JP2015512312A - 医用画像間のトポロジー保存ｒｏｉリマッピング方法 - Google Patents

Abstract

本発明は、第１の画像（１）内の初期の関心領域（３）を使用して、第２の画像（２）内の関心領域（４）を算出する方法に関し、前記第１および第２の画像は、空間変換関数（５）によってリンクされ、本方法は、（ｉ）第１の画像（１）内の前記初期の関心領域（３）を囲む第１のポリゴンメッシュを生成する工程と、（ｉｉ）前記空間変換関数（５）を前記第１のポリゴンメッシュに適用することによって、前記第２の画像（２）内の第２のポリゴンメッシュを算出する工程と、（ｉｉｉ）第２のポリゴンメッシュによって囲まれる領域に属する、前記第２の画像（２）内の画像素子を識別する工程とを含む。本発明はまた、コンピュータプログラムおよびシステムに関する。

Description

本発明は、ソース画像から宛先画像に関心領域（ＲＯＩ）を転置するためのトポロジー保存転置方法に関する。

本発明の分野は、医用画像の処理および解析である。

関心領域、すなわち、ＲＯＩを使用して、医用画像内の関心エリアを分離または抽出し、そのエリアで測定または他の任意のタスクを実行する。

医用画像は、コンピュータ断層撮影法（ＣＴ）、磁気共鳴映像法（ＭＲＩ）、ポジトロン放射形断層撮影（ＰＥＴ）、または医療超音波検査から得られた事例画像である。

医用画像は、通常、２次元（２Ｄ）の場合のピクセルまたは３次元（３Ｄ）もしくは体積画像の場合のボクセルなどの、画素の集合として表現される。

ＲＯＩは、例えば、解剖構造（肺や血管など）または病理学的構造（小結節など）に属するとして識別またはラベル付けされる画素の集合として表すことができる。ＲＯＩは、特定の構造に対応する画素を識別し、それらにタグ付けするオペレータが手動で作り出すことができる。ＲＯＩは、画像解析ツールおよび演繹的知識を用いて、自動化もしくは半自動化方法で作り出すこともできる。

診察の間、ＲＯＩを、例えば、患者の長期的フォローアップのため、または比較もしくはクロス測定のために、１つの画像もしくは一連の画像から、他の画像に伝達することが望まれることが多くある。

画像は、異なる時点で同じ撮影装置もしくは撮像技術で、または異なる取得チャネルを使用して、取得してもよい。

画像はまた、例えば、異なる種類の情報にアクセスすることを可能にする異なる撮影装置で取得してもよい。例えば、ＣＴ技術を使用して、構造情報または解剖学的情報を有する画像を取得してもよく、ＰＥＴ技術を使用して、同じ解剖学的構造についての機能情報を取得してもよい。

通常は、画像列のそれぞれにおいてＲＯＩを独立して再算出することは望ましくないか、または不可能である。このことは、かなり時間が必要となり、分割処理が、正確に同じ解剖学的構造に対応するＲＯＩに結びつかない危険性がある。さらに、ＲＯＩは、画像列（例えば、構造画像）において算出することができるが、解剖学的構造は、他の画像列（例えば、機能的画像）内で認識不可能である可能性があり、または分割のために十分明瞭でない可能性があり、そのため、ＲＯＩは、後の画像列において算出されない可能性がある。

解決策には、ある画像列内で算出されたＲＯＩを、他の画像列に転置することがある。だが、問題がいくつか発生する可能性があり、すなわち、画像の空間サンプリングが異なる可能性があり、画像列間の撮像された解剖学的構造に変形が生じる可能性がある。このような変形は、リジッド型（移動、回転、尺度変更）および／またはソフト型（画像への解剖学的構造の変形）である可能性がある。それらは、例えば、画像撮影装置、撮像位置、および／または患者や解剖学的構造自体の動き（呼吸など）の差異によるものである可能性がある。

画像間のソフトまたはリジッド変形は、通常、位置合わせ処理による放射線医学検査中に考慮される。画像間のソフトおよび／またはリジッド変形に対応する伝達関数が、画像内の対応する構造についての手動および／または自動識別に基づいて、算出される。だが、ソフト位置合わせ（すなわち、ソフト変形を考慮する）の場合に特に、これらの伝達関数は、画像の間のピクセル間対応関係への一般的な場合をもたらさない。

