JP2015096196A - 医用画像処理装置および医用画像処理方法 - Google Patents
医用画像処理装置および医用画像処理方法 Download PDFInfo
- Publication number
- JP2015096196A JP2015096196A JP2014228331A JP2014228331A JP2015096196A JP 2015096196 A JP2015096196 A JP 2015096196A JP 2014228331 A JP2014228331 A JP 2014228331A JP 2014228331 A JP2014228331 A JP 2014228331A JP 2015096196 A JP2015096196 A JP 2015096196A
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- image data
- tubular structure
- registration
- processing apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 62
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 72
- 230000008569 process Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000001902 propagating effect Effects 0.000 claims description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 2
- 210000000709 aorta Anatomy 0.000 description 59
- 238000002591 computed tomography Methods 0.000 description 30
- 206010002329 Aneurysm Diseases 0.000 description 29
- 230000009466 transformation Effects 0.000 description 28
- 238000002595 magnetic resonance imaging Methods 0.000 description 22
- 230000000875 corresponding effect Effects 0.000 description 16
- 210000004204 blood vessel Anatomy 0.000 description 14
- 238000013519 translation Methods 0.000 description 12
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 10
- 210000000702 aorta abdominal Anatomy 0.000 description 10
- 208000007474 aortic aneurysm Diseases 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000000844 transformation Methods 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000012636 positron electron tomography Methods 0.000 description 4
- 238000011524 similarity measure Methods 0.000 description 4
- 0 CC[C@](*)[C@](*(CC)([C@]1C)C(*[C@]2(CC)[C@](C*C(*)C(C(C(CC(C(*)C(*)C(*C)*N=O)N=O)O)N=O)O)(C3)*=C)C3C2N=O)C1=C(*)CC Chemical compound CC[C@](*)[C@](*(CC)([C@]1C)C(*[C@]2(CC)[C@](C*C(*)C(C(C(CC(C(*)C(*)C(*C)*N=O)N=O)O)N=O)O)(C3)*=C)C3C2N=O)C1=C(*)CC 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 3
- 210000002376 aorta thoracic Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 210000002254 renal artery Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
Abstract
【課題】レジストレーション後に管状構造における変化を区別することができる医用画像処理装置および医用画像処理方法を提供する。【解決手段】本実施形態に係る医用画像処理装置は、管状構造を表す第1の医用画像データおよび管状構造を表す第2の医用画像データを取得するデータ処理部と、第1の医用画像データ内で管状構造を特定し、管状構造の長軸の少なくとも一部に沿って、管状構造を備える対象のボリューム領域を第1の医用画像データ内に定め、対象のボリューム領域に対応する第1の医用画像データのサブセットを定める領域特定部と、サブセットと第2の医用画像データの少なくとも一部との剛体レジストレーションまたはアフィンレジストレーションを実行する位置合わせ部とを備える。【選択図】 図2
Description
本発明の実施形態は、一般に、医用画像データをレジストレーションする(registering)医用画像処理装置および医用画像処理方法、例えば、医用画像データ内で管状構造をレジストレーションするための医用画像処理装置および医用画像処理方法に関する。
医用画像処理の分野では、医用画像は、しばしば、比較のための位置合わせが必要とされる。例えば、疾患の進行または治療の結果を査定するために、患者の現在の画像が、同じ患者の以前の画像と位置合わせされる。
画像処理の異なるモダリティ(Modality)、例えば、X線コンピュータ断層撮影装置(CT)および磁気共鳴イメージング(MR)を用いて取得された画像を比較または組み合わせて、各々のモダリティにおけるスキャンから取得された異なる情報を利用することが知られている。異なるモダリティは、異なる組織タイプに対して異なるレベルのコントラスト検出をもたらすことができる。一部の領域、組織または解剖学的特徴は、MR上よりCT上の方により現れることがあり、またはその逆もある。CTスキャンは、解剖学的情報に関してより良好に特徴が現われる。一方、MRスキャンは、より軟質の組織および機能的情報に関してより良好に特徴が現われる。
しかしながら、一般に、解剖学的特徴の位置は、例えば、異なる患者のポジショニング、患者の動き、画像処理の異なるモダリティ、または異なる画像処理パラメータのために、画像間で異なる。したがって、画像は、比較のための位置合わせを実行しなければならない。当該位置合わせとは、手動の位置合わせ、機械的位置合わせ、または例えばレジストレーションソフトウェアを用いることによるレジストレーションによる位置合わせを含めた、2つの画像データセットを互いにマッピングする任意の方法を指す。
所与の解剖学的特徴の2つの画像の正確な位置合わせを達成するために、画像の一方を変換し、解剖学的特徴の座標が、各々の結果として取得された画像において同じになるようにすることが必要である。これは、画像レジストレーションおよび変換のプロセスによって達成される。
剛体レジストレーション(Rigid Registration)は、2つまたはそれ以上の画像またはボリュームを剛体変換(回転および並進パラメータのみを伴う変換)によって位置合わせするための技術のクラスを指す。アフィンレジストレーション(Affine Registration)は、アフィン変換(回転、並進、スケーリング、またはシアリング)を用いるレジストレーションである。
画像レジストレーションのために、回転、並進、および均等スケーリング成分を使用することが時に有用である。これは、剛体変換より全体的であるが、アフィン変換ほど全体的ではない変換の空間を与える。
非剛体レジストレーション(Non rigid registration)は、局所的変形を含む変形を可能にするより一般的な変換を使用する技術のクラスを指す。
画像のレジストレーションのための技術が、良く知られている。一般に、レジストレーションは、一方の画像の座標系内の点を他方の画像の座標系内の対応する点上にマッピングすることによって画像内の対応する特徴を関連付ける、2つの画像間の最適な変換を見出すという目的を有する、最適化の課題である。
類似性測度は、2つの画像間の類似性の測度である。例えば、相互情報量(MI)手法では、各々の画像内の点が特定され、2つの画像間の統計的類似性(相互情報量)によって相関付けられる。
2つの画像のレジストレーションのために、1つの画像は一定に保たれ、他方は、レジストレーションのタイプによって規定されたパラメータのセット(例えば、適切な数の次元における剛体レジストレーション、回転および並進のパラメータ)にしたがって変換される。2つの結果として取得された画像間の類似性測度が、決定される。これは、パラメータから類似性測度までの目的関数を規定する。目的関数は、最適化関数、例えば、勾配降下法、山登り法またはPowell最適化などを用いて最適化されて、2つの画像に関連する最適化変換を達成する。この最適な変換は、第2の画像に適用されて、第1の画像と位置合わせされ、共通の座標系を有する変換された画像を取得する。
レジストレーションは、手動で(例えば、各々の画像上の対応する点を手動で選択することによって)、半自動的にまたは自動的に実行することができる。現在、数多くの医用画像処理システムは、以前の場合よりも多くのレジストレーションの自動化を有する。
自動レジストレーションの結果は、(グラウンドトゥルースとも呼ばれる)妥当性評価データと比較することによって、例えば、臨床専門家によって実行された手動のレジストレーションの結果と比較することによって評価される。
体内の管状構造、例えば、血管をレジストレーションすることが対象となる。血管をレジストレーションするための1つの動機は、疾患のある血管、例えば、狭窄または動脈瘤を有するものの進行を査定するために、異なる時期にとられた血管の画像を比較することである。そのような比較において、血管が、正確に比較されるように正しくレジストレーションされることが重要であるが、レジストレーションプロセスが、疾患から生じる可能性がある血管内の変化を除去しないことも重要である。
腹部大動脈瘤(AAA)は、血管壁内の脆弱性による大動脈の肥大である。AAAを有する患者には、動脈瘤破裂のリスクが存在し、これは、65%から85%の場整合命的となる(Kniemeyerら、Eur J Vasc Endovasc Surg 2000年;19:190〜196)。2000年においては、イギリス州およびウエールズ州だけでもAAA破裂からの死亡は約6800件であった(VardulakiらBr J Surg 2000年;87:195〜200)。65歳をこえる男性では、AAA破裂は、すべての死亡の2.1%を占める(Wilminkら、J Vasc Surg 1999年;30:203〜8)。AAAは通常、破裂するまで完全に無症状である。数多くのAAAは、患者の医用画像が別の医療目的で撮られたときに偶然に検出される。
