JP2015510412A - 定量的ｔ１マッピングを用いた、リスクに晒されたエリアの自動化された検出 - Google Patents

Abstract

医用イメージングシステム（５）が、データストア（１２）、クラスタリングモジュール（２２）及び表示装置（３２）を含む。データストア（１２）は、第１のイメージングデータセットと第２のイメージングデータセットとを含み、各々のデータセットは、同一のイメージング装置（１０）と同一の測定された値とを用いて作成される。第１及び第２の組織タイプの測定された値は、第１のイメージングデータセットにおいて重複する。第２及び第３の組織タイプの測定された値は、第２のデータセットにおいて重複する。データセットは共に登録され、外部的事象が、第２のデータセットの測定された値を変化させる。クラスタリングモジュール（２２）は、各位置について、第１のデータセットの測定された値と第２のデータセットの測定された値とのファジィクラスタリングに基づいて、組織タイプを分類する。表示装置（３２）は、各々の分類された組織タイプを対比する医用画像を表示する。

Description

本願は、概して、医用イメージングに関する。本願は、特定の身体組織を識別することに関連して特に応用され、特定の身体組織を識別することを特に参照して説明されるものである。しかしながら、本願は、他の利用シナリオにも応用され、必ずしも前述された応用に限定されないことが理解されるであろう。

グレーゾーン定量化が、いくつかの臨床的な応用において重要である。梗塞及びグレーゾーンなどの不健康な組織タイプの大きさが心筋梗塞（ＭＩ）の予知因子であることを、近年の医学文献が報告している。例えば、「過去にＭＩを患った患者において、心臓磁気共鳴（ＣＭＲ）により特徴付けられる梗塞周囲ゾーンの規模は、左心室収縮容積指標又は左心室駆出分画率を超えて徐々に増加する予後値を提供する。ＣＭＲによる梗塞特徴付けは、一意的で価値のある非侵襲的な、ＭＩ後死亡率の予知因子であることを証明することができる」（サーキュレーション２００６；１１４：３２−２９）。グレーゾーンには、梗塞の周囲と不均一の梗塞とを含む。さらに、「組織不均一性は、人間の梗塞の中に存在し、定量化できる。より広範囲に及ぶ組織不均一性が、プログラムされた電気刺激によって、増加される心室の被刺激性と相互に関連する。こうした研究結果は、解剖学的組織不均一性が、過去に心筋梗塞及び左心室（ＬＶ）機能障害を患った患者における心室性不整脈に対する感受性を増加させるという仮説を支持している」（サーキュレーション２００７；１１５：２００６−２０１４）。最後に、「以前に心筋梗塞を患った患者において、造影ＭＲＩにおける梗塞組織不均一性は、それに続く植え込み型除細動器（ＩＣＤ）治療を（突然心臓死の代理として）伴って、他の臨床の及びＭＲＩの変数、すなわち、合計の梗塞サイズと左心室機能及び容積との中でも、自然発生する心室性不整脈の最も強い予知因子である」（サーキュレーション２００９．２：１８３−１９０）。

以前の試みは、画像内の不健康な組織のコントラストを促進することと、ボリュームを測定するために手動の描写によって又は単一画像の信号強度に基づいた半自動的なセグメント化によってエリアをセグメント化することとに、焦点を当てていた。コントラスト促進は、複数の組織タイプが取り込まれ、健康な組織と梗塞及びグレーゾーンなどの不健康な組織とのタイプのコントラストにおいて重複が存在するため、正確さに欠ける。複数のコントラスト設定が必要であり、このことが、不健康な組織をセグメント化又は識別して測定結果に対する特定の組織タイプを手動でアウトライン化するというタスクを長々しくしている。

加えて、複数の画像には、複数のモダリティ、マシン、コイル較正、設定などを含む。１つ１つの画像において異なる技法を使用してエリアのコントラストを促進することは、コイル較正、特定の設定などの差異からの誤りをもたらす。例えば、１つの方法が、信号強度画像とＴ１マップとに基づいた定量化を使用する。この方法における画像は、コイル感度による影響を受け、Ｔ１マップに対する補色コントラストを示さない。