例えば、米国特許第７，８１７，８３５号では、画像間のクロスリファレンス測定を行うための方法が説明されている。ソース画像で実行され、ソース画像内に描かれるセグメントや円などのマーク位置によって表されるか、または具体化される測定値は、位置合わせ情報を使用して、宛先画像に転置される。次いで、同じ測定が、宛先画像内で独立して実行され、転置された測定値と比較される。

しかしながら、本方法は、一般的な場合、ソース画像内のエリアの点ごとの転置では、宛先画像内の対応するエリアのコヒーレント表示につながらないので、ＲＯＩ転置に適用不可能である。さらに、米国特許第７，８１７，８３５号の方法は、リジッド位置合わせに限定される。

本発明の目的は、ソフトおよび／またはリジッド位置合わせ情報を使用して、ソース画像から宛先画像にＲＯＩを転置する方法を提供することである。

本発明のさらなる目的は、ソース画像から、算出要件を最適化することを可能にする宛先画像へＲＯＩを転置する方法を提供することである。

本発明のさらなる目的は、ソース画像内で取得されたＲＯＩを使用して、容易に取得することができない宛先画像内のＲＯＩを規定する方法を提供することである。

本発明のさらなる目的は、セグメント化されたリファレンス画像を使用して、宛先画像内のＲＯＩを規定する方法を提供することである。

このような目的は、第１の画像内の初期の関心領域を使用して、第２の画像内の関心領域を算出する方法により実現される。前記第１および第２の画像は、空間変換関数によってリンクされ、以下の工程を含むことを特徴とする。
−第１の画像内の前記初期の関心領域を囲む第１のポリゴンメッシュを生成する。
−前記空間変換関数を前記第１のポリゴンメッシュに適用することによって、前記第２の画像内で第２のポリゴンメッシュを算出する。
−前記第２のポリゴンメッシュによって囲まれるエリアに属する、前記第２の画像内の画像要素を識別する。

いくつかの実現モードによれば、空間変換関数は、ソフト変形を含んでいてもよい。

空間変換関数は、特に、弾性変形または塑性変形を含んでいてもよい。

第１および第２の画像は、画素がピクセルである２次元（２Ｄ）画像を含んでいてもよい。

いくつかの好適な実現モードによれば、第１および第２の画像は、画素がボクセルである３次元（３Ｄ）画像を含んでいてもよい。

本発明の方法は、さらに、以下の工程を含むことができる。
−２Ｄ第２画像のスタックとして、３Ｄ第２画像を分解する。
−前記２Ｄ第２画像内の２Ｄ関心領域を算出する。
−３Ｄ関心領域を取得するために、前記２Ｄ関心領域を組み合わせる。

本発明の方法は、さらに、以下の工程を含むことができる。
−第２のポリゴンメッシュと２Ｄ第２画像との交差部を算出して、２Ｄ輪郭画像を生成する。
−２Ｄ輪郭画像の輪郭によって囲まれるエリアに属する、前記２Ｄ第２画像の画像要素を識別する。

本発明の方法は、さらに、以下の工程を含むことができる。
−第２のポリゴンメッシュの面の位置にリファレンスを格納するオクトリーを生成する前記オクトリーを使用して、前記第２のポリゴンメッシュと前記２Ｄ第２画像との交差部を算出し、前記算出を、関連する面に限定するか、または前記２Ｄ第２画像のエリア内に位置する第２のポリゴンメッシュの面に限定する。

オクトリーは、各内部ノードが８つの子を持つ、既知のツリーデータ構造である。８つのオクタントに再帰的に分割することによって、３Ｄスペースを分けることを可能にし、非常に効果的で迅速な空間索引付けを可能にする。