超音波検査は、AAAに対するスクリーニングのために選択すべきモダリティになる。現在の医療実践の下では、患者がAAAを有すると見出された場合、患者は、定期的に、例えば6ヶ月、12ヶ月または24ヶ月の間隔で超音波によるサーベイランスを受ける。各々の超音波によるサーベイランススキャンは、動脈瘤の直径に対して単一の値をもたらす。各々のスキャンにおいて同じ動脈瘤直径を測定することは難しくなる。例えば、直径は、異なるスキャンにおいて異なる角度で測定される。
現在、外科的レビューは、動脈瘤のサイズに基づく。例えば、5.5cmまたはそれ以上の直径の動脈瘤の患者だけが、手術の予定に組み込まれる。しかしながら、動脈瘤のサイズは、必ずしも動脈瘤破裂の傾向を良好に示すものではないことが見出されている。一部の動脈瘤は、5.5cmを下回る直径で破裂することがある。一部の動脈瘤は、破裂することなく10から12cmの直径に達することがある。
動脈瘤を有することが知られている患者においては、破裂のリスクが最も大きい患者を決定するために、より侵襲的な経過観察が正当化される。そのような患者のより詳細な画像処理データを取得することにより、動脈瘤の破裂を引き起こす要因の知識が向上される。例えば、動脈瘤の組成物を分析することが可能になる。
上記経過観察は、MRおよびCTまたは他のモダリティなどの画像処理モダリティを用いた調査を含む。複数のモダリティスキャンが、各々のモダリティから異なる情報を取得するために実行される。例えば、AAAを画像処理する際、スキャンが血栓を通り抜けて移動するとき、一部の領域はCT上によく現れ、一方で他の領域はMR上でよく現れる。
異なるモダリティのスキャンは、同じとき、例えば、同じ日に行われる。あるいは、同じまたは異なるモダリティの画像が、長期的な調査の一部として撮られてもよく、この場合画像は、長期にわたって撮られる。例えば、画像は、異なる日、異なる週、または異なる月に撮られる。長期的経過観察は、時間経過による動脈瘤の形の変化を検出することを目的とする。MRまたはCTによる長期的経過観察は、正確な画像のレジストレーションからの恩恵を受けやすい。
動脈瘤が監視されている患者の標準的な臨床ケアは、MRまたはCTを単独で必要とする。
しかしながら、1つの現在のスキャンニングプロトコルは、2回のMRIスキャンを1日違いでとり、その2回目のスキャンが、炎症を標的にする造影剤を有するものであり、さらにCTスキャンを最初の日にとるものである。USPIO(超常磁性体酸化鉄)造影剤を用いる画像処理は、このように実行される。
腹部は非剛体である。腹部内のさまざまな組織および構造は、互いから独立して動く。したがって、単一の剛体レジストレーションは、腹部内の動きに対して正確に補正できない。
しかしながら、(腹部大動脈を含む)腹部における非剛体レジストレーションアルゴリズムをさらなる制約を全く有さずに用いることは、AAA内の真の変化を隠す恐れがある。非剛体レジストレーションは、レジストレーションされている画像間の動脈瘤の形を整合させることになる。したがって、動脈瘤内の変化は、レジストレーション後には区別できなくなることがある。
同じ考察が、体の他の部分、例えば、心臓などに発生する動脈瘤にも適用され、または他の医療状態、例えば、動脈などの管状構造内に発生する狭窄症にも適用される。
大動脈をレジストレーションするために提案されている1つの方法として、最初に大動脈を各々の画像から分割し、手動のレジストレーションを用いて分割から生じた2つのオブジェクトをレジストレーションすることによって、大動脈の2つのコンピュータ断層アンジオアンジオグラフィ(CTA)画像をレジストレーションすることが提案されている。
本実施形態の目的は、レジストレーション後に管状構造における変化を区別することができる医用画像処理装置および医用画像処理方法を提供することにある。
本実施形態に係る医用画像処理装置は、管状構造を表す第1の医用画像データおよび前記管状構造を表す第2の医用画像データを取得するデータ処理部と、前記第1の医用画像データ内で前記管状構造を特定し、前記管状構造の長軸の少なくとも一部に沿って、前記管状構造を備える対象のボリューム領域を前記第1の医用画像データ内に定め、前記対象のボリューム領域に対応する前記第1の医用画像データのサブセットを定める領域特定部と、前記サブセットと前記第2の医用画像データの少なくとも一部との剛体レジストレーションまたはアフィンレジストレーションを実行する位置合わせ部とを具備する。
以下、図面を参照しながら実施形態に係る医用画像処理装置および医用画像処理方法を説明する。なお、以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。
特定の実施形態は、管状構造を表す医用画像データをレジストレーションするための画像処理装置であって、管状構造を表す第1の医用画像データおよび管状構造を表す第2の医用画像データを取得するためのデータ処理部と、第1の医用画像データ内で管状構造を特定し、管状構造の長軸(長さ)の少なくとも一部に沿って、管状構造を含む対象の領域を第1の医用画像データ内に定め、対象の領域に対応する第1の医用画像データのサブセットを定めるための領域特定構成部と、第1の医用画像データのサブセットと第2の医用画像データの少なくとも一部をレジストレーションするためのレジストレーション構成部とを備える、医用画像処理装置を提供する。
管状構造の2つの画像をレジストレーションするように構成された、一実施形態による医用画像処理装置10が、図1に概略的に示されている。本実施形態では、データの各々のセットはCTデータを備える。代替の実施形態では、データのセットの1つまたは両方は、任意の適切な医用画像データ、例えば、MR、PET、SPECTまたはX線データを備える。医療は獣医学を含んでよい。
医用画像処理装置10は、コンピューティング装置12を備える。コンピューティング装置12は、CTスキャナ14、ディスプレイスクリーン16、およびコンピュータキーボード、マウスまたはトラックボールなどの入力デバイスまたは複数のデバイス18に連結された、パーソナルコンピュータ(PC)またはワークステーションである。代替の実施形態では、少なくとも1つのディスプレイスクリーン16は、タッチスクリーンであり、これはまた、入力デバイスとしても作用する。CTスキャナ14は、その代わりに、三次元画像データを取得する、いかなるCTスキャナでもよい。代替の実施形態では、CTスキャナ14は、画像処理の別のモダリティを支援するスキャナ、例えば、MRIスキャナ、X線スキャナ、またはPETスキャナによって置き換えられ、または補足される。
本実施形態では、CTスキャナ14によって取得された画像データのセットが、メモリ20内に記憶され、続いてコンピューティング装置12に提供される。代替の実施形態では、画像データのセットは、画像保存通信システム(PACS)の一部を形成する遠隔データストア(図示せず)から供給される。メモリ20または遠隔データストアは、メモリ記憶装置の任意の適切な形態を備える。
コンピューティング装置12は、画像データのセットを自動的にまたは半自動的に処理するための処理リソースを提供する。コンピューティング装置12は、中央処理装置(CPU)22を備える。中央処理装置(CPU)22は、図2で説明する方法を実行するように構成されている。CPU22は、さまざまなソフトウエアモジュールまたは他のソフトウェア構成要素をロードし、実行するように作動可能である。
コンピューティング装置12は、医用画像データと、当該医用画像データのサブセットとを取得するデータ処理部24と、領域特定部26と、医用画像データのサブセットをレジストレーションする位置合わせ部28とを備える。上記サブセットは、管状構造に関連して定められた対象の領域に対応する。
本実施形態では、データ処理部24、領域特定部26および位置合わせ部28は、本実施形態の方法を実行するように実行可能であるコンピュータ可読命令を有するコンピュータプログラムを用いることによってコンピューティング装置12内で各々が実行される。しかしながら、他の実施形態では、各々のユニットは、ソフトウェア、ハードウェア、またはハードウェアおよびソフトウェアの任意の適切な組み合わせで実装されてもよい。一部の実施形態では、さまざまなユニットは、1つまたは複数のASIC(アプリケーション固有集積回路)またはFPGA(フィールドプログラマブルゲートアレイ)として実装されてよい。さらなる実施形態では、1つまたは複数のユニットは、GPU(グラフィックスプロセッシングユニット)上に実装されてよい。
また、コンピューティング装置12は、RAM(Random Access Memory)、ROM(Read-Only Memory)、データバスを含むPCのハードドライブおよび他の構成要素と、さまざまなデバイスドライバを含むオペレーティングシステムと、グラフィックカードを含むハードウェアデバイスとを含む。そのような構成要素は、明確にするために図1には示されない。
図1のシステムは、図2のフローチャートに概要が示されている一連の段階を有するプロセスを実行するように構成される。
段階40において、データ処理部24は、メモリ20からまたは遠隔データストアから、または直接CTスキャナ14から、医用画像データの第1のセットおよび医用画像データの第2のセットを取得する。画像データの第1のセットおよび画像データの第2のセットは、同じ管状構造を有する。画像データの各々のセットは、管状構造および管状構造に隣接する組織を有する。画像データのセットは、同じ日または異なる日(例えば、長期的調査の一部として)に撮られていてもよい。
本実施形態では、管状構造は第1の画像データによって表され、第2の画像データは腹部大動脈である。代替の実施形態では、管状構造は、別の血管、例えば、胸部大動脈でよい。管状構造は、プラークまたは動脈瘤を有する血管でよい。別の実施形態では、管状構造は心臓でよい。
本実施形態では、画像データのセットの各々は、CTスキャンからのボリュームデータである。ボリュームデータは、一連の二次元画像スライスを備える。一連の二次元画像スライスは、一緒になって三次元画像データセットを構成する。各々の二次元画像スライスは、複数のボクセルから構成される。各々のボクセルは強度値を有する。各々のボクセルは、そのボクセルの強度値が、選択された座標系(例えば、デカルト座標系)で測定された空間的位置を表す座標系(例えば、x,y,z座標)のセットを有する。さらなる実施形態では、画像データのセットの1つまたは両方は、三次元画像情報を表す任意のモダリティにおけるスキャンからのもの、例えば、MRIデータ、PETデータ、SPECTデータ、またはX線データである。
本実施形態では、第1の画像データは、腹部大動脈の長軸の少なくとも一部に沿って大動脈の上部から大動脈の分岐までとられたスライスを有する。図2のプロセスなどのレジストレーションプロセスを実行する際、管状構造の健康部分が、罹患しているまたは罹患していると疑われるいかなるセクションにも加えて含まれることが望ましい。例えば、分岐点、腎臓動脈、および大動脈の分岐を含むために、追加のスライスを画像に加えることが可能である。基準点またはランドマークを有することが望ましい。分岐点は通常動かないため、適切な基準点またはランドマークになる。
本実施形態では、画像データの第1のセットおよび画像データの第2のセットは、同じ解像度を有する。さらなる実施形態では、例えば、画像データの第1のセットおよび画像データの第2のセットが異なるモダリティで撮られる場合、画像データのセットは異なる解像度を有する。例えば、MR画像は、CT画像とは異なるボクセル解像度を有する。画像データの2つのセットが異なる解像度を有する場合、データ処理部24は、画像データの一方のセットを、画像データの他方のセットの解像度に整合させるようにスケーリングする。このとき、図2のプロセスにおけるさらなる段階は、スケーリングされた画像データ上で実行される。