通常の磁気共鳴技法は、反転回復グラディエントエコー（ＩＲ−ＧＥ）などの従来のＭＲ遅延促進スキャンシーケンスを用いてエリアを評価する。このシーケンスは、心臓の動きの影響を受けやすく、瘢痕又は梗塞とグレーゾーンと健康な心筋とを別々に識別するために、正確な反転時間（ＴＩ）を必要とする。種々の組織タイプの正確な識別には、時間がかかる。最適なＴＩは、患者ごとに変化し、さらに、造影剤の注入と画像取得との間の経過時間によって変化する。最適な反転時間は、健康な心筋からの信号がヌルになり、黒く見え、梗塞エリアが明るくなり（白く見え）、グレーゾーンがその中間であるときに生じる。心内膜及び血液は、瘢痕が心内膜‐血液境界において生じるところで不明確となる可能性があり、手動で描写される。信号強度に基づいたセグメント化のための画像解析は、グレーゾーンを、瘢痕と健康な心筋とに分類する。血液プールからの信号強度は、造影剤の分布に起因して、梗塞組織に非常に近くなる。心筋内のノイズは、セグメント化に対して大きな影響を与える可能性があり、グレーゾーンと混同される可能性がある。

本願は、上記で参照された事項及びその他に対処する、新しい、改良された、リスクのあるエリアの自動化された検出を開示する。

１つの態様に従い、医用イメージング装置が、データストア、クラスタリングモジュール及び表示装置を含む。データストアは、第１のイメージングデータセットと第２のイメージングデータセットとを含み、各々のデータセットは、同一のイメージング装置と同一の測定された値とを用いて作成される。第１及び第２の組織タイプの測定された値は、第１のイメージングデータセットにおいて重複する。第２及び第３の組織タイプの測定された値は、第２のデータセットにおいて重複する。データセットは共に登録され、外部的事象が、第２のデータセットの測定された値を変化させる。クラスタリングモジュールは、各位置について、第１のデータセットの測定された値と第２のデータセットの測定された値とのファジィクラスタリングに基づいて、組織タイプを分類する。表示装置は、各々の分類された組織タイプを対比する医用画像を表示する。

別の態様に従い、医用イメージングの方法が、第１の医用画像を取得するステップと、外部的事象の後、第１の医用画像と同一の医用イメージング装置から、同一の測定された値を含む第２の医用画像を取得するステップと、を含む。外部的な事象が、測定される値を変化させる。これら画像は、共に登録される。組織タイプは、各位置において、第１の医用画像の測定された値と第２の医用画像の測定された値とに基づいて、ファジィクラスタリングを用いて分類される。診断的医用画像が、分類された組織タイプを表すコントラストを用いて表示される。

別の態様に従い、医用イメージングシステムが、データストア、クラスタリングモジュール及びセグメント化部を含む。データストアには、第１のイメージングデータセットと第２のイメージングデータセットとを含み、各々のデータセットは、同一の装置と同一の測定された値とを用いて作成される。データセットは共に登録され、外部的事象が、第２のデータセットの測定された値を変化させる。クラスタリングモジュールは、各位置について、第１のデータセットの測定された値と第２のデータセットの測定された値とのファジィクラスタリングに基づいて、組織タイプを分類する。セグメント化部は、各々の分類された、リスクに晒された組織について、ボリューム測定結果を算出する。

１つの利点には、グレーゾーン組織の識別と測定結果とが含まれる。

別の利点には、コイル感度からの独立性が含まれる。

別の利点は、造影剤投与の正確なタイミングへの依存の低減にある。

別の利点は、自動化された、組織タイプの分類にある。

別の利点には、組織タイプが分類され、ボリュームが算出されることの容易さと速さとが含まれる。

当業者が下記の詳細な説明を読み、理解した当業者において、本願のさらに別の利点が十分理解されるであろう。

本発明は、種々のコンポーネント及びコンポーネントの構成と種々のステップ及びステップの構成との形態をとることができる。図面は、好適な実施形態を単に解説する目的のものであり、本発明を限定するものと見なされるべきではない。
医用イメージングシステムの一実施形態を概略的に示す。 Ｔ１測定された値を用いた心臓解析磁気共鳴プロットにおいて予期される組織クラスタリングの一例を図で示す。 ある対象者の左心室心臓解析を行ったシステムの一結果例を示す。 ある対象者の左心室心臓解析を行ったシステムの一結果例を示す。 ある対象者の左心室心臓解析を行ったシステムの一結果例を示す。 ある対象者の左心室心臓解析を行ったシステムの一結果例を示す。 医用イメージングシステムの一実施形態を用いた１つの方法のフローチャートを示す。