本発明の方法は、さらに、以下の工程を含むことができる。
−２Ｄ輪郭画像に、連結コンポーネント検出を適用し、２Ｄ画像を取得し、任意の閉じた形状の外側に位置する２Ｄエリアが「外側」としてマークされる
−前記２Ｄ画像のピクセルに、以下の深度値、すなわち、相補値「内側」もしくは「外側」または「未定義」の１つを関連付けるバッファの形式で深度マップ画像を生成する
−前記深度マップにおいて、連結コンポーネント検出によって「外側」として事前に識別されたピクセルを「外側」値に初期設定する
−最も外側の輪郭から最も内側の輪郭へ、輪郭によって囲まれた領域を反復的に識別することによって、前記深度マップを満たし、各輪郭は、「外側」ピクセルおよび「内側」ピクセルを分け、前記「内側」ピクセルは、２Ｄ関心領域を規定する

本発明の方法は、２Ｄ輪郭画像内のすべての輪郭に対して、現在の深度値を「外側」に初期設定し、反復的に繰り返す工程をさらに含むことができ、このような工程は、以下を含む。
−輪郭追従アルゴリズムを使用して、前記２Ｄ輪郭画像内の、最も外側の輪郭の外殻を抽出し、前記最も外側の輪郭は、画像の境界とその近傍に関する基準から選択される
−前記輪郭で連結コンポーネント検出を適用し、輪郭の外側、輪郭、および輪郭の内側にそれぞれ対応する別個のエリアを生成する
−殻輪郭ピクセルを現在の深度値で、および殻の内側エリアピクセルを現在の深度の相補値でマーキングすることによって、深度マップを更新する
−前記抽出された輪郭を、前記２Ｄ輪郭画像から除去する
−現在の深度値を、次の繰り返しのために、その相補値に設定する

いくつかの実現モードによれば、空間変換関数は、剛体変形および／または尺度変更のみを含んでもよい。

剛体変形は、例えば、移動および回転を含んでいてもよい。

本発明の方法は、さらに、以下の工程を含むことができる。
−第１の画像内の初期の関心領域を囲む第１のポリゴンメッシュを生成する。
−前記初期の関心領域に含まれ、前記第１の画像の少なくとも１つの方向に沿って配向される線セグメントの境界となる、前記第１のポリゴンメッシュの第１の画素の組を識別する。
−空間変換関数を、第１の画素の前記組に適用することによって、第２の画像内の第２のポリゴンメッシュを算出し、第２の画素の対応する組を算出する。
−ラスター化アルゴリズムを使用して、隣接セグメント間でスペースが空かないようにセグメントの厚さを考慮して、第２の画素の前記対応する組によって境界付けられた線セグメントに属する、前記第２の画像の画素を算出する。

いくつかの実現モードによれば、
−第１および第２の画像に対する空間サンプリングは異なる可能性がある。
−第１の画像は、リファレンス画像か、または解剖図録からの画像とすることができる−第１および第２の画像は、別個の医用撮像技術、異なる撮影装置、または異なる取得チャネルを使用して取得してもよい。
−第１および第２の画像は、以下の医用撮像技術、すなわち、コンピュータ断層撮影法（ＣＴ）、磁気共鳴映像法（ＭＲＩ）、ポジトロン放射形断層撮影（ＰＥＴ）、または医療超音波検査の少なくとも１つを使用して取得してもよい。

別の態様によれば、コンピュータシステムで実行されると、本発明の方法の工程を実行するための命令を含むコンピュータプログラムを提案する。

さらに他の態様によれば、本発明の方法の工程を実行するよう適合された手段を含む画像処理システムを提案する。

本発明の方法は、トポロジー保存転置処理を使用して、第１の、すなわちソース画像を、第２の、すなわち宛先画像に関心領域（ＲＯＩ）を転置することを可能にする。この処理は、ソース画像と宛先画像との間で実行された可能性のある、任意の種類の位置合わせ前処理（リジッドまたはソフト）を考慮する。

本発明の方法は、例えば、ソース３Ｄ画像から検出された、視認可能な異常部を囲むＲＯＩを、異常部が視認不可であるか、または曖昧な、すなわち判断不能な境界を有する宛先３Ｄ画像に転置するために使用してもよく、この異常部の特徴に対して特定の、または追加の測定を実行することができる。例えば、ソース画像は、解剖学的ＣＴ画像とすることができ、宛先画像は、機能的ＰＥＴ画像とすることができる。