画像データの第1のセットおよび画像データの第2のセットは、レジストレーションを受けることが意図されている。このため、画像データの第1のセットおよび画像データの第2のセットは、基準画像および浮動画像とも称される。画像データの第1のセットまたは画像データの第2のセットのいずれか1つが基準画像であれば、画像データの第1のセットまたは画像データの第2のセットの他方は浮動画像である。
図3は、いかなる位置合わせまたはレジストレーションも行われていない大動脈の画像の重ねられた対を示している。
段階42においては、領域特定部26は、画像データのセットごとに、管状構造の管腔内、この場合は腹部大動脈の管腔内に初期シード(Seed)点を取得する。
本実施形態では、ユーザは、初期シード点をその上に選択するべき画像データの第1のセットの初期スライスを選択する。初期スライスは、第1の画像データのどのようなスライスでもよい。本実施形態では、第1の画像データは、腹部大動脈の長軸に沿って大動脈の上部から大動脈の分岐までとられたスライスを備える。本実施形態では、ユーザは、腹部大動脈の長軸に沿って約半分のところにある初期スライスを選択する。
さらなる実施形態では、ユーザは、管状構造内のスライスの位置、三次元画像内のスライスの位置、または任意の他の適切な基準に基づいて、初期シード点をその上に選択するべき初期スライスを選択する。一部の実施形態では、ユーザは、例えば、2つまたはそれ以上のスライスを比較して、大動脈が最も明確にまたは最も丸く出現するスライスを選択する。これにより、画像の特徴に基づいて初期スライスを設定する。
本実施形態では、選択された初期スライスは、ディスプレイスクリーン16上に画像として表示される。ユーザは、入力デバイス18を用いて、例えば、マウスで点をクリックすることによって大動脈の管腔内で点を選択する。領域特定部26は、選択された点を初期シード点として指定する。一部の実施形態では、領域特定部26は、シード点がその上に置かれたボクセルを初期シード点として指定する。他の実施形態では、領域特定部26は、初期シード点としてボクセルの小さいグループを指定する。さらなる実施形態では、2つ以上の初期シード点が指定されてよい。
ユーザは、第2の画像データの初期シード点をその上に選択するべき第2の画像データの初期スライスを選択する。ここでも初期スライスは、画像データの任意のスライスでよい。本実施形態では、第2の画像データの初期スライスは、腹部大動脈の長軸に沿って約半分のところになるように選択される。第2の画像データ用の初期スライスは、第1の画像データ用に選択された初期スライスに対応する必要はない。例えば、第1および第2の画像データの初期スライスが、体内の同じ位置を表すことは必要とされない。第2の画像データ内のどのようなスライスも、第1の画像データ用の初期スライスの選択とは関係なく選択される。参照画像上と浮動画像上の両方で選択された初期シード点は、必ずしも対応したスライス上に置かれない。
ユーザは、第2の画像データ用に選択された初期スライス上で初期シード点を選択する。本実施形態では、ユーザは、第1の画像データ上の初期シード点を選択した方法と同様に、マウスで初期スライス上の点をクリックする。これにより、第2の画像データ上で初期シード点を選択する。他の実施形態では、任意の他の適切な点の選択方法として、例えば、キーボード、トラックボールまたはタッチスクリーンを、初期シード点の1つまたは両方を選択するために使用してよい。
図4は、画像上に示された照準線55を配置することによって大動脈100の中心点をユーザがその上に特定することができる画像スライスを示している。
段階44において、領域特定部26は、自動微調整プロセスを用いて大動脈内でシード点を中心に置く。これにより、ユーザによって特定された各々の初期シード点を補正する。本実施形態では、領域特定部26は、第1および第2の画像データごとに、それぞれの初期スライス上の大動脈内でシード点を中心に置く。
本実施形態では、領域特定部26は、円形ハフ変換を使用して初期スライス用の画像データ内で大動脈を特定する。他の実施形態では、円形検出の代替の方法が使用されてよい。領域特定部26は、初期シード点が大動脈の管腔の内側に置かれたという知識、および大動脈がおよそ円形であるという事実を使用する。大動脈に対応する近似円を認識した後、領域特定部26は、補正されたシード点として、その近似円の中心において点を選択する。近似円の中心は、円形ハフ変換または任意の他の方法によって決定される他の実施形態では、近似円の中心は、確率密度モデル、ブロブ特徴検出方法、縁検出方法、遺伝的アルゴリズム、または任意の適切な分類子または特徴検出方法を用いて決定される。
さらなる実施形態では、領域特定部26は、ユーザ入力に基づいて大動脈を特定する。例えば、ユーザは、大動脈の外形を手動で描くことができ、または画像内の大動脈上に円を配置することができる。
図6は、補正されたシード点が、円形ハフ(Hough)変換を用いて特定された近似円58の中心内で十字57を用いてマークされた、画像スライスを示している。近似円58は、大動脈の境界にわたってマークされる。
さらなる実施形態では、段階44は省略され、領域特定部26は、ユーザ特定された初期シード点を、図2のプロセスのその後の段階において画像データの各々のセットに対して使用する。
代替の実施形態では、ユーザが段階42で初期シード点を選択する代わりに、各々の初期シード点は、領域特定部26によって選択される。1つの実施形態では、領域特定部26は、画像データのセットごとに、腹部大動脈に沿って約半分のところの位置を表す初期スライスを選択する。領域特定部26は、円形ハフ変換を使用し、大動脈がほぼ円形であるという事実を用いてスライスの画像内で大動脈を特定する。また、領域特定部26は、画像スライスデータ内のさらなる情報を使用し、例えば、画像スライス内の大動脈の可能性のあるサイズ、画像スライス内の大動脈の可能性のある位置、画像スライス内の他の解剖学的特徴または組織タイプの場所、または任意の他の適切な情報の1つまたは複数を用いることによって大動脈の位置特定を支援する。代替の実施形態では、領域特定部26は、確率密度モデル、ブロブ(Blob)特徴検出方法、縁検出方法、遺伝的アルゴリズム、または任意の適切な分類子または特徴検出方法を用いて大動脈を特定する。
大動脈に対応する近似円を認識した後、領域特定部26は、初期シード点として、(円形ハフ変換または任意の他の方法によって決定された)その円の中心において点を選択する。初期シード点が領域特定部26によって自動的に取得されるそのような実施形態では、初期シード点は、これを大動脈内の中心に置くための補正は必要でないことがある。したがって、段階44は省略されてよく、この初期シード点は、その後の段階において補正されたシード点として使用される。
シード選択の他の代替方法として、例えば、プロセスが異なる管状構造に適用されるときに使用されてよい。代替方法は手動でも自動でもよく、段階44を含んでも含まなくてもよい。
代替の実施形態では、初期シード点は、スキャナによって取得された2次元スライスの1つからだけでなく、画像データの各々のセットの任意の適切な図から、例えば、三次元ボリュームがレンダリングされる図から、またはそのようなボリューム画像を貫通する任意の断面から選択されてよい。2つ以上の初期シード点が選択されてよい。初期シード点は、2つ以上のスライス上に手動でまたは自動的に選択される。ここで、初期シード点を選択することは、ボクセルのグループまたはボクセルの領域を選択することを含んでいる。
代替の実施形態では、管状構造は、1つのスライスまたは複数のスライス上での円形認識に限定されない任意の適切な方法で特定されてよい。強化後の画像は、通常、周りの組織より血管に対してかなり高い強度値を与える。このため、一部の実施形態では、画像内の血管の場所に限界値を置くことを伴う簡単な閾値化方法が、目標の血管を位置特定することを可能にする。一部の実施形態では、管状構造は、画像データ内で分割される。任意の適切な分割方法が使用されてよい。分割が使用される場合では、分割の輪郭ではなく、分割された領域内の情報が使用される。輪郭を使用することは、分割の精度に対してレジストレーションの精度を限定する。
段階46においては、領域特定部26は、画像データのセットごとに、初期画像スライス上の補正されたシード点(大動脈管腔内の中心に置かれたシード点)周りに対象の初期領域を生成する。この場合の対象の領域は、含まれるべきオブジェクト(大動脈管腔)上の必要な情報をほぼ含み、有用ではない情報のほとんどを排除した領域である。本実施形態では、領域特定部26は、対象の初期領域として、補正されたシード点上に中心が置かれた画像スライスの正方形領域を定める。正方形領域のサイズは、正方形領域が大動脈を表す画像の部分のすべてを含む。
本実施形態では、正方形領域のサイズは、画像の解像度および初期スライス上で示された最大の大動脈寸法に基づいて定められる。例えば、画像の解像度は、xmm/ピクセルでよく、大動脈の最大寸法はYmmでよい。この場合、対象の初期領域は、Y/xピクセルの長さである辺を有する正方形である。
さらなる実施形態では、ユーザは、異なる軸方向スライスを観察する。さらに、ユーザは、対象の領域に関するピクセルの特定の数字の適切なサイズを直接見出すことによって正方形領域のサイズを定めることができる。他の実施形態では、領域のサイズは自動的に決定され、かつ/または領域は自動的に特定される。
図5は、対象の領域56がその上に定められた画像スライスを示している。対象の領域56は、画像の残りの部分より薄く、大動脈100を含む正方形である。
他の実施形態では、対象の初期領域として定められた領域の形状は、正方形でなくてよい。定められた領域の形状は、例えば、円形、矩形、長円、多角形、または任意の他の適切な二次元形状でよい。定められた領域の形状は、レジストレーションされる対象の管状構造の形状によって決定される。一部の実施形態では、定められた領域の形状は、管状構造の形状に対応する形状でよい。領域特定部26は、初期スライス上に、対象の初期領域になるように定められた正方形領域をとる。正方形領域内に位置するボクセルが、初期スライス上の対象の初期領域の一部であるとしてフラグが立てられる。正方形領域の外側に位置するボクセルは、対象の初期領域の一部ではないとしてフラグが立てられる。
段階48において、画像データのセットごとに、領域特定部26は、補正されたシード点を含む初期スライス上に特定された対象の初期領域を使用して、画像データのセットのさらなるスライス上のさらなる対象の領域を特定する。
本実施形態では、領域特定部26は、最初、初期スライスに隣接するスライスを選択する。領域特定部26は、初期スライス上の対象の領域の外観を整合させることによって隣接するスライス内に対象の領域を選ぶ。領域特定部26は、任意の適切な整合アルゴリズム、例えば、初期スライスのボクセル強度を隣接するスライスのボクセル強度に整合させる整合アルゴリズムを用いて整合処理を実行する。なお、整合処理は、剛体レジストレーションまたはアフィンレジストレーションを実行することを有する。本実施形態では、領域特定部26は、相互情報量の類似性測度を用いて初期スライスおよび隣接するスライスの剛体レジストレーションを実行する。スライスの各々は二次元であるため、初期スライスおよび隣接するスライスをレジストレーションすることは、1回の回転および1回の並進だけを必要とする。領域特定部26は、初期スライスからの対象の初期領域を隣接するスライス上にマッピングする。これにより、領域特定部26は、隣接するスライス上にさらなる対象の領域を決定する。また、領域特定部26は、初期スライスの補正されたシード点に対応する基準点を隣接するスライス上に決定する。基準点は、隣接するスライス上に定められた対象の領域の中心にある。