図１を参照し、医用イメージングシステムの一実施形態を概略的に示す。磁気共鳴（ＭＲ）、Ｘ線コンピュータ断層撮影（ＣＴ）、ポジトロン放出型断層撮影（ＰＥＴ）、単光子放出型コンピュータ断層撮影（ＳＰＥＣＴ）、組み合わせ又は掛け合わせなどの医用イメージング装置１０が、データストア１２に記憶される医用イメージングデータセットを作成する。データストアは、サーバ内のローカルメモリ、ローカルディスク上の記憶装置、ネットワーク接続された記憶装置上の記憶装置などとすることができる。データストア又はメモリ装置１２には、第１のコントラストで画像を生成する技法を用いて取得された第１のイメージングデータ１４と、第２のコントラストを生成する技法を用いて取得された第２のイメージングデータ１６とを含む。１つの実施形態において、コントラストにおける差分は、造影剤の投与に基づく。ＭＲにおいて測定される値の一例には、Ｔ１強調画像、Ｔ２強調画像などを含む。測定された値には、測定されたＴ１値などの直接的な測定結果、又はグレースケールに正規化されたＴ１値などの間接的な測定結果などを含むことができる。測定された画像は、血液、健康な心筋、梗塞及びグレーゾーンなどの少なくとも３つの異なる組織タイプの各々について、異なる相対的なコントラストを有する。他の実施形態において、３つ以上のイメージングデータセットがさらに考えられ、ここで、追加のイメージングデータセットには、造影剤の投与後の種々の時間間隔を含む。

登録部１８は、第１及び第２のイメージングデータを、すでに又は生得的に（inherently）共に登録されていない場合に、共に登録する（co-register）。登録部１８は、任意の動きに対して、第１及び第２のイメージングデータを補正する。登録部は、ネットワーク２０を介して、データストア１２及び／又は医用イメージング装置に接続する。ネットワークは、有線若しくは無線、内部若しくは外部、プライベート若しくはインターネットなどのパブリック、又は任意の組み合わせとすることができる。

分類モジュール２２は、第１及び第２のイメージングデータの対応するボクセルから、測定された値ペアを生成する。生成された、測定された値ペアは、第１及び第２の画像の対応するボクセル、画素又は他のエリア（以降、総称的に「ボクセル」）の測定されたコントラスト値のペアを含む。例えば、Ｔ１強調画像において、あるボクセルが第１又は第２の画像内で高信号である場合、測定された値ペアが含まれる。ボクセルがいずれの画像内でも目立たない（not contrasted）場合、測定された値ペアは除外されることができる。測定された値ペアは、対応するボクセル位置における２つの測定された値を含む値の、散布グリッド（scatter grid）、配列又はリストとして表されることができる。分類モジュールは、測定された値ペアをクラスタ又はグループにクラスタ化し、各クラスタを組織タイプに分類する。分類モジュール２２は、ネットワーク２０を介して、登録部１８及び／又はデータストア１２に接続する。分類モジュール２２は、１又は複数のプロセッサを登録部１８と共有することができ、あるいは別個のものとすることができる。他の実施形態において、ｎ個のイメージングデータセットからのｎ組（n-tuple）の測定された値が考えられ、ここで、ｎは複数の値である。クラスタ化すべきｎ個の対応する測定された値は、各ｎ組から選択されることができ、各ｎ組はコントラストの区別を提供する。ｎ個のイメージングデータセットが、ある時間間隔にわたって撮られ、これは、正確な較正を必要としない。

