンプレートを、それぞれの横断面での結節の重心およびサイズを比較するためにさらに使用する。この比較は、ステップＳ５２８〜ステップＳ５３２で行われる。例えば、それぞれの候補結節を、一例として領域拡張を使用して、ステップＳ５２８でトモシンセシス画像からセグメント化（例えば、二値化）してもよい。それぞれの候補結節について、次に、候補結節をセグメント化するために用いた方法と同じ二値化方法を用いて、この結節にベストマッチする結節テンプレートをセグメント化してもよい。候補結節およびそれらにベストマッチするテンプレートをセグメント化すると、ステップＳ５３０において、それぞれのセグメント化された結節について、セグメント化されたマッチングテンプレートの整合性を確認する。ある実施形態において、整合性の確認では、２つの二値化された画像間の相互相関関係を測定してもよい。偽陽性を、所定の閾値を下回る相関値を有するものと判断して、除去してもよい。

ステップＳ５３２では、パターン分類に基づいて偽陽性をさらに除去してもよい。例えば、先行ステップのいずれかの、測定値、パターン、および／または出力（例えば、ステップＳ５０４およびステップＳ５０８のコンボリューション出力、およびステップＳ５２８での二値化画像間の相関性）を、パターン分類モジュール（例えば、図１の結節検出ユニット１１０のような結節検出ユニットにより行われるパターン分類方法）をトレーニングするために用いてもよい。例えば、T.M.Cover and P.E.Hart、Nearest neighbor pattern classification、13 IEEE Transactions on Information Theory、21‐27(1967)に記載されているような、k‐最近傍アルゴリズム(k‐nearest neighbor algorithm)によりパターン分類を行ってもよい。この文献の内容の全体は本明細書に完全に記載されているのと同様に参照により本明細書に組み込まれる。

ステップＳ５３４で、ステップＳ５３２で残った結節候補を結節として識別する。結節の位置およびサイズなどの結節に関するその他の情報を、ステップＳ５０４およびステップＳ５２８などの先行ステップから得てもよい。

前述の記載は、本明細書における実施形態、具体的には、胸部トモシンセシススキャンに基づいた肺のセグメント化方法、およびトモシンセシススキャンでの使用に適した肺結節検出方法を詳細に記載するものである。これらの方法により、トモシンセシス画像を用いて患者の診断が向上され得る。

図８および図９は、種々の実施形態にしたがって構成される機能的モジュールの略図を示す。これらの図に記載されたモジュールは（独立、またはまとめて構成されているかに関わらず）、図１のシステムの１または複数の構成要素を含んでいてもよく、または形成していてもよい。一例として、図８のモジュールは、図１の画像受信ユニット１０６と図１のセグメント化ユニット１０８とを含んでいてもよく、図９のモジュールは、図１の結節検出ユニット１１０を含んでもよい。

図８のモジュールを、図３Ａのフローチャートにしたがって構成してもよい。このモジュールには、画像受信モジュール８０１、三次元（３Ｄ）画像構築モジュール８０２、境界決定モジュール８０３、セグメント化モジュール８０４、および表示モジュール８０５が含まれる。それぞれのモジュールは、他のモジュールと通信可能に接続されている。画像受信モジュール８０１を、ステップＳ３１０と関連したタスクを実行するよう構成してもよい。３Ｄ画像構築モジュール８０２を、ステップＳ３２４およびステップＳ３２６と関連したタスクを実行するよう構成してもよい。境界決定モジュール８０３を、ステップＳ３１０〜ステップＳ３２６と関連したタスクを実行するよう構成してもよい。セグメント化モジュール８０４を、ステップＳ３２６と関連したタスクを実行するよう構成してもよい。表示モジュール８０５を、他のモジュールにより実行されるタスクと関連した出力を表示（および／または入力を受信）するよう構成してもよい。