領域特定部26は、隣接するスライス上の基準点を微調整して、隣接するスライス上に表された大動脈内で基準点を中心に置く。本実施形態では、領域特定部26は、円形ハフ変換を用いて、段階44における初期シード点の補正と同じようなやり方で基準点を中心に置く。中心に置かれた基準点は、補正された基準点と称される。
基準点が補正された後、隣接するスライス上の対象の領域の位置は、基準点の補正にしたがって調整されて、補正された基準点上に対象の領域の中心を置く。さらなる実施形態では、初期シード点は、隣接するスライスに対して、例えば、ユーザ選択によって取得される。隣接するスライスの対象の領域は、段階42および段階44の方法によって初期スライスと整合させずに取得される。
隣接するスライスに関する対象の領域および補正された基準点を取得するために、上記で説明したプロセスは、画像データの各々のセットを構成する残りのさらなるスライスの各々に対して繰り返される。例えば、隣接するスライスの隣にあり、初期スライスではないスライスの対象の領域および補正された基準点は、そのスライスを隣接するスライスに整合させることによって決定する。プロセスは、次のスライスに対して繰り返される。対象の初期領域は、それによってさらなるスライスに伝播される。対象の領域がその上に決定された各々のスライスは、任意の隣のスライス上の対象の領域を決定するために使用される。プロセスは、テンプレート整合による領域成長と称される。
段階48の出力は、画像データのセットごとの、初期スライス上の対象の初期領域およびさらなるスライス上の対象のさらなる領域、それと共に初期スライス上の補正されたシード点およびさらなるスライス上の補正された基準点である。補正されたシード点および補正された基準点を含む点のセットは、段階52では血管中心点のセットとして使用される。任意の管状構造の通常の場合、補正されたシード点および補正された基準点を含む点のセットは、管状構造の中心点のセットとして使用される。このとき中心点のセットは、管状構造の長軸に沿って定められる。さらなる実施形態では、点の任意の適切なセットが各々の管状構造の長軸に沿って決定されてよく、これは、必ずしも中心点でなくてよい。各々の点は、座標系内の単一の点、画像データのセット内のボクセル、画像データのセット内のボクセルのグループ、または任意の他の適切なデータ項目を含む。
図7は、各々の画像スライスに対して確立された対象の領域56を概略的に表している。
本実施形態では、シード点の補正は、追跡プロセスに組み込まれる。各々のスライス上で対象の領域が追跡され、シード点が生成された後、シード点は、円形検出結果に基づいて補正される。
他の実施形態では、円形検出およびシード点または基準点位置の補正は、任意の適切な順序で実行されてよい。これは、円形検出およびシード点または基準点の補正のプロセスは、計算コストが高くないためである。
1つの実施形態では、補正されたシード点が、初期スライス上で取得され、対象の初期領域が生成される。対象の初期領域は、対象のさらなる領域を取得するためにさらなるスライス上で追跡される。そのような実施形態では、シード点の場所は、初期スライス上のみで補正されてよく、さらなるスライス上では補正されなくてよい。
別の実施形態では、初期シード点は、初期スライス上で取得される。対象の初期領域は、初期シード点上に中心が置かれる。基準点は、さらなるスライス上で対象の領域を追跡することによって他のスライスの一部またはすべてで取得される。初期シード点および基準点は、対象の領域の追跡が完了した後、一緒にまたは独立的に補正される。代替の実施形態では、血管中心点は、任意の適切な血管追跡アルゴリズムによって見つけられてよい。血管中心線は追跡されてよい。血管中心線は互いに整合されまたはレジストレーションされてよい。
図8は、段階42から48の追跡プロセス中の時間単位のモーメントを表している。これは、画像データの第1のセット(左)および画像データの第2のセット(右)に対して特定された血管中心点を示している。図8に表されたプロセスの段階において、血管中心点は、スキャンスライスのすべてではなく一部上に決定されている。血管点がまだ決定されていないスライスは、図8では隠されている(灰色表示される)。
画像データの第1のセット上では、補正されたシード点60は、中央スライス(中央スライスは、点線65で示されたスライスである)ではなくスライスのセットの中央近くにある第1のスライスに対して決定されている。他の実施形態では、シード点60は、補正が対象の領域の伝播後に実行される場合、補正されたシード点ではなく初期シード点になる。
補正された基準点62が、初期スライスの両側のいくつかのスライスに対して決定されている(これらのスライスは灰色表示されていない)。本実施形態では、基準点62は、初期スライスの両側で同時に追跡することによって、例えば、パラレルコンピューテイング技術を用いることによって決定することができる。代替の実施形態では、基準点62は、最初に初期スライスの一方側のすべてのスライスに対して決定され、その後反対側のスライスに対する基準点の決定が続くことができる。
画像データの第2のセット上では、補正されたシード点70が、初期スライス上で決定され、補正された基準点72が、初期スライスの各側のいくつかのスライスに対して決定されている。画像データの第1のセット内の補正されたシード点60および画像データの第2のセット内の補正されたシード点70は、対応するスライス上にはないことが留意される。中心をわたる点線65は、大動脈の長軸に沿って測定された中央スライスを表す。
代替の実施形態では、基準点の追跡(対象の領域を伝播することによる初期シード点からの基準点の生成)は、1つまたは複数の追加のスライスが、スキャンスライスの各々の隣接する対間に補間される、補間ボリューム上で実行されてよい。そのような補間は、追跡のロバスト(Robust)性を増大させる。
個々のスライスに関して定められた対象の領域は、対象の平面領域と称される。本実施形態では、領域特定部26は、画像データの各々のセットに対する対象のボリューム領域を定める。画像データのセットごとに、対象のボリューム領域は、個々のスライス上に定められた対象の平面領域のすべての組み合わせである。他の実施形態では、画像データの各々のセットに対する対象のボリューム領域は、画像内のスライスのサブセットからの対象の平面領域の組み合わせである。対象のボリューム領域は、管状構造と、対象の領域内に含まれた任意の追加の組織と含む。本実施形態では、対象の平面領域は、正方形である。また、対象のボリューム領域は、ほぼ円形の大動脈と、対象の正方形の平面領域内に含まれた任意の他の組織とを含む。
段階50において、領域特定部26は、画像データのセットごとに、対象のボリューム領域内に含まれるすべてのボクセル(すなわち、そのそれぞれのスライスの対象の領域内に入るすべてのボクセル)をサブセットが備える場合、ボリューム画像データのサブセットを定める。画像データのスライスごとに、対象の正方形領域の一部であるとフラグが立てられたボクセルは、サブセット内に含まれ、対象の正方形領域の一部ではないものはサブセットから排除される。
代替の実施形態では、対象の各々の領域内のボクセルは、各々の対象の領域が段階46および48内で定められるのと同じときに適切なサブセットに加えられる。
段階50の出力は、画像データの各々のセットのボリュームサブセットである。各々の対象の平面領域が、それぞれのスライス上で表されたような大動脈および周りの組織の一部を含むことを考えれば、各々の対象のボリューム領域およびデータの対応するサブセットは、画像データのセット内に表される大動脈のすべてと共に大動脈を境界付ける組織の一部を含む。
本実施形態では、大動脈を囲む各々の対象のボリューム領域および画像データの各々の対応するサブセットは、それぞれのユーザが定めたシード点(画像データの各セット上の1つ)から半自動的に算出されるが、完全な自動化も実行可能である。
さらなる実施形態では、管状構造は分割され、対象のボリューム領域は、分割された管状構造の長軸の周りに定められる。サブセットは、管状構造の周りの対象のボリューム領域内に入るボクセルとして定められる。
段階52において、位置合わせ部28が、画像データの第1のセットおよび画像データの第2のセットの初期位置合わせを実行する。レジストレーション方法を含む、位置合わせの任意の適切な方法が使用される。
本実施形態では、位置合わせ部28は、段階46から画像データの各々のセットに対して取得された血管中心点のセットを使用する。位置合わせ部28は、血管中心点の各々のセットをポイントクラウドとして考える。位置合わせ部28は、反復最近傍点(ICP)検索を用いて血管中心点のポイントクラウドを剛体的に変換し、画像データの第1のセットからのポイントクラウドと画像データの第2のセットからのポイントクラウドを整合させる。ICP検索は、最少二乗距離誤差に基づく。ICP検索は、ポイントクラウド間の距離が最小になるまで、ポイントクラウド間の変換を反復的に見直す。変換は、並進および回転を含む剛体変換である。ICPを用いる利点は、これが、2つの画像間の近似の位置合わせを達成する迅速でコンピュータ上効率的なプロセスであることである。
図9は、初期位置合わせが実行される前の、画像データの第1のセット内の(対象の中心点の領域とも称される)血管中心点および画像データの第2のセット内の血管中心点のプロットである。画像データの第1のセット内の血管中心点は、星で表され、画像データの第2のセット内の血管中心点は、円で表される。図10は、初期位置合わせ後の血管中心点のプロットであり、点は実質的に、ただし完全ではないが重ねられていることを示している。
さらなる実施形態では、位置合わせ部28は、任意の他の適切な方法を用いて血管中心点を整合する。
別の実施形態では、初期位置合わせは、任意の適切なレジストレーション方法を用いた、第1の画像データのサブセットおよび第2の画像データのサブセットの初期の大まかなレジストレーションである。各々のサブセットは、その本来の解像度より低い解像度に低解像度処理される。剛体レジストレーションは、この低解像度処理されたサブセット上で実行される。
さらなる実施形態では、任意の適切な方法を使用して、画像データの第1のセットおよび画像データの第2のセットの初期位置合わせを実行する。
初期位置合わせは、画像データの2つのセットを最適に位置合わせする近似変換を見出す。本実施形態では、近似変換は、並進および回転を含む剛体変換である。位置合わせ部28は、初期位置合わせから生じた変換にしたがって画像データの第2のセットのサブセットを変換して、画像データの第2のセットの変換されたサブセットを与える。サブセットの一部ではない画像データの第2のセットの残りの部分は、この段階では変換されない。他の実施形態では、画像データの第1のセットのサブセットが変換され、画像データの第2のセットはいずれも変換されない。さらなる実施形態では、画像データの第2のセットのすべてが変換され、または画像データの第1のセットのすべてが変換される。データのセット全体の変換は、サブセットの変換よりも多くの計算リソースを必要とする。
