JP2013503655A5

JP2013503655A5 -

Info

Publication number: JP2013503655A5
Application number: JP2012526083A
Authority: JP
Filing date: 2010-09-01
Publication date: 2014-07-24
Anticipated expiration: 2030-09-01

Description

特に、本発明の態様は、患者の臓器を分析するデータ処理方法を提示する。データ処理方法は、以下のステップを含む。分析期間における臓器を表す一連のインプット画像が、提供される。個々のインプット画像は、分析期間内に含まれる対応する取得の瞬間における臓器の対応する位置の呼び掛け信号（例えば、超音波）に対する応答を、各々が示す（例えば、ピクセルのレベルでの、若しくはピクセルのグループでの）インプット値のセットを含む。時間に関する分析関数が、（例えば、関心領域の、若しくはピクセルのグループの）選択された位置のセットのうちの各々と、関連付けられる。分析関数は、（例えば、適合処理により決定されるものとしての）一連のインプット画像内の選択された位置のインプット値の傾向をモデル化するものである。時間に関する参照関数が、（例えば、健康な組織を含む臓器の領域のインプット値を適合させることにより）分析関数に対して提供される。本発明の実施形態に係る解決手段では、個々の選択された位置の分析関数が、参照関数と比較される。この動作は、選択された位置の分析関数と参照関数との間の相違の極性の分析期間における傾向を表す極性傾向を判別する（言い換えれば、それは、個々の瞬間で分析関数が参照関数より大きいか若しくは小さいかを示す相違の極性が、分析期間において経時的にどのように変化するかを表す。例えば、相違が、分析関数と参照関数の間の差異として決定されるならば、極性の傾向は、この差異がヌルのとき、常に正のとき、常に負のとき、正から負に変化するとき、若しくはその逆のときを、示す。一方、相違が、分析関数と参照関数の間の比率として決定されるならば、極性の傾向は、この比率が１のとき、常に１より大きいとき、常に１より小さいとき、１より大きいものからいより小さいものに変化するとき、若しくはその逆のときを、示す。）。続いてパラメトリック画像が生成される。パラメトリック画像は、個々の選択された位置に対するパラメトリック値を含む。パラメトリック値は、（例えば、極性傾向のクラスを表す値、及び／又はその計測により）選択された位置の極性傾向を示す。

本発明の一つの実施形態では、選択された位置を分類するステップが、差異関数が正である差異関数に関する、分析期間における積分に従って、正のエネルギを計算するステップと、差異関数が負である差異関数の絶対値に関する、分析期間における積分に従って、負のエネルギを計算するステップとを含む。（例えば、差異サンプル若しくは差異関数が夫々正若しくは負であるとき、分析期間における、差異サンプルの合計に若しくは差異関数の積分に設定される正のエネルギ若しくは負のエネルギによるものである。）続いて選択された位置は、正のエネルギと負のエネルギの合計が閾値より小さい場合ヌルクラスに分類され、正のエネルギ（例えば、相対的正のエネルギ）が更なる閾値を超える場合、正の単極性クラスに分類され、負のエネルギ（例えば、相対的負のエネルギ）が更なる閾値を超える場合、負の単極性クラスに分類され、及び／又は、それら以外の場合、正−負の両極性クラス若しくは負−正の両極性クラスに分類される。

本発明の一つの実施形態では、選択された位置を正−負の両極性クラス若しくは負−正の両極性クラスに分類するステップが、差異関数が分析期間内に最大値に到達する正のピークの瞬間を計算するステップと、差異関数が分析期間内に最小値に到達する負のピークの瞬間を計算するステップとを含む。続いて選択された位置は、最大ピークの瞬間が最小ピークの瞬間を超える場合、正−負の両極性クラスに分類され、最小ピークの瞬間が最大ピークの瞬間を超える場合、負−正の両極性クラスに分類される。

本発明の一つの実施形態では、パラメトリック画像を生成するステップが、個々の選択された位置に対して、強度値を計算するステップを含む。強度値は、分析期間における選択された位置の分析関数と参照関数との間の相違を計測する。個々の選択された位置のパラメトリック値は、対応する強度値に従って設定される。

本発明の別の態様は、患者の臓器を分析する治療方法を提示する。患者の臓器を分析する治療方法は以下のステップを含む。呼び掛け信号が、分析期間において臓器に加えられる。方法は、分析期間において、臓器を表す一連のインプット画像を取得することにより、継続する。個々のインプット画像は、分析期間内に含まれる対応する取得の瞬間における臓器の対応する位置の呼びかけ信号に対する応答を、各々が示すインプット値のセットを含む。（インプット画像は、時間に関する分析関数を、選択された位置のセットの各々と関連付けるように処理され、分析関数は、一連のインプット画像内の選択された位置のインプット値の傾向をモデル化し、個々の選択された位置の分析関数を、選択された位置の分析関数と参照関数との間の相違の極性に関する、分析期間における傾向を表す極性傾向を判別する、時間に関する参照関数と比較し、個々の選択された位置に対するパラメトリック値を含むパラメトリック画像を生成し、パラメトリック値は選択された位置の極性傾向を示す。）臓器の状況は、パラメトリック画像に従って評価される。