ある例では、図９のモジュールを、図５のフローチャートに従って構成する。このモジュールには、テンプレート生成モジュール９０１、結節候補モジュール９０２、結節検出モジュール９０３、マップ生成モジュール９０４、リッジ決定モジュール９０５、および表示モジュール９０６が含まれる。テンプレート生成モジュール９０１を、ステップＳ５０２およびステップＳ５０６と関連したタスクを実行するよう構成してもよい。結節候補モジュール９０２を、ステップＳ５０４、Ｓ５１２、Ｓ５１８、Ｓ５２０、Ｓ５３０、およびＳ５３２と関連したタスクを実行するよう構成してもよい。結節検出モジュール９０３を、ステップＳ５３４と関連したタスクを実行するよう構成してもよい。マップ生成モジュール９０４を、ステップＳ５０８と関連したタスクを実行するよう構成していてもよい。リッジ決定モジュールを、ステップＳ５１０〜ステップＳ５１４と関連したタスクを実行するよう構成してもよい。表示モジュール９０６を、他のモジュールにより実行されるタスクと関連した出力を表示するよう構成してもよい。

図１の構成要素ならびに図８および図９のモジュールは、それぞれ、ソフトウエア、ハードウエア、またはこれらの組み合わせを含んでいてもよく、これらのモジュールの少なくともいくつかはデータ処理システム内に取り込まれていてもよく、この例は図１０と関連して以下で説明する。一例として、モジュールは、少なくとも一部が、記憶装置に記録されたコンピュータプログラム命令で具体化されてもよく、またはプロセッサ中もしくはプロセッサと関連した１または複数のハードウエア構成要素で構成されていてもよい。

図１０は、データ処理システム例の略図である。このシステムにおいて、図１の１または複数の構成要素の少なくとも一部を形成してもよい。図１０のシステムは、プロセッサ１００２、メモリ１００３、記録装置１００４、通信装置１００５、およびユーザインターフェイス１００６を含み、これら全てがバス１００１と連結されている。

プロセッサ１００２は、バス１００１を介してアーキテクチャの他の構成要素と通信することができる。記録装置１００４には、１または複数の機械可読メディアが含まれる。記録装置１００４は、プロセッサ１００２が他の構成要素の操作を制御することを可能にする、プロセッサ１００２およびオペレーティングシステム（例えば、マイクロソフトウインドウズ（登録商標）、ＵＮＩＸ（登録商標））により実行され得るプログラム命令を含むデータを読み書きするよう構成することができる。通信装置１００５は、プロセッサ１００２が例えばネットワークおよびインターネットなどと通信できるよう構成することができる。ユーザインターフェイス１００６は、入力装置（例えば、キーボード、マウス、ジョイスティック、トラックパッド、スタイラスタブレット、マイクロホン、およびカメラ）、および出力装置（例えば、ビデオディスプレイ、プリンタ、およびスピーカ）を含んでいてもよい。ユーザインターフェイス１００６は、少なくとも一部が、本明細書で説明した任意のユニットおよび／またはモジュールを含んでいてもよい。

プロセッサ１００２は、本明細書で説明される任意の方法を実行するよう構成されていてもよい。例えば、この方法は、記録装置に機械可読プログラム命令の形式で記録されていてもよい。次に、この方法を実行するために、プロセッサにより、記録装置１００４に記憶された適切な命令がメモリ１００３にロードされて、次いでロードされた命令が実行される。

前述の記載は、本発明の実施形態をその具体的実施形態を参照して説明するものである。このため、本明細書および図面は本発明を説明するためのものであり、限定するものではないことに留意すべきである。しかし、コンピュータプログラム製品もしくはソフトウエア、ハードウエア、またはこれらの任意の組み合わせにおいて、本発明の大局的な精神と範囲を逸脱しない範囲で、それに対して数多くの変形や変更を加えることが可能であることは明らかである。

本明細書に記載の実施形態のソフトウエア実施形態は、コンピュータプログラム製品、またはソフトウエアとして提供されてもよく、これは命令を有する機械アクセス可能媒体（メモリ）上もしくは機械可読媒体上に製品が含まれていてもよい。機械アクセス可能媒体上もしくは機械可読媒体上の命令を、コンピュータシステムまたは他の電子機器をプログラムするために用いてもよい。機械可読媒体には、これらに限定されないが、フレキシブルディスク、光ディスク、ＣＤ‐ＲＯＭ、および光磁気ディスク、または電子命令の記録もしくは伝達に適したその他のタイプの媒体／機械可読媒体が含まれていてもよい。本明細書に記載の技術は、特定のソフトウエア構成に限定されるものではない。本明細書に記載の技術は、任意のコンピュータ環境または処理環境において適用性を見いだすことができる。本明細書で用いられている用語「機械可読媒体」または「メモリ」は、機械による実行のための一連の命令を記録、符号化、または伝達することができる任意の媒体であって、この機械が本明細書に記載の方法のいずれかを実行することを可能とする媒体を含むものとする。さらに、当技術分野では、一般的にソフトウエアといえば、どのような表現にせよ（例えば、プログラム、プロシージャ、プロセス、アプリケーション、モジュール、ユニット、およびロジックなど）、動作を行い、結果を生じさせるものをいう。これらのような表現は、処理システムによるソフトウエアの実行によりプロセッサが動作して結果を生じることを簡単に述べたものに過ぎない。他の実施形態では、ソフトウエアによって実行される機能は、ハードコードされたモジュールによって代わりに実行することができ、したがって本発明は、保存されたソフトウエアプログラムでの使用のみに限定されるものではない。

