JP2016515019A - 診断ベクトル分類サポートのためのシステムおよび方法 - Google Patents

Abstract

本明細書で開示される診断ベクトル分類サポートシステムおよび方法は、医用画像の解釈について放射線専門医を訓練するにあたり必要となる時間および労力を軽減すること、および訓練を受けた放射線専門医（たとえ訓練を受けたとしても関連の発見を見逃す可能性は依然としてある）に対して決定サポートシステムを提供すること、の両方を行う場合がある。１つの実施形態では、形態学的画像が、コレジスタされた機能的画像において関心ゾーンを特定するために使用される。関心ゾーンに少なくとも部分的に含まれる特徴に関するオペレータがグレード評価したものは、特徴に対する１つまたは複数のコンピュータの生成によるグレードと比較される。オペレータの生成によるグレードとコンピュータの生成によるグレードとが異なる場合には、他の可能性がある本明細書の開示の中でもとりわけ、追加的画像を表示すること、関心ゾーンを改定すること、１つまたは複数の表示された画像に注記を加えること、コンピュータの生成による特徴グレードを表示すること、などの診断サポートを提供することができる。【選択図】図１

Description

本願は、２０１３年３月１５日に出願された「Ｖｅｃｔｏｒ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｎ ａｎ Ｏｐｔｏａｃｏｕｓｔｉｃ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍ」を発明の名称とする米国特許出願第６１／７９９，２１３号の一部継続出願である。本願は、２０１３年４月９日に出願された「Ｆｕｎｃｔｉｏｎａｌ Ｍｏｄａｌｉｔｙ ｗｉｔｈ Ｈｉｓｔｏｐａｔｈｏｌｏｇｉｃ Ｃｏｒｒｅｌａｔｉｏｎ ｉｎ ａｎ Ｏｐｔｏａｃｏｕｓｔｉｃ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍ」を発明の名称とする米国特許出願第６１／８１０，２３８号の一部継続出願でもある。本願はまた、２０１３年１０月３１日に出願された「Ｆｕｎｃｔｉｏｎａｌ Ｕｌｔｒａｓｏｕｎｄ Ｍｏｄａｌｉｔｙ ｉｎ Ｏｐｔｏａｃｏｕｓｔｉｃ Ｂｒｅａｓｔ Ｉｍａｇｉｎｇ」を発明の名称とする米国特許出願整理番号第６１／８９８，３９２号の一部継続出願でもある。これらの出願の開示全体は参照により本明細書に援用される。

本願は著作権保護の対象である内容を含む。いかなる人であれ、特許商標庁のファイルまたはレコードに開示されている本特許開示内容を複製することについては、著作権所有者はこれを禁止しないが、すべての著作権についてはこれを放棄しない。

本発明は、全般に、医療イメージングの分野に関し、さらに詳細には、光音響イメージングの解釈に対するサポートに関するシステムに関する。

本発明に関する前述の目的、特徴、および利点ならびに他の目的、特徴、および利点は、添付の図に示す好適な実施形態に関する以下のより詳細な説明から明らかとなるであろう。なお係る図面では、参照符号は様々な図を通して同じ部分を指す。これらの図面は、必ずしも縮尺が一定であるとは限らず、本発明の原理を示すにあたり強調されることもある。

この特許または出願ファイルは少なくとも１つの色彩を付して作成された図面を含む。色彩図面（単数または複数）が付されたこの特許または特許出願の写しは請求および所要の手数料の納付により、米国特許商標庁により提供される。

本発明では様々な改変および代替形式が可能である一方で、本発明の詳細が図面において例示として示され、詳細に説明されるであろう。しかし、本発明を説明する特定の実施形態に限定することを意図するものでないことを理解すべきである。逆に、本発明の趣旨および範囲に含まれる全ての改変例、均等物、および代替物を含むことを意図するものである。

