JP2013234999A - 陽電子放射断層撮影での医療映像生成方法及びその装置 - Google Patents

Abstract

【課題】陽電子放射断層撮影での医療映像生成方法及びその装置を提供する。
【解決手段】陽電子放射断層撮影での医療映像生成方法及びその装置に係り、該映像生成方法は、対象体に注入された追跡子から放出される信号を検出する段階、検出された信号を所定間隔の区間に分け、区間それぞれについて、区間内の信号を累積し、区間別に単位信号を生成する段階、単位信号それぞれの特性に基づいて、単位信号を複数個のグループに分類する段階、及びグループに分類された単位信号から、対象体に係る医療映像を生成する段階を含む。
【選択図】図２

Description

本発明は、陽電子放射断層撮影（ＰＥＴ：ｐｏｓｉｔｒｏｎ ｅｍｉｓｓｉｏｎ ｔｏｍｏｇｒａｐｈｙ）での医療映像生成方法及びその装置に関する。

患者を診断するために、人体内部の情報を映像を介して獲得する医療用映像機器は、疾病診断に必要な情報を提供する。現在、病院で使用または開発されている医療用映像撮影方法は、解剖学的映像を得る方法と生理学的映像を得る方法に大別される。第一に、人体の詳細な解剖学的映像を、高い解像度で提供する撮影技術の例としては、ＭＲＩ（ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ）またはＣＴ（ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）がある。これらは、人体の断面に対する二次元映像、または何枚かの二次元映像を利用して、三次元映像を高い解像度で生成し、人体内臓器の正確な位置と形態とを示す。第二に、生理学的映像撮影技術の例としては、人体内の新陳代謝過程を撮影し、代謝の異常有無の診断に寄与する陽電子放射断層撮影（ＰＥＴ）が代表的である。

陽電子放射断層撮影は、陽電子を放出する特殊放射性追跡子を、人体代謝に関与する成分の形態で生成し、この追跡子を、静脈注射や吸入の方法で人体に注入し、この追跡子から放出される陽電子が電子と結合するとき、互いに反対方向に放出される５１１ｋｅＶの２つのガンマ線を、外部機器を利用して検出することにより、追跡子の位置を追跡し、これらの分布形態と、経時的な分布様相の変化とを観察する撮影技術である。

一般的に、対象体に注入された追跡子から放出されたガンマ線は、分散や減衰などの影響により、実際放出された量より顕著に少ない量が、信号検出部１０に逹する。従って、映像を生成するに十分な検出量を確保するためには、数分単位の相対的に長い検出時間が要求される。しかし、人の臓器は呼吸、心臓拍動などにより、比較的短い周期の動きを伴うために、数分単位の映像獲得時間の間に対象体を撮影すれば、対象体の動きが映像に反映され、ぼやけてにじ
んだまま（ｂｌｕｒｒｙａｎｄｓｍｕｄｇｅｄ）記録される。かように、撮影装置と被写体との相対的な動きによって発生するイメージの曇り現象あるいは
にじみ現象をモーションブラー（ｍｏｔｉｏｎ ｂｌｕｒ）という。かようなモーションブラーは、陽電子放射断層撮影の解像度を低下させる主な原因になる。

本発明の課題は、陽電子放射断層撮影において、検出されたデータを正確に分類し、高い解像度の静止映像を生成する映像生成方法及びその装置を提供することである。

本発明の課題はまた、前記方法をコンピュータで実行させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体を提供することである。

本実施形態がなす技術的課題は、前述のような技術的課題に限定されるものではなく、以下の実施形態から他の技術的課題が類推される。

前記技術的課題を解決するための一側面による映像生成方法は、対象体に注入された追跡子（ｔｒａｃｅｒｓ）から放出される信号を検出する段階、前記検出された信号を、所定間隔の区間に分け、前記区間それぞれについて、前記区間内の信号を累積し、前記区間別に単位信号を生成する段階、前記単位信号それぞれの特性に基づいて、前記単位信号を複数個のグループに分類する段階、及び前記グループに分類された単位信号から、前記対象体に係る医療映像を生成する段階を含む。

他の側面による映像生成方法は、前記各単位信号を利用して、前記各区間について二次元サイノグラム（ｓｉｎｏｇｒａｍ）を生成する段階をさらに含み、前記分類する段階は、前記サイノグラムそれぞれの特性に基づいて、前記サイノグラムを複数個のグループに分類することができる。

さらに他の側面により、前記特性は、前記サイノグラムの二次元傾度を示すグラジエント（ｇｒａｄｉｅｎｔ）の特性であってもよい。

さらに他の側面により、前記分類する段階は、前記各単位信号の特性を示す特徴値を算出し、前記算出された特徴値に基づいて、前記単位信号を複数個のグループに分類することができる。

さらに他の側面により、前記特徴値は、前記各単位信号間の類似度を示す相関関係（ｃｏｒｒｅｌａｔｉｏｎ）値から算出され得る。

さらに他の側面により、前記分類する段階は、前記特徴値のうち、最高値と最低値とを決定し、前記最高値と前記最低値との間を所定個数の区間に分け、各区間についてグループを割り当てる段階をさらに含み、前記各単位信号を、前記各単位信号の特徴値が含まれた区間に割り当てられたグループに分類することができる。

さらに他の側面により、前記分類する段階は、前記特徴値を比較した結果により、前記各単位信号を並べる段階をさらに含み、並べられた順序に基づいて、前記単位信号を複数個のグループに分類することができる。

さらに他の側面により、前記分類する段階は、ｋ平均群集化（ｋ−ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ）アルゴリズムを利用して分類することができる。

さらに他の側面により、前記生成する段階は、前記グループそれぞれが示す前記追跡子の位置が一致するように、前記単位信号を整列（ｒｅｇｉｓｔｒａｔｉｏｎ）し、前記単位信号から、前記対象体に係る映像を生成することができる。