１つの実施形態において、ユーザインタフェース２３は、散布図又は等高線図などの図を用いて、クラスタ化された測定された値ペアを視覚化することができる。各軸は、一方の画像の測定された値を表す。各々の測定された値ペアが点でプロットされ、これにおいて、上記点は、分類された組織タイプで表される。例えば、散布図において、各点が、クラスタリングアルゴリズムによって、プロットされ、クラスタメンバシップを表す記号及び／又は色を割り当てられる。クラスタは、分類された組織タイプで、凡例内にラベル付けされる。等高線図の例において、等高線の高さは発生の頻度を表す。

セグメント化アルゴリズムを実施するプロセッサなどの、セグメント化部２４は、クラスタアルゴリズムを用いて、測定された値ペアの対応するボクセルに基づいて、分類された組織タイプをセグメント化又はクラスタ化する。例えば、測定された値ペアがクラスタメンバシップに基づいて梗塞と分類された場合、測定された値ペアの対応するボクセルが梗塞と分類される。対応するボリューム又は第１若しくは第２の画像を使用して、組織タイプ分類をボクセルに割り当てることができる。

分析ユニット２５は、ボリューメトリック測定結果などの分析を、セグメント化された組織タイプ又は分類された領域に適用する。例えば、グレーゾーンのボリュームと梗塞のボリュームとが、それぞれ、グレーゾーンと梗塞として分類された領域に基づいて算出される。セグメント化部２４及び分析ユニット２５は、ネットワーク２０に接続し、１又は複数のプロセッサを登録部１８及び／又は分類モジュール２２と共有することができ、あるいは別個とすることができる。

ワークステーション２６は、１又は複数の入力装置２８、１又は複数のプロセッサ３０、及び表示装置３２を含む。ワークステーション２８には、デスクトップコンピュータ、ラップトップコンピュータ、タブレット型コンピュータ、スマートフォンなどを含む。１又は複数の入力装置２８は、医療関係者からのコマンドを入力し、画像を選択するなどする。表示装置３２は、画像、メニュー、フォーム、パネル、図、プロットなどを表示する。表示装置３２には、セグメント化部によって算出された分析などのデータの表示を含む。表示装置は、各々の分類された組織タイプについて、種々の色又はコントラストを含む診断画像を表示する。診断画像は、ＰＡＣＳ、ＲＩＳなどの記憶管理システム３４に記憶することができる。

図２は、測定されたＴ１値を用いた心臓解析の磁気共鳴プロットにおいて予期される組織クラスタリングの一例を図で示す。遅延ガリウム促進剤などの造影剤の投与の前に測定されるＴ１値は、血液に関してより高く、しかしながら、梗塞、グレーゾーン及び健康な心筋に関して重複する。造影剤の投与の後に測定されるＴ１値は、健康な心筋に関してより高く、しかしながら、血液、梗塞及びグレーゾーンに関して重複する。健康な組織には、血液及び健康な心筋を含む。リスクに晒されている組織タイプには、グレーゾーン及び梗塞を含む。このプロットは、各位置について、対応するボクセルについての座標ペアとして、Ｙ軸上に、前のコントラストの（pre-contrast）画像又はマップからのボクセルペアの測定されたＴ１値を、Ｘ軸上に、後のコントラストの（post-contrast）画像からの測定されたＴ１値をプロットする。

２つの画像又はマップは、グレースケール値又はコントラスト値を、対応する共通のボクセルにマップ付けする。一例において、Ｔ１は、標準の反転回復グラディエントエコーなどの同一のシーケンスが双方の画像について使用されるため、較正される必要がない。測定された値が同一較正、同一患者、同一パラメータ、同一アルゴリズムなどを用いて測定されるため、クラスタリングモジュールは、マシン差分、シーケンス差分、患者差分などについて責任を負う必要がなくなる。多くの潜在的誤りのもとが取り除かれる。