初期位置合わせには制約が課される。本実施形態では、大動脈のサイズに基づく検索スペースが定められ、許容される並進を大動脈の直径の半分に限定する。許容される並進限界値が、位置合わせ部28内に事前決定された値として設定される。回転における任意の限界値が、位置合わせ部28内で事前に決定された値として設定される。他の実施形態では、並進および回転における限界値は、ユーザによって選択されてよく、または画像データのセットからすでに取得されている任意の情報を参照することによって位置合わせ部28によって算出されてよい。
段階54において、位置合わせ部28は、画像データの第1のセットのサブセットおよび画像データの第2のセットの変換されたサブセットの最大解像度において剛体レジストレーションを実行することによって、画像データの第1のセットおよび画像データの第2のセットの初期位置合わせを微調整する。この微調整は、サブセットの変換の最適化になると考えられる。本実施形態では、剛体レジストレーションとして、相互情報計量による強度ベースのレジストレーションを実行する。剛体レジストレーションは、並進および回転等の剛体変換を生じさせる。剛体変換は、サブセットの最適変換になるように考えられる。サブセットの剛体変換が決定された後、すべての画像データセットの変換を、すべての画像データセット内のサブセットの場所を用いて直接的に算出する。剛体変換は、画像データの最終の第2のセットを与えるために画像データの変換された第2のセットに適用される。
本実施形態では、初期位置合わせおよび剛体レジストレーションは、管状構造(実施形態では大動脈)と共に(実施形態では正方形である)対象の平面領域内に含まれた任意の他の組織を有する、対象のボリューム領域上で実行される。初期位置合わせまたは剛体レジストレーションのいずれも、分割された血管上では実行されない。どの時点でも血管の全分割は、実行されない。
図11は、初期位置合わせがその上で実行された重ねられた画像の対を示している。図12は、初期位置合わせが、剛体レジストレーションによって微調整されて、位置合わせを向上させた同じ対の画像を示している。
本実施形態では、最大解像度における剛体レジストレーションには制約は加えられない。初期位置合わせにおける制約が、剛体レジストレーションが適切に制約されることを確実にするのに十分であることが見出されている。代替の実施形態では、例えば、並進または回転上の限界値などの制約が、剛体レジストレーション上に課されてよい。
画像データの第1のセットおよび画像データの変換されたセットが、ディスプレイスクリーン16上に表示される。結果として取得された画像内で画像データの第1のセットと画像データの変換されたセットとを区別する、任意の適切な手段が使用される。例えば、画像は、異なる色で表示されてよい。1つの実施形態では、画像データの第1のセットは、例えば、赤で色づけされて表示される。また、画像データの変換されたセットは、例えば、青で色付けされて表示される。
任意の適切な方法が、剛体レジストレーションに使用されてよい。本実施形態では、剛体レジストレーションは、最大解像度(画像データの元の解像度)で実行されるが、代替の実施形態では、異なる解像度が使用されてよい。
初期位置合わせによっておおよそで位置合わせされた画像データから開始することにより、レジストレーションは、初期の位置合わせが行われなかったデータ上で実行された場合よりかなり速くなる。加えて、段階52の初期位置合わせの使用は、極小値が回避されることを意味する。
画像データセット全体ではなく、対象のボリューム領域に対応する各々の画像データセットのサブセットの初期位置合わせおよび剛体レジストレーションを実行することは、これらのプロセスがデータセット全体において実行された場合より少ない計算リソースを必要とする。画像データの全セットの変換は、必要な場合にプロセスの出力として算出されるだけでよく、レジストレーションの最適化中に実行されなくてよい。
本実施形態では、レジストレーションの非剛体性を限定することが必要である。図2のプロセスは、大動脈およびそのすぐ周辺のもののみを用いて必要とされる変換を算出することによって、剛体レジストレーション(並進および回転のみ)を厳密に大動脈に適用する。大動脈自体は、大動脈内の血圧のために実質的には剛体である。動脈瘤自体もまた、固定の血栓および一部の石灰化を含むために幾分剛体にもなる。非剛体レジストレーションが、段階54のレジストレーションプロセス内に含まれる場合、画像データの第1のセットと画像データの第2のセットとの間の動脈瘤の任意の変化が、レジストレーションされた画像内に現れない可能性がある。第1の医用画像データおよび第2の医用画像によって表された、大動脈または動脈瘤の一部ではない組織(非管状構造の組織)は、大動脈または動脈瘤より剛体性が小さくなる。非管状構造の組織は、実質的には非剛体になる。すなわち、大動脈または動脈瘤は、非管状構造の組織より剛体である。
図13は、大動脈100を示す、画像データの第1のセットおよび画像データの最終の第2のセットの重ねられた画像である。画像データの第1のセットは基準データであり、画像データの第2のセットは浮動データである。大動脈自体は、意図されたように良好にレジストレーションされているが、生体構造の他の部分は、画像間の相対的移動を示していることが見られる。
レジストレーションを、大動脈周りの対象の領域に対応する画像データのサブセットに制限することにより、スキャンの残りの部分内の非剛体材料が、レジストレーションから排除される。非剛体材料は良好にレジストレーションされていないことが図13から見られる。これは、図2のプロセスの目的が大動脈をレジストレーションすることであり、生体構造の他の部分の良好なレジストレーションは必要とされないために許容可能である。
レジストレーションの目的は、臨床的に関連する情報の保持、例えば、動脈瘤内の変化の画像処理であることが留意される。そのような臨床的に関連する情報が、切り離してレジストレーションされないことが重要である。したがって、図13に示すような最終画像の比較は、画像処理基準によって査定されるほど最適なレジストレーションを表さなくてよい。画像を正確に整合することは、この場合、望ましくない。重要な態様は、動脈瘤を変化させることでなく、大動脈の整合である。生体構造の他の部分を移動させることが許容可能である。図2のプロセスは、一部のレジストレーションパッケージとは異なる、動脈瘤を変化させずに大動脈の主要部分をレジストレーションした結果を有する。
図14、15、16、および17は、重ねられた画像をさらに示しており、その各々は、画像データの第1のセットおよび画像データの第2のセットを表し、大動脈に焦点を当てている。図14および15は、画像データの第1のセットがCTデータであり、画像データの第2のセットがMRデータである画像を示している。図14は、レジストレーションされていないCTおよびMR画像の整合対を示している。図15は、レジストレーション後の画像の同じ対を示している。
図16および17は、画像データの第1のセットと画像データの第2のセットの両方がMRデータを備える画像を示している。図16は、レジストレーション前の画像を示し、図17は、レジストレーション後の画像を示している。
さらなる実施形態では、段階52の初期位置合わせ、および/または段階54のレジストレーションにおいて、スケーリングが実行される。段階52の初期位置合わせ、および/または段階54のレジストレーションにおいて、アフィンレジストレーションが実行される。他の実施形態では、心臓が対象の管状構造でよい。心臓のレジストレーションの1つの適用分野は、造影剤を有する画像と造影剤を有さない画像の間のMRにおける微妙な変換を監視することである。比較の成功は、心臓の期に依存する。レジストレーションに対して非剛体態様を含むことが必要になる。
さらなる実施形態では、胸部大動脈が対象の管状構造でよい。胸部大動脈は非常に脈打っているものである。画像ゲーティングを使用して緩和されたときに血管を撮像することが必要になる。あるいは、または加えて、非剛体レジストレーションの一部の要素が必要とされる。追加の実施形態では、画像ゲーティングは、任意の管状構造の画像を取得する際に使用されてよい。
本実施形態では、近似整合が、領域中心点上での反復最近傍点の検索(段階52)、その後の最大解像度での微調整(段階54)によって取得される。
さらなる実施形態では、段階52は省略され、段階54の剛体(またはアフィン)レジストレーションが、段階50において特定された対象の領域上で直接実施される。段階52を省略した結果、プロセスは、段階52が含まれるときよりもかなり遅くなる。例えば、段階52の初期のおおよその位置合わせ後、段階54の剛体レジストレーションを実行するプロセスは、初期位置合わせ無し、かつ最大解像度で剛体レジストレーションを実行するプロセスよりも、100倍速くなる。
代替の実施形態では、位置合わせ部28は、初期位置合わせによって達成された位置合わせの品質を査定する。初期位置合わせが、画像データの第1のセットと画像データの第2のセットの間の非常に良好な位置合わせを達成している場合、剛体レジストレーションは段階54においては実行されず、初期位置合わせの結果を使用してディスプレイスクリーン16上に表示するための画像を生み出す。
本実施形態では、対象のボリューム領域および画像データの対応するサブセットは、画像データの第1のセットおよび画像データの第2のセットごとに決定される。しかしながら、代替の実施形態では、対象のボリューム領域およびサブセットは、画像データのセットの1つに対してのみ定められてよい。例えば、一部の実施形態では、対象のボリューム領域は、画像データの第1のセット上に定められ、対応するサブセットは、画像データの第1のセットに対して決定される。画像データの第2のセットに対しては対象のボリューム領域は定められず、画像データの第1のセットのサブセットは、画像データの第2のセット全体とレジストレーションされる。
本実施形態では、対象の平面領域は、CTスキャンから取得された複数の二次元スライスの各々上に定められる。各々のスライスは、撮像されている管状構造(大動脈)に対して実質的に垂直である平面内でとられる。代替の実施形態では、対象の平面領域がその上に定められるスライスは、画像スライスでなくてよい。そうではなく、スライスのセットは、スライスが、元のスキャン軸に対して傾斜した画像データセットから構築される。例えば、1つの実施形態では、管状構造は、画像スライスに対して平行でも垂直でもなく、その代わりに角度を付けて位置する。画像データセットごとに、画像スライスに対して角度を付け、例えば、スライスの第2のセットの各々が管状血管の長軸に対して実質的に垂直であるような角度で位置する、スライスの第2のセットが定められる。データセットごとに、初期シード点がスライスの第2のセットの1つ上に特定され、図2のプロセスが、上記で説明したように、元のスキャンで取得されたスライスではなく、スライスの第2のセットを用いて実行される。図2のプロセスは、臨床試験から取得された腹部大動脈に対する画像データのレジストレーションにおいて試行された。図2のプロセスは、約2分の臨床医の時間をとり、それと共にプロセスの自動ステップを実行するのに長くても15分かかったことが見出された。これは、臨床医が、手動で画像の各スライスをレジストレーションする、手動レジストレーション手順と比較すると有利である。スライスごとに実行される手動のレジストレーションは、同じ画像データに関して40分から50分の間の時間がかかることが見出された。したがって、図2のプロセスは、時間を節約し、臨床医の時間をより有効に利用することができる。図2のプロセスは、対象の管状構造における変化が、例えば、動脈瘤のサイズの変化が、小さい、または中ぐらいの場合の迅速な経過観察において使用される。図2のプロセスの効果性は、取得された補正データによって決まる。