さらに他の側面による映像生成方法は、前記グループのうち、基準になる１つのグループが示す前記追跡子の位置から、前記各グループが示す前記追跡子の位置への前記追跡子の動き情報を推定する段階をさらに含み、前記生成する段階は、前記動き情報に基づいて、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することができる。

さらに他の側面により、前記の映像生成方法をコンピュータで実行させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体が提供される。

さらに他の側面による映像生成装置は、対象体に注入された追跡子から放出される信号を検出する信号検出部、前記検出された信号を所定間隔の区間に分け、前記区間それぞれについて、前記区間内の信号を累積し、前記区間別に単位信号を生成する単位信号生成部、前記単位信号それぞれの特性に基づいて、前記単位信号を複数個のグループに分類する分類部、及び前記グループに分類された単位信号から、前記対象体に係る医療映像を生成する映像生成部を含んでもよい。

さらに他の側面による映像生成装置は、前記各単位信号を利用して、前記各区間について二次元サイノグラムを生成するサイノグラム生成部をさらに含み、前記分類部は、前記サイノグラムそれぞれの特性に基づいて、前記サイノグラムを複数個のグループに分類することができる。

さらに他の側面により、前記分類部は、前記各単位信号の特性を示す特徴値を算出することができ、前記算出された特徴値に基づいて、前記単位信号を複数個のグループに分類することができる。

さらに他の側面により、前記分類部は、前記特徴値のうち、最高値と最低値とを決定することができ、前記最高値と前記最低値との間を所定個数の区間に分け、各区間についてグループを設定することができる。

さらに他の側面により、前記分類部は、前記特徴値を比較した結果により、前記各単位信号を並べる単位信号羅列部をさらに含み、並べられた順序に基づいて、前記単位信号を複数個のグループに分類することができる。

さらに他の側面により、前記分類部は、ｋ平均群集化アルゴリズムを利用して分類することができる。

さらに他の側面により、前記映像生成部は、前記グループそれぞれが示す前記追跡子の位置が一致するように、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することができる。

さらに他の側面による映像生成装置は、前記グループのうち、基準になる１つのグループが示す前記追跡子の位置から、前記各グループが示す前記追跡子の位置への前記追跡子の動き情報を推定する動き推定部をさらに含み、前記映像生成部は、前記動き情報に基づいて、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することができる。

本発明の映像整列方法を利用して、陽電子放射断層撮影（ＰＥＴ）医療映像の生成において、外部装置に依存せずに、検出されたデータを分類した後、分類されたデータを整列して映像を生成することにより、データを正確に分類でき、高い解像度の静止映像を生成することができる。

一実施形態による映像生成装置を示した図面である。 図１に示したコンピュータの構成図と、コンピュータの動作によるデータの流れとを示した図面である。 ＬＯＲ（ｌｉｎｅ ｏｆ ｒｅｓｐｏｎｓｅ）データの例を示した図面である。 ＬＯＲデータをサイノグラムで示す例を示した図面である。 単位信号を複数個のグループに分類する例を示した図面である。 単位信号の特徴値により、単位信号を複数個のグループに分類する他の例を示した図面である。 単位信号の特徴値により、単位信号を複数個のグループに分類するさらに他の例を示した図面である。 一実施形態による映像補正方法のフローチャートである。

以下、図面を参照して、実施形態について詳細に説明する。本実施形態の特徴について明確に説明するために、以下の実施形態が属する技術分野で当業者に周知の事項については、詳細な説明を省略する。

図１は、一実施形態による映像生成装置を示したものであり、患者の身体断面に係る映像を生成する全体的なシステムを示している。図１を参照すれば、映像生成装置は、信号検出部１０、コンピュータ２０、ディスプレイ装置３０及びユーザ入力装置４０を含む。

信号検出部１０は、対象体に注入された追跡子（ｔｒａｃｅｒ）から放出される信号を検出する。対象体は、動物やヒトなどの生物体になる。対象体がヒトである場合の例を挙げて説明すれば、手術者は、陽電子を放出する特殊放射性追跡子（ｓｐｅｃｉａｌ ｒａｄｉｏａｃｔｉｖｅ ｔｒａｃｅｒ）を人体代謝に関与する成分の形態として生成し、この追跡子を静脈注射や吸入の方法で人体に注入する。注入された追跡子は、陽電子を放出し、放出された陽電子が電子と結合すれば、互いに反対方向に、５１１ｋｅＶの２つのガンマ線対が放出される。信号検出部１０は、かようなガンマ線を検出し、検出したガンマ線に係るデータをＬＯＲ（ｌｉｎｅ ｏｆ ｒｅｓｐｏｎｓｅ）の形態でコンピュータ２０に伝送する。

ここで、陽電子は、放射線の一種であり、Ｃ−１１、Ｎ−１３、Ｏ−１５、Ｆ−１８などの放射性同位元素から放出されるが、前記元素を、生体を構成する主要元素の形態として注入すれば、特殊放射性追跡子を生成できる。最も頻繁に利用される追跡子としては、Ｆ−１８−ＦＤＧというブドウ糖類似物質があり、これを注射すれば、身体において、癌のようにブドウ糖代謝が集中する部位に追跡子が集中する。

ＬＯＲは、空間内で、直線の位置を示すデータ形式であり、図３は、ＬＯＲデータの例を示したものである。図３を参照すれば、スキャナ３１内に位置する追跡子３２は、追跡子から放出された陽電子が電子と反応するとき、１８０°方向に２つのガンマ線を放出し、２つのガンマ線は、１つの直線上に置かれる。図３は、かような直線３３，３４が２本検出された場合、すなわち、陽電子と電子との反応が二つ検出された場合を示す。直線３３を参照すれば、スキャナ３１内の原点を基準に、直線３３に垂直になる垂線を描いたとき、垂線までの距離はｒ１、垂線までの角度はθ１であるので、直線３３に係るＬＯＲは、（ｒ１，θ１）と表現される。同様に、直線３４を参照すれば、スキャナ３１内の原点を基準に、直線３４に垂直になる垂線を下したとき、垂線までの距離はｒ２、垂線までの角度はθ２であるから、直線３４に係るＬＯＲは、（ｒ２，θ２）と表現される。前記の通り、２個以上のＬＯＲデータを獲得すれば、追跡子の位置は、ＬＯＲデータの交点に在る。それにより、信号検出部１０は、検出したガンマ線に係るＬＯＲをコンピュータ２０に送信し、コンピュータ２０は、最終的にかようなＬＯＲから追跡子の位置を決定して映像を生成する。