ＲＯＩはまた、解剖学的構造とすることができ、第１の、すなわちソース画像内でセグメンテーションされ、宛先画像に転置することができ、同じ構造のダイレクトセグメンテーションは、効率が悪いか、より時間を必要とするか、または不可能である。

本発明の方法はまた、論理的または一般的な解剖学的モデルから派生したＲＯＩを、患者からの画像に転置するか、またはマッピングするために使用してもよい。

例えば、本発明の方法を使用して、「リファレンス」とラベル付けされたＣＴ画像から、宛先の解剖学的ＣＴ画像に、リファレンスと宛先画像との間の変化を補償しながら、環椎を投影してもよい。

初期ＲＯＩはまた、第１の患者から生じ、第２の患者からの画像に転置される可能性もある。

本発明の方法はまた、例えば、以下のように、「第１の推定」として転置されたＲＯＩを使用することによって、宛先画像内で新規のセグメンテーションを開始するために使用してもよい。
−呼吸周期の間、ソース３Ｄ画像からの第１の推定に基づいて、宛先３Ｄ画像内で肺をセグメンテーションする。
−長期的フォローアップの間、初期時間Ｔ０で取得された以前の列から、時間Ｔ１で取得された列における肺結節をセグメンテーション化する。ここでの結節は、すでにセグメンテーション化されている。

本発明の方法はまた、ＲＯＩの解像度リマッピングを行うために使用してもよい。その場合、本方法により、粗いサンプルグリッドを有する画像から、比較的細かいサンプルグリッドを有する画像にＲＯＩを転置することによって、ＲＯＩのオーバー・サンプル・バージョンを算出して、改良されたＲＯＩでより精密な測定を実行することを可能にすることができる。

すでに説明したように、数学的関数により１つのスペースから他のスペースに、均一な３Ｄ形状を規定するボクセル（または、２Ｄ画像に対するピクセル）のセットを投影することは、多くの問題を引き起こす。主要な問題は、投影されたボクセルが、宛先スペース内で散乱し、それにより、トポロジー性質の損失を引き起こす可能性があることである。

本発明の方法の利点は、以下によりこの問題を解決することである。（ｉ）離散的ソーススペース（ソース３Ｄ画像）内で規定されたボクセルの離散的セットを、シンプレックスベース表現（例えば、三角形や四角形など）に変形する、（ｉｉ）宛先離散的スペース（宛先３Ｄ画像）内のこのような表現の、一部の規定されたボクセルのみを投影する、次いで、（ｉｉｉ）ボクセルの均一セットとして、この宛先離散的スペース内の、投影されたシンプレックスベース形状を再離散化する。

本方法の利点はまた、２Ｄ画像のスタックとしての３Ｄ画像を処理するなどの、医用撮像状況に特に適合した技術的アプローチを使用することであり、ＭＲＩなどのいくつかの医用撮像技術により画像を取得する方法である。

本方法のさらなる利点は、ソースおよび宛先ＲＯＩのボクセルのセットをリンクして、過度の単純化または情報の損失無しに、クロスモダリティ分析および測定を実行することを可能にすることである。

本発明の実施形態による方法は、添付図面を参照すると、より良好に理解することができる。添付図面は、例示目的であり、限定する意図はない。本発明の他の態様、目的、および利点は、以下の説明から明らかになる。
３Ｄ画像に適用される、本発明の方法を示す図である。 ２Ｄ ＲＯＩを有する、２Ｄスライス画像を示す図である。 リジッド位置合わせのみが考慮された場合の、本発明の方法を示す図である。 ソフトまたはリジッド位置合わせが考慮された場合の、本発明の工程を示す図である。

図１を参照すると、本発明の方法により、第１の、すなわちソース画像１内の初期の関心領域（ＲＯＩ）３を使用して、第２の、すなわち宛先画像２内の関心領域（ＲＯＩ）４を算出することが可能になる。

図２を参照すると、ソース画像および宛先画像は、３Ｄ画素、すなわちボクセル１１から構成される３Ｄ画像とすることができる。３Ｄ画像は、通常、２Ｄ画素、すなわちピクセル１２から構成される２Ｄ画像１０のスタックとして表すことができる。