さらに、本発明の機能性および利点を強調した添付の図面は、例示の目的でのみ示されることが理解されるべきである。本発明の実施形態のアーキテクチャは、添付の図面に示したもの以外の方法に使用（およびナビゲート）することができるほど、十分に柔軟性があり設定可能である。

さらに、プロシージャがコンピュータで実行される必要はなく、代わりに人間のオペレータによりプロシージャを実行してもよい。

本発明の実施形態を特定の具体的実施形態について説明してきたが、多くの変形および変更を加えることは当業者にとって明らかである。したがって、本発明は、具体的に記載されたものとは別の方法で実行してもよいことが理解される。したがって、本発明の実施形態は、全ての点で例であり限定するものではないと見なされるべきである。

本出願は、２００９年６月１９日に出願された米国特許仮出願６１／２１８，６３６に基づく優先権を主張するものであり、その仮出願の全記載が本明細書中に完全に記載されている場合と同様、その全体が参照により組み込まれるものとする。

Claims (21)

1. 複数のトモシンセシス画像の中から肺の焦点面画像を決定する焦点面決定ステップと、
   前記焦点面画像における画素の勾配と一連の複数のカスケード型最良経路アルゴリズムとに基づいて、前記焦点面画像における肺の複数の境界を決定し、前記最良経路アルゴリズムの中で、少なくとも１つの他の経路を拘束する少なくとも１つのアルゴリズムにより、少なくとも１つの経路を決定する第１境界決定ステップと、
   肺の三次元（３Ｄ）画像を得るために前記複数のトモシンセシス画像を組み合わせるステップと、
   前記焦点面画像における肺の境界と最良経路アルゴリズムとに基づいて、前記肺の３Ｄ画像において少なくとも１つの肋骨の少なくとも１つの境界を決定する第２境界決定ステップと、
   前記肺の境界と前記少なくとも１つの肋骨の少なくとも１つの境界とに基づいて前記肺をセグメント化するセグメントステップと、
   を含むことを特徴とするトモシンセシス画像における肺画像セグメント化方法。
2. 前記第１境界決定ステップは、
   （ｉ）肺の外側境界を決定する外側境界決定ステップと、
   （ｉｉ）前記肺の外側境界に基づいて肺の上部境界を決定する上部境界決定ステップと、
   （ｉｉｉ）前記肺の外側境界に基づいて肺の下部境界を決定する下部境界決定ステップと、
   （ｉｖ）前記肺の上部境界および下部境界に基づいて肺の内側境界を決定する内側境界決定ステップと、
   を含むことを特徴とする請求項１に記載の肺画像セグメント化方法。
3. 前記第１境界決定ステップは、心臓の境界を決定するステップまたは横隔膜の境界を決定するステップを含むことを特徴とする請求項１に記載の肺画像セグメント化方法。
4. 前記外側境界決定ステップは、
   （ｉ）少なくとも１つのトモシンセシス画像の第一部分と第二部分の勾配画像にベストフィットする直線バンドを決定するステップと、
   （ｉｉ）直線バンドのそれぞれを通る最小コスト経路を決定するステップと、
   を含むことを特徴とする請求項２に記載の肺画像セグメント化方法。
5. 前記上部境界決定ステップは、
   （ｉ）前記肺のそれぞれの外側境界上に少なくとも二点を決定するステップと、
   （ｉｉ）前記少なくとも二点を結ぶ最小コスト経路を決定するステップと、
   を含むことを特徴とする請求項２に記載の肺画像セグメント化方法。
6. 前記外側境界決定ステップは、肺の左外側境界と右外側境界とを決定するステップを含み、
   前記下部境界決定ステップは、
   （ｉ）横隔膜のおおよその位置にあるベストフィット直線バンドを決定するステップと、
   （ｉｉ）前記直線バンドを通り前記肺の左外側境界および右外側境界上の少なくとも二点を結ぶ最小コスト経路を決定するステップと、
   を含むことを特徴とする請求項２に記載の肺画像セグメント化方法。
7. 前記内側境界決定ステップは、
   （ｉ）前記肺の上部境界上に一組の点を決定するステップと、
   （ｉｉ）前記肺の下部境界上に一組の点を決定するステップと、