再び図１を参照すれば、コンピュータ２０は、信号検出部１０から獲得したデータを利用して、対象体に係る映像を生成する。
ディスプレイ装置３０は、コンピュータ２０から生成された映像を、ディスプレイパネルに表示する。
ユーザは、ユーザ入力装置４０を利用して、コンピュータ２０の動作開始及び動作終了を命令するなど、コンピュータ２０の動作に必要な情報を入力できる。ただし、コンピュータ２０は、コンピュータ２０の動作に必要な情報を、ユーザ入力装置４０ではない保存装置からも獲得できる。

図２は、図１に示したコンピュータ２０の構成図と、コンピュータ２０の動作によるデータの流れとを示したものである。図２を参照すれば、コンピュータ２０は、単位信号生成部２１０、分類部２２０、動き推定部２３０及び映像生成部２４０を含む。図２の右側には、各ユニットの動作によるデータの流れを示した。単位信号生成部２１０は、信号検出部１０によって検出された信号を獲得し、獲得した信号を所定間隔の区間に分け、分けられた区間それぞれについて、区間内の信号を累積して単位信号を生成する。例を挙げて説明すれば、信号検出部１０によって検出された信号は、検出された時間順に並べられた後、所定時間間隔に分けられ、それにより、各単位信号は、所定時間区間内の信号を累積することによって生成される。生成された単位信号も、時間順に羅列される。

図２の右側のデータフローを参照すれば、単位信号生成部２１０の右側には、単位信号＃１から単位信号＃Ｎまで、全てＮ個の時間順に並べられた単位信号が示されている。

信号検出部１０によって検出された信号がＬＯＲである場合の例を挙げれば、１つのＬＯＲでは、追跡子の位置を決定できず、２個以上であるとしても、その量が少ない場合には、決定される追跡子の位置の信頼度が落ちる。従って、ＬＯＲデータの交点を、追跡子の位置として決定することができるほどの十分な量のデータが累積するように、単位信号生成部２１０は、区間をなす所定間隔を決定する。しかし、間隔が広くなるほど、追跡子の動きのために、正確な追跡子の位置決定が困難になる。それにより、所定間隔は、対象体の動きの程度、動きの周期、スキャナがＬＯＲを検出する時間間隔などを考慮して決定しなければならない。
かような区間は短い時間であり、例えば、１秒以下の時間であるが、これに限定されるものではない。このとき、所定間隔の間の信号を累積して生成された単位信号は、ノイズを含むので、ノイズの影響を最小化するために、ヒストグラム・クリッピングが適用されもする。ヒストグラム・クリッピングは、ヒストグラムで表現された信号の最小値と最大値とを決定し、信号の値を最小値から最大値までの値で制限する方法である。それにより、最小値未満の値は最小値に制限され、最大値を超える値は、最大値に制限される。

以上のように生成された単位信号は、いくつかのＬＯＲで構成されるが、かようなＬＯＲを累積する方法として、サイノグラム・グラフが使われる。ＬＯＲデータをサイノグラムで示す方法について具体的に説明するために、以下では、図４を参考にして説明する。

図４は、ＬＯＲデータをサイノグラムで示す例を示したものである。投映情報は、横軸はｒ、縦軸はθを示すサイノグラム・グラフ形式で表現される。前述のＬＯＲ形式のデータも、ｒ，θを変数にするから、ＬＯＲをサイノグラム上に示すことができる。（ｒ，θ）の値を有するＬＯＲデータは、サイノグラム・グラフで、（ｒ，θ）の座標に対応する。グラフ４００は、スキャナ３１の検出空間内の追跡子３２から放出されるいくつかのガンマ線に係るＬＯＲを、サイノグラムに示したものである。スキャナ３１の検出空間内で、追跡子３２の位置は、グラフ４００での１つの曲線４０１に対応する。従って、複数個の追跡子が、互いに異なる座標に存在する場合、かような追跡子から検出した信号に係るサイノグラムは、いくつかの曲線で示される。それにより、単位信号生成部２１０は、各単位信号に含まれたＬＯＲを累積し、サイノグラムの形態で単位信号を生成することができる。敷衍説明すれば、単位信号生成部２１０は、各単位信号ごとに、当該サイノグラムを生成でき、それぞれのサイノグラムは、追跡子３２を含む対象体の動きにより、互いに類似、同一、又は相異する。

再び図２を参照すれば、分類部２２０は、単位信号生成部２１０によって生成された単位信号それぞれの特性に基づいて、単位信号を複数個のグループに分類する。図２右側のデータフローを参照すれば、分類部２２０の右側には、グループ＃１からグループ＃Ｍまで、全Ｍ個のグループが示されている。ここでＭは、単位信号の総個数であるＮより小さい数であり、一般的に５以上の値が使われるが、それに限定されるものではない。かようなＭの値は、コンピュータの演算性能や、要求される最終映像の解像度などにより、異なって設定される。

各単位信号に示された追跡子の位置は、対象体の動きによって互いに異なることがある。かような全ての単位信号を考慮して、１つの静止映像を生成するためには、各単位信号が示す追跡子の位置が一致するように、各単位信号を整列する必要があるが、各単位信号の場合、信号対ノイズ比が低いので、各単位信号を整列することが困難である。これにより、信号対ノイズ比を向上させるために、複数個の単位信号を累積する。例えば、各単位信号の特徴値を抽出し、抽出された特徴値が、類似した単位信号を累積する概念を導入する。単位信号
が累積するほど、信号対ノイズ比が大きくなるので、より正確な整列が可能である。