また、特定の実施形態は、医療データセットの対内で管状構造をレジストレーションするための方法であって、各々のデータセットの管腔内でシード点を取得することと、各々のシード点を管腔内で中心に置くことと、各々のシード点に対する対象の領域を定めることと、シード点上に中心が置かれた当該領域を隣のスライスまで伝播することと、点の2つのセットを最適に整合する空間変換を発見することと、相互情報計量による最大解像度の強度ベースのレジストレーションを用いて微調整することと、定められた領域(ROI:Region Of Interest)を用いて運用することとを含む方法も提供する。本方法は、単一または複数のモダリティの画像対(すなわちCT/CT、CT/MR、異なるMRシーケンス、または造影剤を有する/有さない)に適用される。上記方法は、対象の管状構造が腹部大動脈である場合に適用される。各々のシード点を管腔の中心に配置するために、円形ハフ変換が使用される。空間変換を発見するために、反復最近傍点アルゴリズムが使用される。
図2のプロセスは、両方の画像において大動脈を分割し、取得されたバイナリオブジェクトをレジストレーションする方法よりも正確である。図2のプロセスは、大まかなレジストレーションフェーズと、対象のボリューム領域内のすべての画像強度を利用する微調整フェーズとを含む。図2のプロセスは、異なるモダリティに関しておよびモダリティ間で良好に作用することが実証されている。
図2のプロセスは、監視されている動脈瘤を有する患者に対する利用可能なオプションおよび情報を増やすことができる。図2のプロセスは、異なるモダリティにおけるスキャン結果を組み合わせることをより容易にすることによって、情報を提供することを助けることができる。
諸実施形態が、CTデータの処理に関連して説明されてきたが、諸実施形態は、医用画像データの任意の適切なタイプ、例えば、X線データ、MRIデータ、またはPETデータを処理するために使用されてよい。諸実施形態は、同じモダリティを有するデータセット、または異なるモダリティを有するデータセットをレジストレーションすることができる。
特定の構成が本明細書において説明されてきたが、代替の実施形態では、これらのユニットの1つまたは複数の機能は、単一のユニット、処理リソースまたは他の構成要素によって提供することができ、または単一のユニットによって提供される機能は、2つもしくはそれ以上のユニットまたは他の構成要素を組み合わせて提供することができる。単一の構成に対する参照は、その構成の機能を提供する複数の構成要素を、そのような構成要素が、互いから遠隔であろうとなかろうと包含し、複数の構成に対する参照は、これらの構成の機能を提供する単一の構成要素を包含する。
以上、本発明の実施形態を説明したが、この実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
10…医用画像処理装置、12…コンピューティング装置、14…CTスキャナ、16…ディスプレイスクリーン、18…デバイス、20…メモリ、22…CPU(Central Processing Unit)、24…データ処理部、26…領域特定部、28…位置合わせ部。
Claims (23)
- 管状構造を表す第1の医用画像データおよび前記管状構造を表す第2の医用画像データを取得するデータ処理部と、
前記第1の医用画像データ内で前記管状構造を特定し、前記管状構造の長軸の少なくとも一部に沿って、前記管状構造を備える対象のボリューム領域を前記第1の医用画像データ内に定め、前記対象のボリューム領域に対応する前記第1の医用画像データのサブセットを定める領域特定部と、
前記サブセットと前記第2の医用画像データの少なくとも一部との剛体レジストレーションまたはアフィンレジストレーションを実行する位置合わせ部と
を具備する医用画像処理装置。 - 前記領域特定部は、前記対象のボリューム領域として、複数の対象の平面領域を定め、
前記対象のボリューム領域は、前記複数の対象の平面領域を有する請求項1に記載の医用画像処理装置。 - 前記第1の医用画像データは、複数のスライスを有し、
前記複数の対象の平面領域各々は、前記複数のスライス上に定められる請求項2に記載の医用画像処理装置。 - 前記領域特定部は、前記スライスと、前記スライスに隣接するスライスとの間の整合処理を実行することで、前記スライス上に前記対象の平面領域を定める請求項2に記載の医用画像処理装置。
- 前記整合処理は、剛体レジストレーションまたはアフィンレジストレーションを実行することを有する請求項4に記載の医用画像処理装置。
- 前記領域特定部は、前記対象のボリューム領域として、前記複数のスライスごとに、前記管状構造内に複数の点各々を決定し、前記複数の点各々に対して複数の前記対象の平面領域各々を定める請求項3に記載の医用画像処理装置。
- 前記領域特定部は、
前記第1の医用画像データ内に前記管状構造の長軸に沿って、点の第1のセットを決定することにより、前記第1の医用画像データ内に前記対象のボリューム領域を定め、
前記第2の医用画像データ内に前記管状構造の長軸に沿って、点の第2のセットを決定することにより、前記第2の医用画像データ内に前記対象のさらなるボリューム領域を定める請求項1に記載の医用画像処理装置。 - 前記領域特定部は、
前記第1の医用画像データのスライス内でシード点を特定し、一連のさらなるスライスまで前記シード点を伝播させることによって、前記点の第1のセットの各々を決定し、
前記第2の医用画像データのスライス内でシード点を特定し、一連のさらなるスライスまで前記シード点を伝播させることによって、前記点の第2のセットの各々を決定する請求項7に記載の医用画像処理装置。 - 前記位置合わせ部は、前記点の第1のセットと前記点の第2のセットとを位置合わせすることにより、前記第1の医用画像データおよび前記第2の医用画像データの初期位置合わせを実行する請求項7に記載の医用画像処理装置。
- 前記位置合わせ部は、前記初期位置合わせにおいて、反復最近傍点アルゴリズムを用いて、前記点の第1のセットと前記点の第2のセットとを位置合わせする請求項9に記載の医用画像処理装置。
- 前記領域特定部は、
前記管状構造の長軸の少なくとも一部に沿って、前記管状構造を備える前記対象のさらなるボリューム領域を前記第2の医用画像データ内に定め、
前記対象のさらなるボリューム領域に対応する前記第2の医用画像データのサブセットを定める請求項1に記載の医用画像処理装置。 - 前記位置合わせ部は、前記第1の医用画像データの前記サブセットと前記第2の医用画像データの前記サブセットとのレジストレーションを実行することにより、前記第1の医用画像データの前記サブセットと前記第2の医用画像データの少なくとも一部との前記剛体レジストレーションまたは前記アフィンレジストレーションを実行する請求項11に記載の医用画像処理装置。
- 前記位置合わせ部は、
前記第1の医用画像データおよび前記第2の医用画像データの初期位置合わせを実行し、
前記第1の医用画像データおよび前記第2の医用画像データの前記初期位置合わせを微調整することにより、前記サブセットと前記第2の医用画像データの少なくとも一部との前記剛体レジストレーションまたは前記アフィンレジストレーションを実行する請求項1に記載の医用画像処理装置。 - 前記第1の医用画像データおよび前記第2の医用画像データの少なくとも1つは、非管状構造の組織を有し、
前記管状構造は、前記非管状構造の組織の少なくとも一部より剛体である請求項1に記載の医用画像処理装置。 - 前記領域特定部は、
前記管状構造の管腔内でシード点を決定し、
前記シード点に対する前記対象のボリューム領域を定める請求項1に記載の医用画像処理装置。 - 前記領域特定部は、前記管状構造の前記管腔の中心に前記シード点を配置することにより、前記対象のボリューム領域を定める請求項15に記載の医用画像処理装置。
- 前記領域特定部は、円形ハフ変換、確率密度モデル、ブロブ特徴検出方法、縁検出方法、遺伝的アルゴリズム、分類子、および特徴検出方法の少なくとも1つを用いて、前記管状構造を定める請求項1に記載の医用画像処理装置。
- 前記領域特定部は、円形ハフ変換、確率密度モデル、ブロブ特徴検出方法、縁検出方法、遺伝的アルゴリズム、分類子、および特徴検出方法の少なくとも1つを用いて、前記シード点を前記管腔の中心に配置する請求項16に記載の医用画像処理装置。
- 前記位置合わせ部は、
前記第1の医用画像データおよび前記第2の医用画像データの初期位置合わせを実行し、
前記第1の医用画像データの前記サブセットと前記第2の医用画像データの少なくとも一部との前記剛体レジストレーションまたは前記アフィンレジストレーションを、前記初期位置合わせが実行される解像度より高い解像度で実行する請求項1に記載の医用画像処理装置。 - 前記位置合わせ部は、相互情報計量に基づいてレジストレーションを実行することを含む請求項1に記載の医用画像処理装置。
- 前記第1の医用画像データは、前記第2の医用画像データを発生するモダリティと異なるモダリティにより発生される請求項1に記載の医用画像処理装置。
- 前記第1の医用画像データおよび前記第2の医用画像データの各々は、CTデータ、MRデータ、PETデータ、SPECTデータ、X線データの少なくとも1つを備える請求項1に記載の医用画像処理装置。
- 管状構造を表す第1の医用画像データを取得し、
前記管状構造を表す第2の医用画像データを取得し、
前記第1の医用画像データ内で前記管状構造を特定し、
前記管状構造の長軸に沿って、前記管状構造を有する対象のボリューム領域を前記第1の医用画像データ内に定め、
前記対象のボリューム領域に対応する前記第1の医用画像データのサブセットを定め、
前記第1の医用画像データの前記サブセットと前記第2の医用画像データの少なくとも一部との剛体レジストレーションまたはアフィンレジストレーションを実行する医用画像処理方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/076,357 US9275432B2 (en) | 2013-11-11 | 2013-11-11 | Method of, and apparatus for, registration of medical images |
US14/076,357 | 2013-11-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015096196A true JP2015096196A (ja) | 2015-05-21 |
Family
ID=53043850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014228331A Pending JP2015096196A (ja) | 2013-11-11 | 2014-11-10 | 医用画像処理装置および医用画像処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9275432B2 (ja) |
JP (1) | JP2015096196A (ja) |
CN (1) | CN104622495B (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020137677A1 (ja) * | 2018-12-26 | 2020-07-02 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP2020527075A (ja) * | 2017-07-17 | 2020-09-03 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Evar後の患者を監視するためのイメージング方法、コントローラ、及びイメージングシステム |