本発明の実施形態に係る解決手段では、分析処理における、対応するモデル関数と参照関数との間の比較に従って、個々のピクセルに対するパラメトリック値が計算される。対応するパラメトリック値に基づく値を個々のピクセルに割り当てることにより、パラメトリック画像が生成される。特に、この比較は、極性傾向に基づくものであり、この極性傾向は、モデル関数と参照関数との間の相違の極性の分析処理における、傾向を表す（例えば、対応する差異関数の符号が、時間に対してどのように変化するかを表す）。特に、本発明の実施形態では、この極性傾向の定性的インジケータ及び／又は定量的インジケータが計算される。

別途、分析関数を参照関数と比較（し、それらの相違の極性傾向を判別）することも、可能である。例えば、この動作は、（差異サンプルを計算すること無く）個々の分析サンプルを、対応する参照サンプルと比較するのみでも実行され得る。

同様に、強度値は、モデル関数と参照関数との間の相違（例えば、差異）に関する、他のどの手段に従って、計算されてもよい。

Claims

患者の臓器を分析するデータ処理方法（Ａ１−Ａ１４）において、
前記データ処理方法は、
分析期間における臓器を表す一連のインプット画像を提供するステップ（Ａ１）であって、個々のインプット画像は、前記分析期間内に含まれる対応する取得の瞬間における臓器の対応する位置の呼び掛け信号に対する応答を、各々が示すインプット値のセットを含む、ステップと、
選択された位置のセットのうちの各々と、時間に関する分析関数を関連付けるステップ（Ａ２、Ａ３、Ａ４、Ａ５）であって、前記分析関数は、一連のインプット画像内の選択された位置のインプット値の傾向をモデル化するものである、ステップと、
前記分析関数に対して時間に関する参照関数を提供するステップ（Ａ２’、Ａ４’、Ａ５、Ａ６’）とを含み、
個々の選択された位置の分析関数を、選択された位置の分析関数と参照関数との間の相違の極性の分析期間における傾向を表す極性傾向を判別する参照関数と、比較し、前記相違の極性は、選択された位置の分析関数の特徴が参照関数の特徴よりも大きい、等しい、または小さいかを示す、ステップ（Ａ７）と、
個々の選択された位置に対するパラメトリック値を含むパラメトリック画像を生成するステップ（Ａ８−Ａ１３）であって、パラメトリック値は、選択された位置の極性傾向を示す、ステップとにより特徴付けられる
方法。
極性傾向が、選択された位置の分析関数と参照関数との間の差異の符号に関する、分析期間における傾向を表す
請求項１に記載のデータ処理方法（Ａ１−Ａ１４）。
個々の選択された位置の分析関数を参照関数と比較するステップ（Ａ７）が、
分析期間における、選択された位置の分析関数と参照関数との間の差異に基づいて、差異関数の表現を計算するステップであって、個々の選択された位置に対するパラメトリック値が、選択された位置の差異関数の符号に関する、分析期間における傾向に従って計算される（４００）、ステップを含む
請求項２に記載のデータ処理方法（Ａ１−Ａ１４）。
差異関数の表現を計算する（Ａ７）ステップが、
差異関数の離散表現を計算する（Ａ’）ステップであって、差異関数の離散表現は一連の差異サンプルを含み、それらの各々は、対応するサンプリングの瞬間における分析関数の値と参照関数の値との間の差異に等しい、ステップを含む
請求項３に記載のデータ処理方法（Ａ１−Ａ１４）。
差異関数の表現を計算する（Ａ７）ステップが、
前記一連の差異サンプルを適合させることにより差異関数のパラメトリック表現を計算するステップ（４１５）を含む
請求項４に記載のデータ処理方法（Ａ１−Ａ１４）。
パラメトリック画像を生成する（Ａ８−Ａ１３）ステップが、
選択された位置の極性傾向に従って、複数の所定のクラスの間の一つに、個々の選択された位置を分類する（Ａ８）ステップと、
対応するクラスに従って、個々の選択された位置のパラメトリック値を設定する（Ａ１０）ステップとを含む
請求項１乃至５のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）。
個々の選択された位置を分類する（Ａ８）ステップが、
差異関数が分析期間内にて主として正である場合、選択された位置を正の単極性クラスに分類し、
差異関数が分析期間内にて主として負である場合、選択された位置を負の単極性クラスに分類し、
差異関数が分析期間の第１の部分内にて主として正であり、第１の部分に続く分析期間の残りの第２の部分内にて主として負である場合、選択された位置を正−負の両極性クラスに分類し、