クラスタリングは、造影剤又は他のコントラスト変更の有無にかかわらず、対応するボクセルのグレースケール又はコントラストの値ペアをグループ化することによって、組織タイプを分類する。一方の画像内で測定された値は、ある健康な組織タイプとリスクに晒された組織タイプとについて重複し、他方の画像内で測定された値は、別の健康な組織タイプとリスクに晒された組織タイプとについて重複する。例えば、前のコントラストのＴ１において、健康な組織は、健康な心筋を含み、しかし血液を含まず、梗塞及びグレーゾーンを含むリスクのエリアと重複する。後のコントラストのＴ１において、健康な組織は、血液を含み、しかし健康な心筋を含まず、上記リスクのエリアと重複する。各造影剤は、ある時点において値の最適な区別を提供し、しかしその時間は対象者によって変化し、さらに潜在的に環境及び他の要因に起因して対象者の内部で変化する。測定されるものは、造影剤の定量化ではなく、投与された造影剤によって影響される位置の分類であるため、最適な時間は、最良の差分を提供し、しかしながら正確に測定される必要はない。予め定義された測定点に依存するのではなく、患者に対して最適なコントラストの時点を選択するように、複数のイメージングデータセットを撮ることができる。

１つの実施形態におけるセグメント化モジュール２４は、ファジィｃ‐平均法（fuzzy c-means）アルゴリズムを使用し、例えば、グスタフソン‐ケッセル（Gustafson-Kessel）（ＦＣＧＫ）の改良法などを使用する。ＦＣＧＫは、関数

を最小化し、ここで、

である。Ｕはファジィｃ‐分割を表し、Ｖは中心のベクトルを表し、ｍは重み付け指数であり、ｘ_ｋは測定された値ペアであり、ｖ_ｉはクラスタｉの中心である。クラスタの数は、アルゴリズムの開始の前に固定される。例えば、クラスタが血液と健康な心筋とを表すときなどの、ｋ＝２のとき、血液に属する確率Ｐ_ｉ＜．７５と健康な心筋に属する確率Ｐ_ｊ＜．４５とを有する位置が、梗塞を定める。血液に属する確率Ｐ_ｉ＜．７５と健康な心筋に属する確率．４５＜Ｐ_ｊ＜．６５とを有する位置が、グレーゾーンを定める。別法として、クラスタが、血液、健康な心筋及び梗塞を表すときなどの、ｋ＝３のとき、グレーゾーンは、梗塞に属する確率Ｐ_ｉ＜．７５と健康な心筋に属する確率Ｐ_ｊ＜．６５とで定められる。確率限界は、より大きな患者コホート又はより大きなサンプル空間を用いて精緻化されることができる。ファジィｃ‐平均法（ＦＣＭ）アルゴリズムは、測定された値ペアなどの点のメンバシップを、ファジィクラスタに割り振る。

図３Ａ〜３Ｄに、ある患者の左心室（ＬＶ）心臓解析を行ったシステムの一例を示す。図３Ａにおいて、ＬＶ領域の、コントラスト促進なしのＴ１マップ又は画像を、短軸ビュー内に示す。血液が、重複する健康な心筋、梗塞及びグレーゾーンと対比される。この血液が、画像を特色付ける。

図３Ｂにおいて、造影剤の投与の後に共に登録されるＬＶのＴ１マップを示す。健康な心筋が、重複する血液、梗塞及びグレーゾーンと対比される。健康な心筋が、環状エリアを形成する。

図３Ｃは、図３Ａ及び図３Ｂの中の各々の対応するボクセルのグレースケール値又はコントラスト値の散布プロットを用いたクラスタリングの視覚化を示す。クラスタリングアルゴリズムを用いて、点の、クラスタ中心からの距離が識別され、この距離はコスト関数などを用いて最小化されて各組織タイプに対応するクラスタを生成する。この事例において、ＦＣＧＫ改良法を用いたＦＣＭアルゴリズムは、図３Ａ及び図３ＢからＴ１値のペアのメンバシップを割り振る。他の実施形態において、他のＦＣＭ技法が、図３Ｃの点をクラスタに分割する。

血液クラスタ内にある図３Ｃの点は、小さい四角形によって表される（左上）。健康な心筋にクラスタ化されている点は、小さいプラス符号によって表される（右下）。梗塞クラスタ内の点は、小さい“Ｘ”によって表される（血液クラスタの下方で、健康な心筋の左側）。グレーゾーンクラスタ内の点は、小さい円形によって表される（梗塞の右側で、血液の下方）。クラスタは、図２において図で表されている。