また、単位信号を累積すれば、単位信号の整列に必要な演算時間が短縮されるという長所もある。全ての単位信号をそれぞれ整列しようとすれば、演算が長くかかるという問題がある。例えば、Ｎ個の単位信号を整列する場合、１つの単位信号を基準にして、全（Ｎ−１）回の演算が要求される。一方、同じ位置に該当する単位信号同士を１つのグループにまとめ、かようなグループを互いに整列する演算を行うことにより、全演算時間を短縮することができる。例えば、Ｍ個のグループを整列する場合、１つのグループを基準にして、全（Ｍ−１）回の演算だけが要求される。ここでＭは、単位信号の総個数であるＮより小さい数であり、各単位信号を整列するときに比べ、各グループを整列する場合の演算時間が短縮される。図５は、分類部２２０が単位信号を、複数個のグループに分類する事例を示したものである。

図５のグラフ５０は、各単位信号を検出時間順に並べたとき、各単位信号が示す追跡子の位置変化を示したものである。図５に示したように、分類部２２０は、スキャナ３１の検出空間内での追跡子の位置１に該当する単位信号５１，５２，５３，５４，５５をグループ１に分類し、追跡子の位置２に該当する単位信号５６，５７，５８，５９，６０をグループ２に分類する方法で、同一の位置を示す単位信号を、同じグループに分類する。このように、追跡子の位置が１と２との間で交互に現われる理由は、臓器の周期的な動きに伴って、かような臓器に注入された追跡子が共に動くからである。Ｍ個の位置について単位信号を分類する場合、分類部２２０は、全Ｍ個のグループを生成する。

分類部２２０は、単位信号を分析した結果に基づいて、同一の位置を示す単位信号を１つのグループにまとめることにより、単位信号を複数個のグループに分類する。単位信号がサイノグラムで表現されている場合の例を挙げれば、単位信号が示す追跡子の位置は、サイノグラムの曲線に対応するから、分類部２２０は、各単位信号のサイノグラムの特性に基づいて、各サイノグラムが類似した程度により、単位信号を追跡子の位置別に分類できる。

かような分類方法は、生成される全グループの個数を減らす付加的な長所がある。例えば、対象体の動き周期内で、互いに異なる位相に該当するとしても、追跡子の位置は、同一でありもする。以下、「位相情報」は、各データの検出時間が、対象体の動き周期内で、いかなる位相に該当するかという情報を意味する用語として使用される。

図５を参照すれば、位相情報を含んで分類する方法によれば、単位信号５１，５３，５５が互いに同一の位相に該当して１つのグループに分類され、単位信号５２，５４が互いに同一の位相に該当して他のグループに分類される。

一方、分類部２２０が前述のように、周期内の位相情報と関係なく、単位信号自体の特性に基づいて単位信号を分類すれば、同一の追跡子の位置を示す５１，５２，５３，５４，５５をいずれも１つのグループに分類する（単位信号５１，５３，５５と単位信号５２，５４とが互いに位相が異なるにもかかわらず）。それにより、分類部２２０によって生成される全グループの個数が減り、結果として、動き推定部２３０及び映像生成部２４０の演算回数が減ることになる。

分類部２２０は、各単位信号のサイノグラムの特性に基づいて、各サイノグラムが類似した程度を決定するために、サイノグラムの特徴値を算出する。例えば、分類部２２０は、各単位信号のサイノグラムの特徴値を算出し、サイノグラムの特徴値が、類似した単位信号を同じグループでまとめ、単位信号を複数個のグループに分類する。サイノグラムは、二次元グラフで表現されるために、サイノグラムの特徴値としては、二次元グラフの類似度を決定する多様なものが使用される。

特徴値として分類部２２０は、各単位信号のサイノグラムの関連性を示す相関関係を使用できる。それにより、分類部２２０は、関連性の高い単位信号同士、同じグループにまとめ、単位信号を複数個のグループに分類する。

他の例を挙げれば、分類部２２０は、各単位信号のサイノグラムに、特定二次元フィルタを適用した結果を特徴値として算出し、特徴値が類似した単位信号同士、同じグループにまとめ、単位信号を複数個のグループに分類する。かようなフィルタの例としては、ガボールフィルタ（Ｇａｂｏｒ ｆｉｌｔｅｒ）などが使用される。それ以外にも、多様な二次元フィルタが適用される。

さらに他の例を挙げれば、分類部２２０は、サイノグラムの二次元傾度を示す二次元微分映像であるグラジエント（ｇｒａｄｉｅｎｔ）を生成し、グラジエントの特徴値を算出し、グラジエントの特徴値が類似した単位信号同士、同じグループにまとめ、単位信号を複数個のグループに分類する。それ以外にも、映像の特徴値を算出する多様な方法が適用される。

以上のように算出された特徴値が類似した単位信号同士分類する方法としては、サイノグラム特徴値の差が、所定の閾値以下である単位信号を同一グループにまとめ、単位信号を複数個のグループに分類する方法を使用でき、または、それ以外の多様なデータ群集化アルゴリズム（ｄａｔａ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ）も使用できる。

例えば、与えられたデータをｋ個のグループに、迅速に効果的に群集化することができるｋ平均群集化（ｋ−ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ）アルゴリズムを使用できる。敷衍して説明すれば、分類部２２０は、各単位信号のサイノグラムの特徴値を算出し、ｋ平均群集化アルゴリズムにより、単位信号を群集化することにより、複数個のグループに分類できる。

それ以外に、混合ガウスモデル（Ｇａｕｓｓｉａｎ ｍｉｘｔｕｒｅ ｍｏｄｅｌ）分析方法、ＰＣＡ（ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ ａｎａｌｙｓｉｓ）分類方法、ＬＤＡ（ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｎｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ）分類方法のような多様な分類アルゴリズムが使用される。