病変の診断ベクトル分類のサポートで使用されるシステムの１つの実施形態を図示する概略ブロック図である。 診断ベクトル分類サポートのための処理の１つの実施形態を図示するフローチャートである。 本発明の１つの実施形態に係る境界曲線がその上に提示された光音響画像である。 病変の診断ベクトル分類のサポートで使用される画像データの１つの実施形態を図示する６つの画像表示である。 本発明の１つの実施形態に係る境界曲線が提示された６つの画像表示である。 オペレータによる特徴のグレード評価および病変分類において使用するためのグラフィカル・ユーザ・インターフェースの１つの実施形態を示す図である。 本発明の１つの実施形態に係る、特徴内的血管分布状態の例を示す６つの光音響組み合わせマップ画像である。 本発明の１つの実施形態に係る、特徴内的ブラッシュの例を示す６つの光音響組み合わせマップ画像である。 本発明の１つの実施形態に係る、特徴内的ヘモグロビンの例を示す６つの光音響ヘモグロビンマップ画像である。 本発明の１つの実施形態に係る、被膜血管または境界ゾーン血管の特徴存在の例を示す７つの光音響画像である。 本発明の１つの実施形態に係る、末梢血管の特徴存在の例を示す６つの光音響画像である。 本発明の１つの実施形態に係る、特徴干渉アーチファクトの例を示す６つの光音響組み合わせマップ画像である。 本発明の１つの実施形態に係る、様々な特徴のカテゴリーおよびランク評価を示す図である。 本発明の１つの実施形態に係る、様々な特徴の分散図である。 対象発明の１つの実施形態に係る、特徴間で最強の相関関係を有する特徴ベクトルである。

以下の説明および図面は例示を旨とするものであり、限定として解釈されるべきではない。多数の特定的な詳細が完全な理解を提供するために説明される。しかし特定的な事例では、周知の詳細または従来の詳細については、説明が不明瞭とならないよう説明しない。本開示において１つの実施形態を参照することは必ずしも同一の実施形態を参照することではなく、また、係る参照は少なくとも１つを意味する。

本明細書において「１つの実施形態」を参照することは、当該の実施形態に関連して説明される特定的な特徴、構造、または特性が本開示の少なくとも１つの実施形態に含まれることを意味する。本明細書では様々な箇所で「１つの実施形態では」という文言が現れるが、係る文言の全部が必ずしも同一の実施形態を参照するものではなく、また別個の実施形態または他の実施形態と相互排他的ではない代替的な実施形態でもない。さらに様々な特徴が説明されるが、係る特徴は、いくつかの実施形態により示される場合があり、他の実施形態により示されない場合もある。同様に、様々な要件について説明され、係る要件はいくつかの実施形態に対する要件である場合があるが、他の実施形態に対しては要件ではない場合もある。

本明細書の説明および以下の請求項で使用される「ａ」または「ａｎ」は、特記なき限り、「少なくとも１つ」または「１つまたは複数」を意味する。加えて、単数形の「ａ」、「ａｎ」、および「ｔｈｅ」は、別段の明確な指示がない限り、複数の指示対象を含む。したがって例えば「１つの化合物」を含む組成物は、２つ以上の化合物の混合物を含む。

本明細書および添付の請求項で使用される「または」という用語は全般に、別段の明確な指示がない限り、「および／または」を含む意味（すなわち結合および仮定（ｓｕｂｊｕｎｃｔｉｖｅ）の両方）において用いられる。

本明細書で端点を使用して数値範囲を定める場合、係る数値範囲は当該範囲に含まれる全ての数を含む（例えば１〜５は１、１．５、２，２．７５、３、３．８０、４、および５を含む）。

特記なき限り、明細書および請求項において使用される、成分の量、特性の測定値、その他を表現する全部の数値は、全ての事例において文脈が明確に別段の指示を述べていない限り、「約」という用語により修飾されたものとして理解されるべきである。したがってこれに反するとの特記なき限り、前述の明細書および添付の請求項において記載される数値パラメータは近似値であり、本発明の教示を利用する当業者が求める所望の特性に応じて変動する可能性がある。少なくとも、請求項の範囲を限定することなく、各数値パラメータは少なくとも、報告される有効桁の数値に照らして、通常の丸め技法を適用することにより、解釈されるべきである。一方、任意の数値は、それぞれの検査測定値において見られる標準偏差に起因して必ず生じる特定の誤差を本質的に含むものである。