３Ｄ画像３の関心領域（ＲＯＩ）は、ボクセル１１が、例えば、セグメンテーション処理の間に、特定の構造に属するとしてラベル付けされた画像のエリアである。図１の例では、脳に対応するＲＯＩ３のみを示す。

３Ｄ画像が、２Ｄ画像または２Ｄスライスのスタックとして表された場合、３Ｄ ＲＯＩは、２Ｄ ＲＯＩ１３を形成する、ラベル付けされたピクセル１２の集合として、２Ｄ画像１０で表示される。

画像を比較し、一緒に使用することを可能にするために、ソース画像１および宛先画像２は、位置合わせ処理の間、リンクされていなければならない。この処理は、医用撮像において一般的であり、そのため、本明細書では詳細を説明しない。

位置合わせ処理は、ソース画像１および宛先画像２の間での空間変形について記述する空間変換関数５を算出することを含む。これらの変形は、例えば、撮像装置もしくは技術および／または患者の動きの違いにより左右される可能性がある。

空間変換関数５により、ソース画像１の画素と宛先画像２の画素との間の関係を確立し、一方の画像の他方の画像に対する変形を正し、画像の良好なマッチングを可能にすることができる。関数の形式で、または画像間の対応関係表の形式で、算出してもよい。

空間変換関数５は、以下の方法を使用して算出してもよい。
−両方の画像で発見することができる顕著な解剖学的特徴を（手動および／または自動的に）識別する。
−変形モデルを選択する。
−リジッド変形モデルを使用する場合、画像全体の移動、回転、および／または尺度変更を含み、両方の画像の顕著な解剖学的特徴を可能な限り重ね合わせることができるよう、モデルの最善の適合パラメータを算出する。
−ソフト変形モデルを使用する場合、画像の顕著な解剖学的特徴の位置を重ね合わせ、物理的変形モデル（例えば、弾性変形モデル）または数学的変形モデル（数学的補間法などによる）に基づいて、これらの特徴の間の局所的変形を算出する。

第１のモード：リジッド位置合わせ
図３を参照すると、本発明の方法の実装形態における第１のモードを説明し、リジッド位置合わせのみを用いる場合に適用可能である。この場合では、ソース画像１および宛先画像２の間の空間変換関数２４は、移動、回転、および／または尺度変更のみを含むことができる。

実装形態のこのモードにより、適用可能である場合、算出時間をより短くすることを実現することが可能となる。以下の工程を含む。
１）ＲＯＩの表面を近似するポリゴンメッシュを生成することによって、ソースＲＯＩ３の輪郭を算出する。
２）ソース画像１において、ＲＯＩ３の輪郭に属し、サンプリンググリッド（例えば、Ｘ軸）の方向に沿った同じ線セグメント２１上にある点２０の組を識別する。
３）空間変換関数２４を、点２０のこれらの組に適用し、宛先画像２内の点２２の対応する組を算出する。
４）ブレゼンハムアルゴリズムなどのラスター化アルゴリズムを使用して、宛先画像２の点２２の組の間の線セグメント２３に属するボクセルを算出する。ソース画像と宛先画像との間の尺度変更および／またはサンプリングの差異を考慮するために、厚さパラメータを線セグメント２３に適用することで、隣接する線セグメント２３の間にボクセルが残らなくなる。

次いで、宛先または転置ＲＯＩ４が、ラスター化処理の間に識別されたボクセルから構成される。

この方法は、宛先画像２内の転置された線セグメント２３が互いに並列のままである限り、空間変換関数２４を適用可能である。

当然、同じ処理を、ソース画像のサンプリンググリッドの他の方向（例えば、Ｙ軸またはＺ軸）に沿って繰り返すことができる。

第２のモード：リジッドおよびソフト位置合わせ
図４を参照すると、本発明の方法の実装形態における第２のモードについて説明し、任意の種類のリジッドおよび／またはソフト位置合わせで適用可能である。