差異関数が分析期間の更なる第１の部分内にて主として負であり、更なる第１の部分に続く分析期間の残りの更なる第２の部分内にて主として正である場合、選択された位置を負−正の両極性クラスに分類し、及び／又は、
差異関数が分析期間内にて実質的にゼロである場合、選択された位置をヌルクラスに分類するステップ（４０６−４６９）を含む
請求項６に記載のデータ処理方法（Ａ１−Ａ１４）。
選択された位置を分類するステップ（４０６−４６９）が、
差異関数が正である差異関数に関する、分析期間における積分に従って、正のエネルギを計算するステップ（４０９、４３０；４１５−４１８、４３０）と、
差異関数が負である差異関数の絶対値に関する、分析期間における積分に従って、負のエネルギを計算するステップ（４０９、４３０；４１５−４１８、４３０）と、
正のエネルギと負のエネルギの合計が閾値より小さい場合、選択された位置をヌルクラスに分類し、正のエネルギが更なる閾値を超える場合、選択された位置を正の単極性クラスに分類し、負のエネルギが更なる閾値を超える場合、選択された位置を負の単極性クラスに分類し、及び／又は、それら以外の場合、選択された位置を正−負の両極性クラス若しくは負−正の両極性クラスに分類するステップ（４３６−４６９）とを含む
請求項７に記載のデータ処理方法（Ａ１−Ａ１４）。
選択された位置を正−負の両極性クラス若しくは負−正の両極性クラスに分類するステップ（４３６−４６９）が、
差異関数が分析期間内に最大値に到達する正のピークの瞬間を計算するステップ（４５１；４５７）と、
差異関数が分析期間内に最小値に到達する負のピークの瞬間を計算するステップ（４５１；４５７）と、及び、
最大ピークの瞬間が最小ピークの瞬間を超える場合、選択された位置を正−負の両極性クラスに分類し、最小ピークの瞬間が最大ピークの瞬間を超える場合、選択された位置を負−正の両極性クラスに分類するステップ（４６３−４６９）とを含む
請求項８に記載のデータ処理方法（Ａ１−Ａ１４）。
パラメトリック画像を生成する（Ａ８−Ａ１３）ステップが、
個々の選択された位置に対して、分析期間における選択された位置の分析関数と参照関数との間の相違を計測する強度値を計算（Ａ８）し、対応する強度値に従って個々の選択された位置のパラメトリック値を設定するステップを含む
請求項１乃至９のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）。
個々の選択された位置に対する強度値を計算（Ａ８）するステップが、
差異関数の絶対値に関する、分析期間における、積分に従って、強度値を設定するステップを含む
請求項３を直接若しくは間接に引用する際の請求項１０に記載のデータ処理方法（Ａ１−Ａ１４）。
パラメトリック画像をディスプレイ（Ａ１４）するステップであって、パラメトリック画像の個々のパラメトリック値が、対応するクラスのためのクラス可視化ディメンジョン及び／又は対応する強度値のための強度可視化ディメンジョンを有するグラフ表現により、ディスプレイされる、ステップを更に含む
請求項６乃至１１のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）。
クラス可視化ディメンジョンは、各々が対応するクラスのためのものである複数のカラーを含み、強度可視化ディメンジョンは、強度値に対応する輝度を含む
請求項１２に記載のデータ処理方法（Ａ１−Ａ１４）。
参照関数を提供する（Ａ２’、Ａ４’、Ａ５、Ａ６’）ステップが、
参照位置のセットを選択するステップと、
一連のインプット画像内の参照位置のインプット値の傾向をモデル化する参照関数を決定する（Ａ５，Ａ６’）ステップとを含む
請求項１乃至１３のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）。
参照関数を決定する（Ａ５，Ａ６’）ステップが、
個々のインプット画像内の参照位置のインプット値の平均値を計算するステップ（Ａ５）と、
一連のインプット画像内の平均値の傾向をモデル化する参照関数を決定するステップ（Ａ６’）とを含む
請求項１４に記載のデータ処理方法（Ａ１−Ａ１４）。
データ処理システム上で稼働する際、請求項１乃至１５のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）のステップをデータ処理システムに実行させるコード手段を含むコンピュータプログラム（３００）。
請求項１乃至１５のうちのいずれか一に記載のデータ処理方法（Ａ１−Ａ１４）のステップを実行するための手段（３００）を含む診断システム（１００）。