光音響イメージングデータを処理するためのシステムおよび方法について、とりわけ方法および装置のブロック図、操作図、アルゴリズムを参照して、以下で説明する。ブロック図、操作図、ならびにアルゴリズムの各ブロック、およびブロック図、操作図、ならびにアルゴリズムにおけるブロックの組み合わせは、アナログまたはデジタルのハードウェアおよびコンピュータプログラム命令による実装が可能であることが理解される。

本明細書で説明するコンピュータプログラム命令が汎用コンピュータ、専用コンピュータ、ＡＳＩＣ、または他のプログラム可能データ処理装置のプロセッサに提供されると、係る命令がコンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行され、ブロック図、動作ブロック（単数または複数）、および／またはアルゴリズムに指定される機能／動作が具体化される。

さらに本開示においてフローチャートとして提示および説明される方法の実施形態は、本技術の理解がより完全ものとなるよう例示として提供される。本開示に係る方法は本明細書に提示される動作および論理フローに限定されない。代替的な実施形態も考えられ、係る代替的な実施形態では、様々な動作の順序が変更され、且つ、より大きい動作の部分として説明される下位動作が独立的に実行される。

いくつかの代替的な実装では、ブロック内で指定される機能／動作は、操作図で指定される順序とは異なった順序で実行され得る。例えば、連続して図示される２つのブロックは、実際上は、関連する機能／動作に応じて、実質的に並列的に実行される場合もあり、またはこれらのブロックが、逆の順序または異なる順序で実行される場合もある。

診断ベクトル分類サポートシステム
放射線学は、人体内で視覚化された疾患の診断および／または治療を実行するためにイメージングを用いる医学専門分野である。放射線専門医は、様々な医療撮像技術により創造された画像を解釈し、所見、印象、および／または診断に関する報告書を作成する。放射線専門医は様々な医療撮像技術により創造された様々な種類の画像のうちの１つまたは複数を解釈することに関して、高度な訓練を受けている。

光音響イメージングは比較的新しい臨床分野である。光音響データから創造された画像を解釈するべく放射線専門医を訓練することに関しては、多大な時間および労力が必要である。本明細書で開示される診断ベクトル分類サポートシステムおよび方法は、光音響データから創造された画像を解釈するよう放射線専門医を訓練するにあたり必要となる時間および労力を軽減するとともに、訓練を受けた放射線専門医（たとえ訓練を受けたとしても関連する発見を見逃す可能性は依然としてある）に対して決定サポートシステムを提供する。本明細書で説明するシステムは、光音響データから創造された画像に関して、特に超音波および光音響のデータから創造された画像に関して図示されているが、本システムは必ずしも係る限定を受けるものではなく、他種類の医用画像に対しても等しく適用される。

まず図１を参照すると、診断ベクトル分類サポートシステム１００の１つの実施形態が全般的に図示される。１つの実施形態では、システム１００は、「Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｐｒｏｄｕｃｉｎｇ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｓ ｏｆ Ｏｐｔｏａｃｏｕｓｔｉｃ Ｄａｔａ」を発明の名称とする２０１３年６月１３日に出願された米国特許出願整理番号第１３／５０７，２２２号（同特許出願は以後「パラメータマップ出願」と呼称される）で説明される多モード光音響・超音波システムなどのイメージングシステムの処理サブシステムとしてとして具体化される。１つの実施形態ではシステム１００は、別個または多モードの光音響および／または超音波システムを含む１つまたは複数の別個のイメージングシステムにより生成された画像を処理するよう適応された、本明細書で説明される適切なソフトウェアおよびユーザインターフェースを含む、スタンドアロン型のシステムまたは汎用コンピュータ上で実装される。後者の場合、画像は好適な画像供給源から取得されなければならないか、または、例えばインターネットを介してもしくはストレージ媒体とリーダとにより、システムに伝達されなければならない。