US11139069B2 (en) | 2018-06-26 | 2021-10-05 | Canon Medical Systems Corporation | Medical image diagnostic apparatus, image processing apparatus, and registration method |
US11854281B2 (en) | 2019-08-16 | 2023-12-26 | The Research Foundation For The State University Of New York | System, method, and computer-accessible medium for processing brain images and extracting neuronal structures |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9943286B2 (en) | 2012-06-04 | 2018-04-17 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | Ultrasonographic images processing |
US9727968B2 (en) * | 2012-08-13 | 2017-08-08 | Koninklijke Philips N.V. | Tubular structure tracking |
CN105190689A (zh) * | 2013-06-14 | 2015-12-23 | 英特尔公司 | 包括基于毗连特征的对象检测和/或双边对称对象分段的图像处理 |
US9304982B2 (en) * | 2013-09-25 | 2016-04-05 | Heartflow, Inc. | Systems and methods for validating and correcting automated medical image annotations |
KR20150074304A (ko) * | 2013-12-23 | 2015-07-02 | 삼성전자주식회사 | 의료 영상 정보를 제공하는 방법 및 그 장치 |
RU2014111792A (ru) * | 2014-03-27 | 2015-10-10 | ЭлЭсАй Корпорейшн | Процессор изображений, содержащий систему распознавания лиц на основании преобразования двухмерной решетки |
US9808213B2 (en) * | 2014-08-11 | 2017-11-07 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, medical image diagnostic system, and storage medium |
US10068340B2 (en) * | 2014-11-03 | 2018-09-04 | Algotec Systems Ltd. | Method for segmentation of the head-neck arteries, brain and skull in medical images |
CN104992437A (zh) * | 2015-06-29 | 2015-10-21 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维图像分割的方法 |
US10410430B2 (en) * | 2016-02-12 | 2019-09-10 | 3M Innovative Properties Company | Synchronization and animation of views showing digital 3D models of teeth |
US10667723B2 (en) * | 2016-02-19 | 2020-06-02 | Covidien Lp | Systems and methods for video-based monitoring of vital signs |
CN106548509A (zh) * | 2016-10-20 | 2017-03-29 | 中国科学院光电研究院 | 一种基于cuda及三维成像载荷的三维影像生成方法 |
CN106547867B (zh) * | 2016-11-01 | 2020-07-17 | 电子科技大学 | 图像检索中基于密度的几何校验方法 |
CN106780572A (zh) * | 2016-12-12 | 2017-05-31 | 首都医科大学附属北京安贞医院 | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 |
CN107451995B (zh) * | 2017-07-26 | 2020-04-21 | 深圳先进技术研究院 | 在cta图像中提取心血管方法、装置、设备及存储介质 |
WO2019094893A1 (en) | 2017-11-13 | 2019-05-16 | Covidien Lp | Systems and methods for video-based monitoring of a patient |
US11712176B2 (en) | 2018-01-08 | 2023-08-01 | Covidien, LP | Systems and methods for video-based non-contact tidal volume monitoring |
US11278259B2 (en) * | 2018-02-23 | 2022-03-22 | Verathon Inc. | Thrombus detection during scanning |
WO2019240991A1 (en) | 2018-06-15 | 2019-12-19 | Covidien Lp | Systems and methods for video-based patient monitoring during surgery |
CN110638477B (zh) * | 2018-06-26 | 2023-08-11 | 佳能医疗系统株式会社 | 医用图像诊断装置以及对位方法 |
US11311252B2 (en) | 2018-08-09 | 2022-04-26 | Covidien Lp | Video-based patient monitoring systems and associated methods for detecting and monitoring breathing |
US10861178B2 (en) * | 2018-11-02 | 2020-12-08 | International Business Machines Corporation | Developing a training set for a deep learning system configured to determine a centerline in a three dimensional image |
US11617520B2 (en) | 2018-12-14 | 2023-04-04 | Covidien Lp | Depth sensing visualization modes for non-contact monitoring |
CN109934861B (zh) * | 2019-01-22 | 2022-10-18 | 广东工业大学 | 一种头颈部多模态医学图像自动配准方法 |
US11315275B2 (en) | 2019-01-28 | 2022-04-26 | Covidien Lp | Edge handling methods for associated depth sensing camera devices, systems, and methods |
KR20210079556A (ko) * | 2019-12-20 | 2021-06-30 | 에스케이하이닉스 주식회사 | 메모리 시스템, 메모리 컨트롤러 및 메모리 시스템의 동작 방법 |
US11151732B2 (en) * | 2020-01-16 | 2021-10-19 | Siemens Healthcare Gmbh | Motion correction of angiography images for 3D reconstruction of coronary arteries |
US11484208B2 (en) | 2020-01-31 | 2022-11-01 | Covidien Lp | Attached sensor activation of additionally-streamed physiological parameters from non-contact monitoring systems and associated devices, systems, and methods |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6782284B1 (en) * | 2001-11-21 | 2004-08-24 | Koninklijke Philips Electronics, N.V. | Method and apparatus for semi-automatic aneurysm measurement and stent planning using volume image data |
US7289841B2 (en) * | 2002-10-25 | 2007-10-30 | Koninklijke Philips Electronics N.V. | Method and apparatus for volumetric cardiac computed tomography imaging |
DE102004044435A1 (de) * | 2004-09-14 | 2006-03-30 | Siemens Ag | Verfahren und Vorrichtung zur Diagnose und Therapie des Aortenaneurysmas |
US7903849B2 (en) * | 2005-04-15 | 2011-03-08 | Kabushiki Kaisha Toshiba | Medical image processing apparatus |
US20070092864A1 (en) * | 2005-09-30 | 2007-04-26 | The University Of Iowa Research Foundation | Treatment planning methods, devices and systems |
US8170304B2 (en) * | 2007-04-03 | 2012-05-01 | Siemens Aktiengesellschaft | Modeling cerebral aneurysms in medical images |