   （ｉｉｉ）前記肺の上部境界上の点と前記肺の下部境界上の対応する点とを結ぶ少なくとも２つの最小コスト経路を決定するステップと、
   を含むことを特徴とする請求項２に記載の肺画像セグメント化方法。
8. 前記第２境界決定ステップは、
   （ｉ）前記肺の外側境界上に複数の点を決定するステップと、
   （ｉｉ）前記３Ｄ画像における肺の内側境界上に複数の点を決定するステップと、
   （ｉｉｉ）前記肺の外側境界上の少なくとも１つの点と前記肺の内側境界上の少なくとも１つの点とを結ぶ少なくとも１つの最小コスト経路を決定するステップと、
   を含むことを特徴とする請求項２に記載の肺画像セグメント化方法。
9. 複数のトモシンセシス画像から肺の焦点面画像を決定する画像受信モジュールと、
   前記肺の三次元（３Ｄ）画像を得るために複数のトモシンセシス画像をアセンブルする画像アセンブリモジュールと、
   前記焦点面画像における画素の勾配と少なくとも１つのアルゴリズムにより決定される少なくとも１つの経路が少なくとも１つの他の経路を拘束する一連のカスケード型の最良経路アルゴリズムとに基づいて前記焦点面画像上の肺の複数の境界を決定し、前記焦点面画像における肺の境界と最良経路アルゴリズムとに基づいて前記肺の３Ｄ画像において少なくとも１つの肋骨の少なくとも１つの境界を決定する境界決定モジュールと、
   前記肺の複数の境界と少なくとも１つの肋骨の少なくとも１つの境界とに基づいて肺をセグメント化するセグメント化モジュールと、
   を含むことを特徴とする画像セグメント化システム。
10. 前記境界決定モジュールは、
    （ｉ）肺の外側境界を決定し、
    （ｉｉ）前記肺の外側境界に基づいて肺の上部境界および下部境界を決定し、
    （ｉｉｉ）前記肺の上部境界および下部境界に基づいて肺の内側境界を決定することを特徴とする請求項９に記載の画像セグメント化システム。
11. 前記境界決定モジュールは、心臓の境界および横隔膜の境界の少なくとも１つを決定することを特徴とする請求項９に記載の画像セグメント化システム。
12. 少なくとも１つのぼかした結節テンプレートを生成するステップと、
    少なくとも１つのぼかした血管テンプレートを生成するステップと、
    少なくとも１つのぼかした肋骨テンプレートを生成するステップと、
    前記少なくとも１つのぼかした結節テンプレートに基づいて、複数のトモシンセシス画像からアセンブルされた肺の三次元（３Ｄ）画像における結節候補を決定する結節候補決定ステップと、
    前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートとに基づいて、肺の３Ｄ画像において前記結節候補が結節であると決定するステップと、
    を含むことを特徴とするトモシンセシス画像における結節検出方法。
13. 前記結節候補決定ステップは、前記少なくとも１つの結節テンプレートを前記肺の３Ｄ画像と比較することを特徴とする請求項１２に記載の結節検出方法。
14. 前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートの１つに基づいて、少なくとも１つのリッジマップを生成するステップと、
    前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートの１つに基づいて、少なくとも１つの方向マップを生成するステップと、
    前記複数のトモシンセシス画像の１つにおいて、主要リッジの方向を決定する決定ステップと、
    前記結節候補が前記主要リッジに隣接するか否かを判定する判定ステップと、
    をさらに含むことを特徴とする請求項１２に記載の結節検出方法。
15. 前記判定ステップは、
    （ｉ）前記主要リッジの方向の少なくとも１つの輝度プロファイルを生成するステップと、
    （ｉｉ）前記結節候補の幅の変化を得るために前記少なくとも１つの輝度プロファイルを解析するステップと、
    を含むことを特徴とする請求項１４に記載の結節検出方法。