図３Ｄは、分類された組織タイプによって対比された位置を有するＬＶ画像を示す。表される組織タイプには、血液、健康な心筋、梗塞及びグレーゾーンを含む。図３Ａ及び図３Ｂの対応するボクセルからの測定された値ペアの位置をセグメント化部が使用して、各ボクセルの組織タイプを決定する。各ボクセルは、決定された組織タイプに割り当てられたコントラスト又は色を付与されて、図３ＤのＬＶ画像が生成される。この例において、セグメント化部によってセグメント化され、分析ユニットによって測定されたボリュームは、８５ｍｍ^２のグレーゾーンと１５４ｍｍ^２の梗塞とを含む。梗塞は、健康な心筋の大きい環状エリアの端において識別されることができる。他の方法を用いて梗塞とグレーゾーンとを手動で測定する困難さは、図３Ｄの画像と図３Ａ及び／又は図３Ｂの画像とを比較すると分かるであろう。

図４Ａにおいて、医用イメージングの方法の一実施形態がフローチャートで示される。ステップ４０において、第１の画像が取得され、データストアに記憶される。画像は、イメージング装置から直接的に、あるいはディスク記憶装置などの記憶装置メモリからの読み出しによって間接的に、取得することができる。ステップ４２において、造影剤の投与の後、第２の画像が取得される。他の実施形態において、繰り返される取得が種々の時間間隔で行われて最適なコントラストを確かにする。ステップ４４において、画像が、登録部によって、共に登録され、かつ／あるいは動きについて補正される。

ステップ４６において、分類モジュールが、測定された値ペアを作成又は生成する。測定された値ペアには、第１及び第２の画像の対応するボクセルからの測定された値を含み、測定された値ペアにおいて、少なくとも１つの測定された値が、対比された組織タイプを表す測定された値の閾値又は範囲を超える。測定された値ペアと関連するボクセル位置とは、（測定された値１，測定された値２，ボクセル位置）などの値のマトリクスとして表すことができる。

ステップ４８において、分類モジュールは、測定された値ペアのメンバシップをクラスタに割り振る。各クラスタは、組織タイプで分類される。メンバシップの割り振りは、ファジィｃ‐平均法（ＦＣＭ）アルゴリズムに基づき、例えばＦＣＧＫ改良法を用いたＦＣＭなどに基づく。

ステップ５０において、セグメント化部は、各々の測定された値ペアの分類された組織タイプを、第１及び第２の画像に対応するボリュームに割り当てる。別法として、第１及び第２の画像のうち１つを使用して、ボクセルの強度及び／又は色を、分類された組織タイプを表す値に設定するなどの、分類された組織タイプを表示することができる。

ステップ５２において、ユーザインタフェースは、測定された値ペアと分布図又は等高線図などのクラスタメンバシップとの視覚化を構築する。視覚化は、種々の時間間隔及び／又は種々のクラスタリングアルゴリズム若しくはパラメータにおいて撮られた画像間でクラスタリングを比較することに対して有用となり得る。

ステップ５４において、診断画像が構築される。診断画像には、各々の分類された組織タイプを表すようにマーク付けされた、画像化された領域の表示を含む。１つの例において、診断画像には、組織タイプを指定するように色付けされた、他の解剖学的基準又は空間的関係を示す第１又は第２の画像を含むことができる。

ステップ５６において、分析ユニットが、セグメント化された組織タイプのボリューム測定結果を算出するなどして、診断画像を分析する。リスクに晒された組織タイプと、場合により、健康な組織タイプとが、算出される。適用される他の分析には、セグメント化されたボリュームにおける比率などの比較、種々の患者集団との比較などを含むことができる。分析にはさらに、長さ、平均密度、最大深さなどの他の統計を含むことができる。

ステップ５８において、表示装置が、種々の組織タイプを対比し、かつ／あるいは梗塞及びグレーゾーンなどのリスクに晒された組織タイプのボリュームを測定する、診断画像を表示する。場合により、ステップ６０において、診断画像、分析及び／又はクラスタ視覚化を、患者データ管理システムに記憶することができる。