または、分類部２２０は、各単位信号のサイノグラムの特性に基づいて、単位信号を分類するために、ＧＶＦ（ｇｒａｄｉｅｎｔ ｖｅｃｔｏｒ ｆｌｏｗ） ＳＮＡＫＥアルゴリズムを活用できる。ＳＮＡＫＥアルゴリズムは、映像でのエッジを検出するアルゴリズムであり、ＧＶＦ ＳＮＡＫＥアルゴリズムは、映像内でのエッジの勾配ベクトルの分布からエッジを検出するアルゴリズムであり、一種のＳＮＡＫＥアルゴリズムである。ＧＶＦ ＳＮＡＫＥアルゴリズムを利用して検出されたエッジから、映像の特性が抽出されもする。かようなＧＶＦ ＳＮＡＫＥアルゴリズムを、二次元グラフであるサイノグラムに適用すれば、分類部２２０は、ＧＶＦ ＳＮＡＫＥアルゴリズムを利用して生成された各単位信号のサイノグラムの特性に基づいて、単位信号を分類できる。ＧＶＦ ＳＮＡＫＥアルゴリズムは、低い信号対ノイズ比のサイノグラムでも、良好な処理性能を有し、サイン関数形態のサイノグラムに適用するのに適切である。

図６は、単位信号の特徴値によって単位信号を複数個のグループに分類する他の例を示したものである。図６を参照すれば、分類部２２０は、特徴値の最低値と最高値とを獲得し、最低値と最高値との間をＭ個の区間に分け、各区間に該当する特徴値を有する単位信号同士同じグループにまとめ、単位信号を全Ｍ個のグループに分類する。

図７は、単位信号の特徴値により、単位信号を複数個のグループに分類するさらに他の例を示したものである。図７を参照すれば、分類部２２０は、特徴値の大きさ順序によって各単位信号を並べ、並べられた順に、Ｎ／Ｍ個の単位信号を１つのグループにまとめ、単位信号を全Ｍ個のグループに分類する。

再び図２に戻り、図２の動き推定部２３０は、分類部２２０によって生成された各グループから、グループそれぞれに係る追跡子の動き情報を推定する。例えば、動き推定部２３０は、分類部２２０によって生成された各グループのうち、基準になる１つのグループが示す追跡子の位置から、各グループが示す追跡子の位置への追跡子の動き情報を推定する。かような動き情報は、対象体の動きに伴う追跡子の位置変化に係る情報を反映する。例えば、各グループの動き情報は、対象体の動きにより、各グループが示す追跡子の位置が異なる場合、グループ＃１が示す追跡子の位置を基準（ｒｅｆｅｒｅｎｃｅ）に、追跡子の位置が移動した距離と方向とを意味するものとして使用される。かような動き推定は、外部装置（例えば、モーションセンサ）などの助けを借りずに、グループに分類された単位信号の分析だけで計算される。それにより、動き推定部２３０は、基準になる１つのグループに割り当てられた単位信号と、前記各グループに割り当てられた単位信号とを比較した結果により、動き情報を推定できる。

各グループが示す追跡子の位置は、サイノグラムから分かり、それにより、動き推定部２３０は、基準になる１つのグループに割り当てられた単位信号を累積したサイノグラムと、前記各グループに割り当てられた単位信号を累積したサイノグラムとを比較した結果により、追跡子の位置変化を推定し、それにより、動き情報を推定できる。

動き推定部２３０は、Ｍ個のグループのうち、グループ＃１を基準（ｒｅｆｅｒｅｎｃｅ）として決定し、グループ＃１から各グループへの動き情報を推定できる。このように、映像内での対象体の動き情報を推定する方法としては、座標内で、物体またはセンサの移動ベクトル分布を推定するオプティカルフロー（ｏｐｔｉｃａｌ ｆｌｏｗ）、またはそれと類似した映像のエッジ（輪郭）を検出するＳＮＡＫＥアルゴリズムなどの技術が使用され、それ以外にも、映像内での動き情報を推定する多様な方法が適用されもする。

図２の右側を参照すれば、動き情報＃２は、基準になるグループ＃１が示す追跡子の位置から、グループ＃２が示す追跡子の位置への追跡子の位置変化を意味し、図面に示されていないが、グループ＃３に対応する動き情報＃３は、基準になるグループ＃１が示す追跡子の位置から、グループ＃３が示す追跡子の位置への追跡子の位置変化を意味する。同様に、動き情報＃Ｍは、基準になるグループ＃１が示す追跡子の位置から、グループ＃Ｍが示す追跡子の位置への追跡子の位置変化を意味する。

以下では、追跡子の動き情報を三次元空間上で推定する方法の例について説明する。
スキャナ３１内の検出空間が三次元である場合、二次元平面（ｘｙ平面）上で信号を獲得する段階を、ｚ軸（スキャナが円筒状である場合、スキャナの軸方向）上の互いに異なるｚ値について実施することにより、追跡子の位置を三次元空間に示すことができる。このために、信号検出部１０は、二次元平面（ｘｙ平面）上で信号を獲得する段階を、ｚ軸方向に移動しながら、互いに異なるｚ値について繰り返して実施し、または、信号検出部１０は、互いに異なるｚ値について、二次元平面（ｘｙ平面）上の信号を同時に獲得する。

これによれば、単位信号生成部２１０は、以上のように獲得された信号を累積してＮ個の単位信号を生成し、分類部２２０は、各単位信号が示す三次元空間上での追跡子の位置が同一または類似した単位信号を、同じグループにまとめ、Ｎ個の単位信号をＭ個のグループに分類する。動き推定部２３０は、各グループから、グループそれぞれに係る追跡子の三次元上の動き情報を推定する。