以下の工程を含む。
１）ＲＯＩの表面を近似するポリゴンメッシュを生成することによって、ソース画像１内のソースＲＯＩ３の輪郭を算出する。
２）空間変換関数５を使用してポリゴンメッシュを変形し、宛先画像２スペース内に、対応する変形ポリゴンメッシュを算出する。
３）変形メッシュの面にリファレンスを格納するオクトリーを生成する。
４）スライスごとに宛先画像２を処理する。医用画像がすでに通常２Ｄスライスのスタックとして格納されており、それらがまた、その方法（例えば、ＭＲＩ）で頻繁に取得されることに注目することが重要である。
５）オクトリーを使用して、宛先体積のスライスと変形ポリゴンメッシュとの交差部を算出し、関連する面に演算を限定し、これらの交差部３０を表す２Ｄ輪郭画像（図４ａ）を生成する。各宛先スライスは、オクトリーに対してテストされ、スライスの面を横切る可能性がある三角形のサブセットを判断する。その場合、２Ｄ輪郭画像は、変形ポリゴンメッシュの三角形と、宛先体積のスライスを囲む面との交差部３０の結果である。各交差する三角形に対して、サポートする面との交差部３０の形状は、現在スライスを表す画像内に２Ｄで描かれる。三角形と厚さの無い面との交差部３０は、面内に格納される場合、空であるか、単一ピクセルであるか、線であるか、三角形自体である。
６）以下に説明する２Ｄ充填処理を使用して輪郭画像を満たし、宛先ＲＯＩ４の２Ｄスライスに属するスライスのピクセルを識別する（図４ｊ）。
７）充填された２Ｄ輪郭画像を組み合わせ、宛先ＲＯＩ４を構築する。

２Ｄ充填処理によって、比較的高速な処理を可能にする一方で、大多数の場合に正確な結果を確実にもたらす。基本的な考えは、「外側ピクセル」での連結性に基づき、２Ｄ画像スライスのピクセルの連続するレイヤ（または、グループ）を「剥離する」ことであり、その結果、これらのレイヤまたはグループを、「内側」または「外側」として識別することができる。

２Ｄ充填処理は、以下の工程を含む。
１）「輪郭画像」（図４ａ）を入力として取り出し、連結コンポーネント検出アルゴリズムを適用する。連結コンポーネント検出、すなわち、小塊検出は、いくつかの特性を隣接部と共有するピクセル１２のグループを識別し、それらの特性に基づいてグループ内のピクセルをセグメンテーションすることを可能にする既知のアルゴリズムのクラスのことを言う。本明細書では、その結果は、２Ｄ画像（図４ｂ）であり、任意の閉じた形状の外部に位置するすべての２Ｄエリア３１が、「外側」としてマークされる。より正確には、図４ｂの例では、連結コンポーネント検出は、以下のグループ、すなわち、最も外側のエリア３１、輪郭ならびに起こり得る望ましくない包含物３２、２つのエリア３３、３４内のピクセルのセグメンテーションをもたらす。エリア３３、３４のうち後者は、本実施例において、ＲＯＩに属さない中央管腔である。
２）宛先スライスと同じサイズを有する画像である「深度マップ」（図４ｃ）を生成する。「深度マップ」は、宛先スライス内の各ピクセルに対して、ピクセルが「内側」「外側」または「未定義」であるかを判断する整数の「深度」値を関連付けるピクセルデータバッファである。連結コンポーネント検出によって「外側」として事前に識別されたすべてのピクセル３５を、「外」値（０）に初期設定する。ピクセル３６の残りを、「未定義」（−１）値に設定する。処理の繰り返しの間、深度マップのピクセルは、更新されて、最も外側のエリアに対する宛先スライス内のピクセルの位置（「内」または「外」）を反映する。
３）「現在深度」パラメータを「外側」に初期設定する。
４）「剥離処理」：輪郭画像（図４ｄ）内に輪郭点がある限り、以下の処理を続ける。
（ｉ）充填対象の輪郭画像内で、「次の」輪郭点３７を発見する。「次の」輪郭点は、輪郭画像内の最も左側で、最も上側のピクセルとして定義される。そのピクセルと関連付けられた深度値を深度マップから検索する（この深度値は、事前に初期設定された深度マップから読み取られる）。
（ｉｉ）従来の輪郭追従アルゴリズムを使用して、輪郭の外殻３８（図４ｅ）を抽出する。その殻内に位置するあらゆる「内側」輪郭を削除する。
（ｉｉｉ）連結コンポーネント検出を殻に適用する（図４ｆ）。３つの別個のエリア、すなわち、形状の外側３９、形状の輪郭４０、および形状の内側４１を生成する。
（ｉｖ）以前の工程からの連結コンポーネント画像（図４ｆ）を使用して殻の内側に位置するピクセル４２に対する深度マップ（図４ｇ）を更新する。殻輪郭ピクセル４０は、現在深度でマークされ（図４ｇでの「外側」）、殻内側ピクセル４２は、現在深度の相補値としてマークされる（図４ｇの「内側」）。
（ｖ）輪郭画像（図４ａ）から殻の輪郭点４０を取り去り、新規の輪郭画像となる図４ｈにつながり、次の繰り返しで図４ｄを置き換える。
（ｖｉ）次の繰り返しのために、現在深度をそれ自体の相補値（すなわち、「外側」であった場合、「内側」に、逆も同様である）に設定する。
（ｖｉｉ）工程（ｉ）で、繰り返しを反復する。
５）最後に、連結コンポーネント画像（図４ｂ）を使用して、繰り返しの後に取得された深度マップ内の欠落したソース外側輪郭を復元する。工程４における剥離処理中に失われた元の形状の外殻を復元するために行われる（殻輪郭４０が、第１の繰り返しでは「外側」である、図４ｆにおける現在のピクセル深度に設定される）。したがって、この工程は、元の輪郭ピクセルの深度を「内側」に単に設定するため、失われない。図４ｉおよび図４ｊは、それぞれ、元の形状輪郭を復元する前および後の深度マップを示す。