本明細書において提示された特定の例示的な実施形態に関連して、特定の構造及び／又は機能の特徴が、定められた要素及び／又はコンポーネントに組み込まれるものとして説明されていることを、十分理解されたい。しかしながら、こうした特徴は、同一の又は類似の便益に対して、適切な場合に他の要素及び／又はコンポーネントにも同様に組み込むことができると考えられる。さらに、別の例示的な実施形態の態様を必要に応じて選択的に採用して、所望される用途に適した他の代替の実施形態を達成することができ、他の代替の実施形態は、それにより、該実施形態に組み込まれた態様のそれぞれの利点を実現することができることを、十分理解されたい。

さらに、本明細書において説明された特定の要素又はコンポーネントは、ハードウェア、ソフトウェア、ファームウェア又はそれらの組み合わせを用いて適切に実施される機能性を有することができることを、十分理解されたい。加えて、本明細書において一緒に組み込まれるものとして説明された特定の要素は、適切な環境下で、独立型の要素となり、あるいはその他の方法で分割されることができることを、十分理解されたい。同様にして、１つの特定の要素によって実行されるものとして説明された複数の特定の機能は、個々の機能を実行するように独立して動作する複数の違った要素によって実行されることができ、あるいは、特定の個々の機能は、分解され、複数の違った要素によって協力して実行されることができる。別法として、本明細書において互いに違うものとして他の方法で説明され、かつ／あるいは示されたいくつかの要素又はコンポーネントは、適切である場合に、物理的又は機能的に組み合わせられることができる。

要するに、本明細書は、好適な実施形態を参照して説明されている。明らかに、本明細書を読み、理解した他者において、変更及び変形が生じることになる。本発明は、こうした変更及び変形が添付された請求項又はその均等物の範囲内に入る限り、すべてのそうした変更及び変形を含むと見なされるべきものである。すなわち、様々な上記で開示された特徴及び機能並びに他の特徴及び機能、又はそれらの代替案が、多くの他の種々のシステム又はアプリケーションに望ましく組み合わせられることができ、さらに、上記特徴及び機能において、様々な現在予見されない又は予期されない代替案、変更、変形又は改良を当業者が後に行う可能性があり、これらは同様にして別記の請求項に包含されるものであることを、十分理解されたい。

Claims (20)