例えば、動き推定部２３０は、分類部２２０によって生成された各グループのうち、基準になる１つのグループが示す追跡子の三次元位置から、残りのグループそれぞれが示す追跡子の三次元位置への追跡子の三次元上の動き情報を推定する。
グループ＃１を基準に、グループ＃１が示す追跡子の三次元位置から、グループ＃２が示す追跡子の三次元位置への変化を意味する動き情報＃２を推定する方法の例を挙げれば、動き推定部２３０は、追跡子の三次元上の動きのうち、ｚ軸方向に該当する動きをまず推定した後、ｘｙ平面（またはｚ平面）方向に該当する動きを推定する。各グループの動き情報は、三次元ベクトルで表現される。

例えば、基準になるグループ＃１でのｚ軸の値が定数ｋである平面と、グループ＃２でのｚ軸の値が定数ｋ＋ａ（ａ＞０）である平面とでの追跡子の位置が同一である場合、動き推定部２３０は、動き情報＃２を推定するにあたり、追跡子がｚ軸上から正の方向に動いたということが分かる。かような方法で、動き推定部２３０は、動き情報＃２のｚ軸方向動きベクトルの方向を決定し、ａの大きさから、ｚ軸方向動きベクトルの大きさを決定することにより、動き情報＃２のｚ軸方向の動き情報を推定する。しかし、これは、ｚ軸方向の動き情報＃２を推定する１つの例示であるのみで、これに限定されるものではない。

動き情報＃２のｚ軸方向の動き情報が推定されれば、動き推定部２３０は、動き情報＃２のｚ平面上の動き情報を推定できる。これのために、動き推定部２３０は、代表になるいずれか１つのｚ平面上での追跡子の動き情報を推定することにより、これを追跡子のｘｙ方向の動きとして推定する。または、動き推定部２３０は、複数個のｚ平面上での追跡子の動き情報を推定し、これにより、追跡子のｘｙ方向の動き情報を推定する。

動き推定部２３０が、スキャナ３１の検出空間上での複数個のｚ平面それぞれについて、ｘｙ方向追跡子の動き情報を推定する場合の例を挙げれば、次の通りである。ｚ＝１に該当するｚ平面を第１平面とすれば、動き情報＃２を推定する場合、動き推定部２３０は、基準になるグループ＃１の第１平面が示す追跡子の位置から、グループ＃２の第１平面が示す追跡子の位置への変化を推定することにより、グループ＃１からグループ＃２への第１平面上の追跡子の動き情報を推定する。

類似した方法で、ｚ＝２に該当する第２平面上での追跡子の動き情報を推定する。かような方法を、それぞれのｚ平面について繰り返して実施することにより、動き推定部２３０は、複数個のｚ平面上での追跡子の動き情報を、それぞれのｚ平面について推定する。それにより、動き推定部２３０は、複数個のｚ平面上での追跡子の動き情報から、動き情報＃２のｘｙ方向の動き情報を推定する。

動き推定部２３０は、推定された追跡子のｘｙ方向の動き情報と、前述の方法によって推定された追跡子のｚ軸方向の動き情報とを結合し、追跡子の動き情報＃２を生成する。かような方法を、それぞれのグループについて実施することにより、動き推定部２３０は、Ｍ個のグループについて、動き情報＃２ないし動き情報＃Ｍを生成できる。

動き推定部２３０が二次元平面上での動き情報を推定する方法の例としては、前述のように、座標内で物体またはセンサの移動ベクトル分布を推定するオプティカルフロー（ｏｐｔｉｃａｌ ｆｌｏｗ）、または映像のエッジを検出するＳＮＡＫＥアルゴリズムなどの技術が使用され、それ以外にも、映像内での動き情報を推定するための多様な方法が適用される。

動き推定部２３０は、二次元平面上での動き情報を推定するために、各平面に係るサイノグラムのヒストグラム分布も利用できる。例えば、動き推定部２３０は、動き情報＃２のｘｙ平面上の動き情報を推定するために、グループ＃１の第１平面に係る二次元サイノグラムと、グループ＃２の第１平面に係る二次元サイノグラムとを、それぞれヒストグラム分布で表現できる。ヒストグラム分布は、サイノグラムの特性を示す方法の例であるので、動き推定部２３０が、ｚ軸方向の動き情報を推定するところにも適用され、それだけではなく、分類部２２０も、単位信号のサイノグラムのヒストグラム分布を利用して、ヒストグラム分布が類似した単位信号同士分類する。二次元映像または二次元グラフをヒストグラム分布で表現する方法は、本実施形態が属する分野で当業者であるならば、理解可能であろう。

以上のように、動き推定部２３０は、サイノグラムのヒストグラム分布を利用して、各グループのｚ軸方向の動き情報をまず推定し、その後、ｘｙ平面上動き情報を推定できる。

映像生成部２４０は、分類部２２０により、複数個のグループに分類された単位信号から、前記対象体に係る医療映像を生成する。例えば、映像生成部２４０は、動き推定部２３０によって推定された各グループの動き情報に基づいて、グループに含まれた単位信号を整列することにより、単位信号から対象体に係る医療映像を生成する。

例えば、映像生成部２４０は、分類部２２０によって生成されたＭ個のグループそれぞれについて、動き推定部２３０で推定された動き情報に基づいて、各グループから静止映像を生成する。そのために、映像生成部２４０は、各グループについて各グループの動き情報を含む変換因子を生成でき、かような変換因子は、映像生成過程で、変数として使用される。かような各グループの変換因子を、図２の映像生成部２４０の右側に示した。

映像生成部２４０は、動き情報を反映して、反復的復元（ｉｔｅｒａｔｉｖｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）を行う方法で、映像を生成できる。例えば、映像生成部２４０は、映像生成アルゴリズムの変数として、各グループの動き情報を含む変換因子を使用し、各グループでの追跡子の位置が、基準になるグループ＃１での追跡子に位置と一致するように、各グループの単位信号を整列することにより、最終的に全ての単位信号を変換し、静止映像を生成できる。