US20100309198A1 (en) * | 2007-05-15 | 2010-12-09 | Claude Kauffmann | method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures |
US8144829B2 (en) * | 2008-02-27 | 2012-03-27 | The Board Of Trustees Of The Leland Stanford Junior University | Cone-beam CT imaging scheme |
TW201225922A (en) * | 2010-12-31 | 2012-07-01 | Univ Nat Central | Method of CT angiography to visualize trans-osseous blood vessels |
CN103314412B (zh) * | 2011-01-04 | 2017-06-09 | 美国医软科技公司 | 用于spect‑ct图像中的柔软器官划分区的功能分析的系统和方法 |
US10391277B2 (en) * | 2011-02-18 | 2019-08-27 | Voxel Rad, Ltd. | Systems and methods for 3D stereoscopic angiovision, angionavigation and angiotherapeutics |
US8781189B2 (en) * | 2011-10-12 | 2014-07-15 | Siemens Aktiengesellschaft | Reproducible segmentation of elliptical boundaries in medical imaging |
IN2014CN03655A (ja) * | 2011-11-18 | 2015-10-09 | Koninkl Philips Nv | |
CN102920470B (zh) * | 2012-10-18 | 2015-11-25 | 苏州生物医学工程技术研究所 | 双模融合的医学成像系统及方法 |
US9256965B2 (en) * | 2013-01-30 | 2016-02-09 | Impac Medical Systems, Inc. | Method and apparatus for generating a derived image using images of different types |
-
2013
- 2013-11-11 US US14/076,357 patent/US9275432B2/en active Active
-
2014
- 2014-11-10 JP JP2014228331A patent/JP2015096196A/ja active Pending
- 2014-11-11 CN CN201410645465.2A patent/CN104622495B/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020527075A (ja) * | 2017-07-17 | 2020-09-03 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Evar後の患者を監視するためのイメージング方法、コントローラ、及びイメージングシステム |
JP7044862B2 (ja) | 2017-07-17 | 2022-03-30 | コーニンクレッカ フィリップス エヌ ヴェ | Evar後の患者を監視するためのイメージング方法、コントローラ、及びイメージングシステム |
JP7044862B6 (ja) | 2017-07-17 | 2022-05-31 | コーニンクレッカ フィリップス エヌ ヴェ | Evar後の患者を監視するためのイメージング方法、コントローラ、及びイメージングシステム |
US11139069B2 (en) | 2018-06-26 | 2021-10-05 | Canon Medical Systems Corporation | Medical image diagnostic apparatus, image processing apparatus, and registration method |
WO2020137677A1 (ja) * | 2018-12-26 | 2020-07-02 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP2020103464A (ja) * | 2018-12-26 | 2020-07-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP7277131B2 (ja) | 2018-12-26 | 2023-05-18 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US11880987B2 (en) | 2018-12-26 | 2024-01-23 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
US11854281B2 (en) | 2019-08-16 | 2023-12-26 | The Research Foundation For The State University Of New York | System, method, and computer-accessible medium for processing brain images and extracting neuronal structures |
Also Published As
Publication number | Publication date |
---|---|
CN104622495A (zh) | 2015-05-20 |
CN104622495B (zh) | 2017-08-29 |
US20150131880A1 (en) | 2015-05-14 |
US9275432B2 (en) | 2016-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9275432B2 (en) | Method of, and apparatus for, registration of medical images | |
US8675944B2 (en) | Method of registering image data | |
CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
US9218661B2 (en) | Image analysis for specific objects | |
US9471987B2 (en) | Automatic planning for medical imaging | |
US9218542B2 (en) | Localization of anatomical structures using learning-based regression and efficient searching or deformation strategy | |
US9064332B2 (en) | Fused-image visualization for surgery evaluation | |
US9230331B2 (en) | Systems and methods for registration of ultrasound and CT images | |
EP3625768B1 (en) | Determining a clinical target volume | |
US9082231B2 (en) | Symmetry-based visualization for enhancing anomaly detection | |
US8781189B2 (en) | Reproducible segmentation of elliptical boundaries in medical imaging | |
JP6918528B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
US20230120295A1 (en) | Methods and systems for ocular imaging, diagnosis and prognosis | |
US20150141818A1 (en) | Vascular imaging method and device | |
JP2016539744A (ja) | 医療映像を用いた血管分析情報提供方法及び装置 | |
US10939800B2 (en) | Examination support device, examination support method, and examination support program | |
US10546205B2 (en) | System and method for multi-modality segmentation of internal tissue with live feedback | |
van Disseldorp et al. | Ultrasound based wall stress analysis of abdominal aortic aneurysms using multiperspective imaging | |
WO2010020933A2 (en) | Processing cardiac data for personalized aha diagram | |
US9019272B2 (en) | Curved planar reformation | |
US8938107B2 (en) | System and method for automatic segmentation of organs on MR images using a combined organ and bone atlas | |
US9082193B2 (en) | Shape-based image segmentation | |
Dabass et al. | Effectiveness of region growing based segmentation technique for various medical images-a study | |
EP3152735B1 (en) | Device and method for registration of two images | |
Carminati et al. | Reconstruction of the descending thoracic aorta by multiview compounding of 3-d transesophageal echocardiographic aortic data sets for improved examination and quantification of atheroma burden |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20150709 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20150709 |