1. 第１の画像及び第２の画像を保持するデータストアであり、各画像は、共に登録され、異なるコントラストを有する、データストアと、
   前記第１の画像及び第２の画像の対応するボクセルの測定された値ペアのクラスタリングに基づいて組織タイプを分類する分類モジュールと、
   前記の分類された測定された値ペアに基づいて、前記第１の画像及び第２の画像について対応するイメージング領域の診断画像の各ボクセルに、組織タイプを割り当てるセグメント化部と、
   分類された組織タイプのボリュームを含む診断画像を表示する表示装置であり、各々の分類された組織タイプは異なるコントラスト色で表される、表示装置と、
   を含む医用イメージングシステム。
2. 前記分類モジュールは、
   ファジィｃ‐平均法（ＦＣＭ）アルゴリズムに基づいて、クラスタに、各々の測定された値ペアのメンバシップを割り振るステップであり、各クラスタは、前記組織タイプの１つに対応する、ステップ
   をなすようにプログラムされたプロセッサを含む、請求項１に記載の医用イメージングシステム。
3. 前記第１の画像及び第２の画像は同一のイメージング装置上で作成される、請求項１又は２に記載の医用イメージングシステム。
4. 前記イメージング装置は、磁気共鳴（ＭＲ）、単光子放出型コンピュータ断層撮影（ＳＰＥＣＴ）、ポジトロン放出型断層撮影（ＰＥＴ）及びＸ線コンピュータ断層撮影（ＣＴ）のうち少なくとも１つを含む、請求項１乃至３のうちいずれか１項に記載の医用イメージングシステム。
5. 前記第１の画像は、第１の健康な組織タイプと、リスクに晒された組織タイプを含む第２の健康な組織タイプとを対比し、前記第２の画像は、第２の健康な組織タイプと、リスクに晒された組織タイプを含む第１の健康な組織タイプとを対比する、請求項１乃至４のうちいずれか１項に記載の医用イメージングシステム。
6. 対比された前記の健康な組織は、血液及び健康な心筋のうち１つを含む、請求項５に記載の医用イメージングシステム。
7. 前記分類モジュールは、３つ以上の組織タイプを分類する、請求項１乃至６のうちいずれか１項に記載の医用イメージングシステム。
8. 前記分類モジュールは、血液、健康な心筋、梗塞及びグレーゾーンを含む組織を分類する、請求項１乃至７のうちいずれか１項に記載の医用イメージングシステム。
9. 少なくとも１つの分類された組織タイプのボリュームを算出する分析ユニット
   をさらに含み、
   前記表示装置は、該分類された組織タイプについて算出されたボリュームを表示する、
   請求項１乃至８のうちいずれか１項に記載の医用イメージングシステム。
10. 前記表示装置は、リスクに晒された組織タイプの測定されたボリュームを表示するステップを含む、請求項１乃至９のうちいずれか１項に記載の医用イメージングシステム。
11. 第１の画像を取得するステップと、
    前記第１の画像とは異なるコントラストを有する第２の画像を取得するステップと、
    前記第１の画像及び第２の画像を共に登録するステップと、
    前記第１の画像及び第２の画像から、対応するボクセルの測定されたコントラスト値ペアを作成するステップと、
    組織タイプを各々分類するクラスタに、測定された値ペアのメンバシップを割り振るステップと、
    各々のクラスタ化された測定された値ペアの、前記の分類された組織タイプに基づいて、前記第１の画像及び第２の画像について対応する画像化された領域の診断画像の各ボクセルに、前記の分類された組織タイプを割り当てるステップと、
    前記診断画像を表示するステップであり、前記診断画像において各々の分類された組織タイプが異なるコントラスト又は色で表される、ステップと、
    を含む、医用イメージングの方法。
12. 測定された値ペアのメンバシップをクラスタに割り振るステップは、ファジィｃ‐平均法（ＦＣＭ）アルゴリズムを使用する、請求項１１に記載の医用イメージングの方法。
13. 前記第１の画像及び第２の画像は、同一のイメージング装置上で生成され、生得的に共に登録される、請求項１１又は１２に記載の医用イメージングの方法。
14. 前記イメージング装置は、磁気共鳴（ＭＲ）、単光子放出型コンピュータ断層撮影（ＳＰＥＣＴ）、ポジトロン放出型断層撮影（ＰＥＴ）及びＸ線コンピュータ断層撮影（ＣＴ）のうち少なくとも１つを含む、請求項１１乃至１３のうちいずれか１項に記載の医用イメージングの方法。
15. 測定された値ペアの分布図内に、前記クラスタ化された測定された値ペアを表示するステップであり、各々の測定された値ペアは、クラスタメンバシップによって対比される、ステップ
    をさらに含む請求項１１乃至１４のうちいずれか１項に記載の医用イメージングの方法。
16. 前記の分類された組織タイプは、血液、健康な心筋、梗塞及びグレーゾーンを含む、請求項１１乃至１５のうちいずれか１項に記載の医用イメージングの方法。
17. 前記診断画像内の選択された分類された組織タイプのボリュームを算出するステップ
    をさらに含み、前記表示するステップは、
    前記選択された分類された組織タイプの前記の算出されたボリュームを表示するステップ
    をさらに含む、請求項１１乃至１６のうちいずれか１項に記載の医用イメージングの方法。
18. １又は複数のプロセッサに請求項１乃至１７のうちいずれか１項を実行させるコンピュータプログラム。
19. 請求項１１乃至１８のうちいずれか１項に記載の方法を実行するようにプログラムされた１又は複数のプロセッサ
    を含むシステム。
20. 異なるコントラスト特性を有する第１の画像及び第２の画像の対応するボクセルからコントラスト値ペアを生成するステップと、
    前記コントラスト値ペアを、複数の組織タイプの各々に対応するクラスタにグループ化するステップと、
    前記コントラスト値ペアがグループ化されたクラスタに基づいて、各ボクセルの組織タイプを決定するステップと、
    をなすようにプログラムされたプロセッサ
    を含む画像処理システム。

Images