反復的復元とは、伝達関数が分かっており、出力信号が分かっているとき、入力信号を推定するアルゴリズムの例である。すなわち、入力信号の初期値を、所定の値に設定した後、入力信号に伝達関数を適用して出力される出力信号が、所望する出力信号になるまで、入力信号を変更しながら反復的に演算を行う方法である。

陽電子放射断層撮影の場合の例を挙げれば、信号検出部１０から獲得したＬＯＲ信号が入力信号であってもよく、そこから生成される映像が出力信号であってもよい。それにより、ＬＯＲ信号から映像を再構成（ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）するシステム行列が変換因子になってもよい。映像生成部２４０は、互いに異なる追跡子の位置を示す複数個のグループ信号から、同時に１つの静止映像を再構成するために、各グループごとに変換因子を有する。このとき、映像生成部２４０は、各グループの変換因子に、各グループの動き情報を反映することにより、映像を再構成する過程で、各グループが示す追跡子の位置を整列させ、これにより、最終的に静止映像を生成できる。

例えば、動き推定部２３０によって、グループ＃１が基準グループに設定された場合には、映像生成部２４０は、グループ＃２に分類された単位信号を、映像に再構成するとき、変換因子＃２を映像生成アルゴリズムの変数として使用でき、同様に、グループ＃Ｍに分類された単位信号を、対象体に係る映像に再構成するとき、変換因子＃Ｍを、映像生成アルゴリズムの変数として使用できる。各変換因子は、各グループの動き情報を含んでいるから、映像生成部２４０は、Ｍ個のグループに含まれた全ての単位信号から、モーションブラーのない静止映像を生成できる。

図８は、一実施形態による映像補正方法のフローチャートである。図８に示したように、映像補正装置は、対象体に注入された追跡子から放出される信号を検出し（８１）、検出された信号から、単位信号を生成し（８２）、単位信号を複数個のグループに分類し（８３）、各グループの動き情報を推定し（８４）、グループを整列することにより、映像を生成する（８５）。

８１段階で、信号検出部１０は、対象体に注入された追跡子から放出されるガンマ線を検出し、ＬＯＲ形態のデータで、コンピュータ２０の単位信号生成部２１０に伝送する。８２段階で、単位信号生成部２１０は、信号検出部１０によって検出された信号を獲得し、獲得した信号を所定間隔の区間に分け、分けられた区間それぞれについて、区間内の信号を累積して単位信号を生成する。８３段階で、分類部２２０は、単位信号生成部２１０によって生成された単位信号それぞれの特性に基づいて、単位信号を複数個のグループに分類する。８４段階で、動き推定部２３０は、分類部２２０によって生成された各グループから、グループそれぞれに係る追跡子の動き情報を外部装置（例えば、モーションセンサ）の助けを借りずに推定する。８５段階で、映像生成部２４０は、動き推定部２３０によって推定された各グループの動き情報に基づいて、グループを整列することにより、対象体に係る医療映像を生成する。

前記のような実施形態によれば、動きがある対象体について、陽電子放射断層撮影を介して映像を生成する方法において、単位信号自体の特性に基づいて、正確な分類を行うことにより、さらに高い解像度の静止映像を生成できる。単位信号を分類するために、従来は、外部装置を利用して、呼吸周期または心臓拍動周期に各単位信号を対応させて位相情報を決定し、位相情報によって分類する方法が使用された。単位信号が検出された時間情報を動き周期と同期化させることによって、位相情報が容易に決定されるが、呼吸周期または心臓拍動周期が、対象体の動き、または対象体の動きによる追跡子の動き周期と正確に一致しないために、誤差が生じるという短所があった。

しかし、前述の実施形態では、追跡子の位置を示す単位信号の特性に基づいて、外部装置に依存せずに単位信号が分類するために、以上のように外部装置を利用する場合の短所が克服される。それにより、さらに正確な映像整列が可能であり、結果として、きれいな静止映像を生成できる。

またユーザは、単位信号を分類する上で、グループの個数をあらかじめ設定したり、あるいはそれ以外の調節因子を、ユーザ入力装置を介して入力でき、これを利用して、映像の品質とコンピュータでの演算負荷とのトレード・オフ関係で、ユーザが所望する品質の映像の生成が可能である。

一方、図８に示した映像生成方法は、コンピュータで実行されるプログラムで作成可能であり、コンピュータで読み取り可能な記録媒体を利用して、前記プログラムを動作させる汎用デジタルコンピュータで具現されもする。前記コンピュータで読み取り可能な記録媒体は、マグネチック保存媒体（例えば、ＲＯＭ（ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ）、フロッピー(登録商標)ディスク、ハードディスクなど）、光学的判読媒体（例えば、ＣＤ（ｃｏｍｐａｃｔ ｄｉｓｃ）−ＲＯＭ、ＤＶＤ（ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｃ）など）のような記録媒体を含む。

本発明の陽電子放射断層撮影での映像生成方法及びその装置は、例えば、疾病早期発見関連の技術分野に効果的に適用可能である。

１０ 信号検出部
２０ コンピュータ
３０ ディスプレイ装置
３１ スキャナ
３２ 追跡子
３３，３４ 直線
４０ ユーザ入力装置
２１０ 単位信号生成部
２２０ 分類部
２３０ 動き推定部
２４０ 映像生成部
４００ グラフ
４０１ 曲線

Claims (25)