本処理の最後で、深度マップ（図４ｊ）は、元の画像の各ピクセルおよびすべてのピクセルに対する「内側」または「外側」ステータスを保持する。したがって、深度マップは、正確に充填された結果の画像となる。

ＲＯＩのピクセルは、「内側」ピクセル４４である。図４の例において、ＲＯＩは、（血管などの）管腔を有する中空構造に対応する。

本発明は多数の実施形態に関連して説明してきたが、多くの代替、変更および変形があること、または適用可能な分野の当業者には明らかであることは明白である。したがって、本発明の主旨および範囲内にあるこのようなすべての代替、変更、等価物および変形を包含することを意図している。

Claims (15)

1. 第１の画像（１）内の初期の関心領域（３）を使用して、第２の画像（２）内の関心領域（４）を算出する方法であって、前記第１および第２の画像が、空間変換関数（５、２４）によってリンクされており、前記方法が、
   前記第１の画像（１）内の前記初期の関心領域（３）を囲む第１のポリゴンメッシュを生成する工程と、
   前記空間変換関数（５）を前記第１のポリゴンメッシュに適用することによって、前記第２の画像（２）内で第２のポリゴンメッシュを算出する工程と、
   前記第２のポリゴンメッシュによって囲まれるエリアに属する、前記第２の画像（２）内の画像要素（１１、１２）を識別する工程と
   を含むことを特徴とする、前記方法。
2. 前記空間変換関数（５）が、ソフト変形を含む、請求項１に記載の方法。
3. ２Ｄ第２画像（１０）のスタックとして、３Ｄ第２画像（２）を分解する工程と、
   前記２Ｄ第２画像（１０）内の２Ｄ関心領域（１３）を算出する工程と、
   前記２Ｄ関心領域（１３）を組み合わせ、３Ｄ関心領域（４）を取得する工程と
   をさらに含む、請求項１または２に記載の方法。
4. 前記第２のポリゴンメッシュと２Ｄ第２画像（１０）との交差部を算出して、２Ｄ輪郭画像を生成する工程と、
   前記２Ｄ輪郭画像の輪郭（３０）によって囲まれるエリアに属する、前記２Ｄ第２画像（１０）の画像要素を識別する工程と
   をさらに含む、請求項１〜３のいずれか１項に記載の方法。
5. 前記第２のポリゴンメッシュの面の位置にリファレンスを格納するオクトリーを生成する工程と、
   前記オクトリーを使用して、前記第２のポリゴンメッシュと前記２Ｄ第２画像（１０）との交差部を算出する工程とをさらに含む、請求項４に記載の方法。
6. 前記２Ｄ輪郭画像に、連結コンポーネント検出を適用し、任意の閉じた形状（３１）の外側に位置する２Ｄエリアが「外側」としてマークされる２Ｄ画像を取得する工程と、
   前記２Ｄ画像のピクセルに、以下の深度値、すなわち、相補値「内側」もしくは「外側」または「未定義」の１つを関連付けるバッファの形式で深度マップ画像を生成する工程と、
   前記深度マップにおいて、前記連結コンポーネント検出によって「外側」として事前に識別された前記ピクセル（３５）を「外側」値に初期設定する工程と、
   最も外側の輪郭から最も内側の輪郭へ、輪郭（３０）によって囲まれた領域（４４）を反復的に識別することによって、前記深度マップを満たす工程と