16. 少なくとも１つのぼかした結節テンプレート、少なくとも１つのぼかした血管テンプレート、および少なくとも１つのぼかした肋骨テンプレートを生成するテンプレート生成モジュールと、
    前記少なくとも１つのぼかした結節テンプレートに基づいて、複数のトモシンセシス画像からアセンブルされた肺の３Ｄ画像における結節候補を決定する結節候補モジュールと、
    前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートとに基づいて、前記結節候補が前記３Ｄ画像における結節であることを決定する結節検出モジュールと、
    を含むことを特徴とするトモシンセシス画像における結節検出システム。
17. 前記結節候補モジュールは、
    （ｉ）結節テンプレートをセグメント化し、
    （ｉｉ）結節候補をセグメント化し、
    （ｉｉｉ）セグメント化された前記結節テンプレートをセグメント化された前記結節候補と比較することを特徴とする請求項１６に記載の結節検出システム。
18. 前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートの１つに基づいて少なくとも１つのリッジマップを生成し、前記少なくとも１つのぼかした血管テンプレートと前記少なくとも１つのぼかした肋骨テンプレートの１つに基づいて少なくとも１つの方向マップを生成するマップ生成モジュールと、
    前記複数のトモシンセシス画像の１つにおいて主要リッジを決定し、前記結節候補が前記主要リッジに隣接するか否かをさらに判定するリッジ決定モジュールと、
    を含むことを特徴とする請求項１７に記載の結節検出システム。
19. セグメント化ユニットと結節検出ユニットを含む肺結節検出システムであって、
    前記セグメント化ユニットは、
    （ｉ）複数のトモシンセシス画像の中から肺の焦点面画像を決定し、
    （ｉｉ）前記焦点面画像における画素の勾配と一連の複数のカスケード型最良経路アルゴリズムとに基づいて前記焦点面画像における肺の複数の境界を決定し、前記最良経路アルゴリズムの中で、少なくとも１つの他の経路を拘束する少なくとも１つのアルゴリズムにより少なくとも１つの経路を決定し、
    （ｉｉｉ）肺の三次元（３Ｄ）画像を得るために前記複数のトモシンセシス画像を組み合わせ、
    （ｉｖ）前記焦点面画像における肺の境界と最良経路アルゴリズムとに基づいて前記肺の３Ｄ画像において少なくとも１つの肋骨の少なくとも１つの境界を決定し、
    （ｖ）前記焦点面画像における肺の複数の境界と前記少なくとも１つの肋骨の少なくとも１つの境界とに基づいて肺セグメントを生成するユニットであり、
    前記結節検出ユニットは、
    （ｉ）少なくとも１つのぼかした結節テンプレートを生成し
    （ｉｉ）少なくとも１つのぼかした血管テンプレートを生成し
    （ｉｉｉ）少なくとも１つのぼかした肋骨テンプレートを生成し、
    （ｉｖ）前記少なくとも１つのぼかした結節テンプレートに基づいて、前記肺セグメントにおける結節候補を決定し、
    （ｖ）少なくとも１つのぼかした血管テンプレートと少なくとも１つのぼかした肋骨テンプレートとに基づいて、結節候補が結節か否かを判定するユニットであることを特徴とする肺結節検出システム。
20. 前記複数のトモシンセシス画像を取得する画像取得ユニットと、
    画像取得ユニットから複数のトモシンセシス画像を受信し、該複数のトモシンセシス画像を前記セグメント化ユニットへ送信するよう構成された画像受信ユニットと、
    をさらに含むことを特徴とする請求項１９に記載の肺結節検出システム。
21. 少なくとも１つの肺セグメントおよび結節を含む結果画像を生成するよう構成された結果画像合成ユニットと、
    前記結果画像を表示する結果表示ユニットと、
    前記結果画像合成ユニットから前記結果表示ユニットへ前記結果画像を送信するよう構成された画像送信ユニットと、
    をさらに含むことを特徴とする請求項２０に記載の肺結節検出システム。

Images