1. 対象体に注入された追跡子から放出される信号を検出する段階と、
   前記検出された信号を所定間隔の区間に分け、前記区間それぞれについて、前記区間内の信号を累積し、前記区間別に単位信号を生成する段階と、
   前記単位信号それぞれの特性に基づいて、前記単位信号を複数個のグループに分類する段階と、
   前記グループに分類された単位信号から、前記対象体に係る医療映像を生成する段階と、を含むことを特徴とする医療映像生成方法。
2. 前記各単位信号を利用して、前記各区間について二次元サイノグラムを生成する段階をさらに含み、
   前記分類する段階は、前記サイノグラムそれぞれの特性に基づいて、前記サイノグラムを複数個のグループに分類することを特徴とする請求項１に記載の医療映像生成方法。
3. 前記特性は、前記サイノグラムの二次元傾度を示すグラジエントの特性であることを特徴とする請求項２に記載の医療映像生成方法。
4. 前記分類する段階は、前記各単位信号の特性を示す特徴値を算出し、前記算出された特徴値に基づいて、前記単位信号を複数個のグループに分類することを特徴とする請求項１に記載の医療映像生成方法。
5. 前記特徴値は、前記各単位信号間の類似度を示す相関関係値から算出されることを特徴とする請求項４に記載の医療映像生成方法。
6. 前記分類する段階は、前記特徴値のうち、最高値と最低値とを決定し、前記最高値と前記最低値との間を所定個数の区間に分け、各区間についてグループを割り当てる段階をさらに含み、
   前記各単位信号を、前記各単位信号の特徴値が含まれた区間に割り当てられたグループに分類することを特徴とする請求項４に記載の医療映像生成方法。
7. 前記分類する段階は、前記特徴値を比較した結果により、前記各単位信号を並べる段階をさらに含み、
   並べられた順序に基づいて、前記単位信号を複数個のグループに分類することを特徴とする請求項４に記載の医療映像生成方法。
8. 前記分類する段階は、ｋ平均群集化アルゴリズムを利用して分類することを特徴とする請求項１に記載の医療映像生成方法。
9. 前記生成する段階は、前記グループそれぞれが示す前記追跡子の位置が一致するように、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することを特徴とする請求項１に記載の医療映像生成方法。
10. 前記グループのうち、基準になる１つのグループが示す前記追跡子の位置から、前記各グループが示す前記追跡子の位置への前記追跡子の動き情報を推定する段階をさらに含み、
    前記生成する段階は、前記動き情報に基づいて、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することを特徴とする請求項９に記載の医療映像生成方法。
11. 前記動き情報は、前記基準になる１つのグループに割り当てられた単位信号と、前記各グループに割り当てられた単位信号とを比較した結果によって推定されることを特徴とする請求項１０に記載の医療映像生成方法。
12. 前記動き情報は、前記基準になる１つのグループに割り当てられた単位信号を累積したサイノグラムと、前記各グループに割り当てられた単位信号を累積したサイノグラムと、を比較した結果によって推定されることを特徴とする請求項１０に記載の医療映像生成方法。
13. 対象体に注入された追跡子から放出される信号を検出する信号検出部と、
    前記検出された信号を所定間隔の区間に分け、前記区間それぞれについて、前記区間内の信号を累積し、前記区間別に単位信号を生成する単位信号生成部と、
    前記単位信号それぞれの特性に基づいて、前記単位信号を複数個のグループに分類する分類部と、
    前記グループに分類された単位信号から、前記対象体に係る医療映像を生成する映像生成部と、を含むことを特徴とする医療映像生成装置。
14. 前記各単位信号を利用して、前記各区間について二次元サイノグラムを生成するサイノグラム生成部をさらに含み、
    前記分類部は、前記サイノグラムそれぞれの特性に基づいて、前記サイノグラムを複数個のグループに分類することを特徴とする請求項１３に記載の医療映像生成装置。
15. 前記特性は、前記サイノグラムの二次元傾度を示すグラジエントの特性であることを特徴とする請求項１４に記載の医療映像生成装置。
16. 前記分類部は、前記各単位信号の特性を示す特徴値を算出し、前記算出された特徴値に基づいて、前記単位信号を複数個のグループに分類することを特徴とする請求項１３に記載の医療映像生成装置。
17. 前記特徴値は、前記各単位信号間の類似度を示す相関関係値から算出されることを特徴とする請求項１６に記載の医療映像生成装置。
18. 前記分類部は、前記特徴値のうち、最高値と最低値とを決定し、前記最高値と前記最低値との間を所定個数の区間に分け、各区間についてグループを設定するグループ設定部をさらに含み、
    前記各単位信号を、前記各単位信号の特徴値が含まれた区間に割り当てられたグループに分類することを特徴とする請求項１６に記載の医療映像生成装置。
19. 前記分類部は、前記特徴値を比較した結果により、前記各単位信号を並べる単位信号羅列部をさらに含み、
    並べられた順序に基づいて、前記単位信号を複数個のグループに分類することを特徴とする請求項１６に記載の医療映像生成装置。
20. 前記分類部は、ｋ平均群集化アルゴリズムを利用して分類することを特徴とする請求項１３に記載の医療映像生成装置。
21. 前記映像生成部は、前記グループそれぞれが示す前記追跡子の位置が一致するように、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することを特徴とする請求項１３に記載の医療映像生成装置。
22. 前記グループのうち、基準になる１つのグループが示す前記追跡子の位置から、前記各グループが示す前記追跡子の位置への前記追跡子の動き情報を推定する動き推定部をさらに含み、
    前記映像生成部は、前記動き情報に基づいて、前記単位信号を整列し、前記単位信号から、前記対象体に係る映像を生成することを特徴とする請求項２１に記載の医療映像生成装置。
23. 前記動き情報は、前記基準になる１つのグループに割り当てられた単位信号と、前記各グループに割り当てられた単位信号とを比較した結果によって推定されることを特徴とする請求項２２に記載の医療映像生成装置。
24. 前記動き情報は、前記基準になる１つのグループに割り当てられた単位信号を累積したサイノグラムと、前記各グループに割り当てられた単位信号を累積したサイノグラムとを比較した結果によって推定されることを特徴とする請求項２２に記載の医療映像生成装置。
25. 請求項１ないし１２のうち、いずれか１項に記載の方法をコンピュータで実行させるためのプログラムを記録したことを特徴とするコンピュータで読み取り可能な記録媒体。

Images