   をさらに含み、各輪郭は、「外側」ピクセルおよび「内側」ピクセルを分け、前記「内側」ピクセルは、前記２Ｄ関心領域を規定する、請求項４または５に記載の方法。
7. 前記２Ｄ輪郭画像内のすべての輪郭に対して、現在の深度値を「外側」に初期設定し、反復的に繰り返す工程をさらに含み、
   輪郭追従アルゴリズムを使用して、前記２Ｄ輪郭画像内の、前記画像の境界とその近傍に関する基準から選択される最も外側の輪郭の外殻（３８）を抽出する工程と、
   前記輪郭で連結コンポーネント検出を適用し、前記輪郭の外側（３９）、前記輪郭（４０）、および前記輪郭の内側（４１）にそれぞれ対応する別個のエリアを生成する工程と、
   殻輪郭ピクセル（４０）を現在の深度値で、および殻の内側エリアピクセル（４１）を現在の深度の相補値でマーキングすることによって、前記深度マップを更新する工程と、
   前記抽出された輪郭を、前記２Ｄ輪郭画像から除去する工程と、
   前記現在の深度値を、次の繰り返しのために、その相補値に設定する工程と
   を含む、請求項６に記載の方法。
8. 前記空間変換関数（２４）が、剛体変換および／または尺度変更のみを含む、請求項１に記載の方法。
9. 前記第１の画像（１）内の初期の関心領域（３）を囲む第１のポリゴンメッシュを生成する工程と、
   前記初期の関心領域に含まれ、前記第１の画像の少なくとも１つの方向に沿って配向される線セグメント（２１）の境界となる、前記第１のポリゴンメッシュの第１の画素（２０）の組を識別する工程と、
   空間変換関数（２４）を、第１の画素（２０）の前記組に適用することによって、第２の画像（２）内の第２のポリゴンメッシュを算出し、第２の画素の対応する組を算出する工程と、
   ラスター化アルゴリズムを使用してそして隣接セグメント間でスペースが空かないようにセグメントの厚さを考慮して、第２の画素（２２）の前記対応する組によって境界付けられた線セグメント（２３）に属する、前記第２の画像（２）の画素を算出する工程と
   をさらに含む、請求項８に記載の方法。
10. 前記第１および第２の画像（１、２）に対する空間サンプリングが異なる、請求項１〜９のいずれか１項に記載の方法。
11. 前記第１の画像（１）が、リファレンス画像または解剖図録からの画像である、請求項１〜１０のいずれか１項に記載の方法。
12. 前記第１および第２の画像が、別個の医用撮像技術を使用して取得される、請求項１〜１１のいずれか１項に記載の方法。
13. 前記第１および第２の画像（１、２）は、以下の医用撮像技術、すなわち、コンピュータ断層撮影法（ＣＴ）、磁気共鳴映像法（ＭＲＩ）、ポジトロン放射形断層撮影（ＰＥＴ）、または医療超音波検査の少なくとも１つを使用して取得される、請求項１〜１２のいずれか１項に記載の方法。
14. コンピュータシステムで実行されると、請求項１〜１３のいずれか１項に従って、前記方法の前記工程を実行するための命令を含むコンピュータプログラム。
15. 請求項１〜１３のいずれか１項に従って、前記方法の前記工程を実行するよう適合される手段を含む、画像処理システム。

Images