１つの実施形態では、コレジストレーションサブシステム１０３は、組織体積の複数の画像を取得し、これらの画像を空間的に位置合わせする。係る画像は、他のモダリティの中でもとりわけＭＲＩ、ＣＴスキャン、Ｘ線、超音波、光音響を含むがこれらに限定されない様々なイメージング技術により生成された画像を含む場合がある。１つの実施形態では図示されるように、構造的画像（例えば超音波により生成される）と、機能的画像（例えば光音響イメージングにより生成される）と、が空間的に位置合わせされる。１つの実施形態では、複数の光音響画像またはパラメータマップが空間的に位置合わせされる。１つの実施形態では、システム１００により取得される画像が既に空間的に位置合わせ済みであるため、コレジストレーションサブシステム１０３は不必要である。１つの実施形態では、画像は部分的にのみ空間的に位置合わせされる。１つの実施形態では、画像は周知の境界標識または注記と空間的に位置合わせされる。コレジストレーション技法に関するさらなる詳細に関してはパラメータマップ出願を参照されたい。

１つの実施形態では、空間的に位置合わせされた画像が、診断サポートサブシステム１０５により受け取られる。図示の実施形態では、診断サポートサブシステム１０５は画像および他の出力を、ディスプレイ装置１０７を介して観察者に提示する能力を有する。１つの実施形態では、ディスプレイ装置１０７はビデオモニタ、スクリーン、ホログラフィディスプレイ、プリンタ、または２次元もしくは３次元画像を提示する能力を有する当該技術分野で周知の他の技術を含む。１つの実施形態では、音響による方法、触覚による方法、または当該技術分野で周知である他の出力方法が情報を伝達するために使用される。１つの実施形態では、音響および画像の両方を含むビデオが提示され場合がある。１つの実施形態では、診断サポートサブシステム１０５は複数のディスプレイ装置を介して情報を提示する能力を有する。

図示される実施形態では、診断サポートサブシステム１０５は、分類、スコア評価、または観察者もしくは他のオペレータからの他の入力を入力装置１０９を介して受け取る能力も有する。１つの実施形態では、入力装置１０５はポインティング装置（例えばマウス、トラックボール、タッチスクリーン、または他のポインティング装置など）を含む。１つの実施形態では、入力装置１０５はキーボード、キーパッド、またはテキスト入力用の他の装置を含む。１つの実施形態では、入力装置１０５はマイクロフォンまたは他の音響入力装置を含む。他の入力装置が使用されてもよい。１つの実施形態では、診断サポートサブシステム１０５は複数の入力装置から入力を受け取る能力を有する。

１つの実施形態では、診断サポートサブシステム１０５は、疾患または病状の診断について重要となる、少なくとも１つの画像の少なくとも１つの特徴を特定する。１つの実施形態では、オペレータは特徴を特定するために入力を提供する。例えばオペレータは、体積の構造または他の重要な領域に対応する少なくとも１つの画像内の１つまたは複数のピクセルを選択する場合がある。本明細書および以下の請求項の全体を通して使用される「〜に対応する」という用語は、画像またはパラメータマップの要素が組織体積内の箇所または領域に関する情報を、空間的に表現すること、または提供することを意味し、この用語は箇所または領域を推定および近似することを含む。特徴特定について、組織体積内における病変または腫瘍の特定に関する事例を通して、以下でさらに論じる。

１つの実施形態では、診断サポートサブシステム１０５は少なくとも１つの特徴に関する質的解析または量的解析を提供する。１つの実施形態では、オペレータまたは他のユーザも、少なくとも１つの特徴に関する質的解析を提供する。１つの実施形態では、システムによる解析の結果と、オペレータの結論と、が比較される。オペレータは、システムによる評価の前または後に、追加的入力も提供する場合がある。例えば１つの実施形態では、オペレータは、システムによる特徴特定を、変更、増強、または修正する。１つの実施形態では、オペレータはシステムによる評価を確認する。１つの実施形態ではシステムは、追加的入力を受け取る前に、追加的画像または他の情報をオペレータに表示する。例えばシステムは、体積に関する追加的画像（他のモダリティからの画像を含む）、画像特徴を強調表示または別様に指示する注記、特徴に関する追加的解析、他の組織体積に提示される特徴の例（例えば画像）、または異なるアルゴリズム、モデル、またはシステムにより取得される特徴の評価、を表示する場合がある。

１つの実施形態では、少なくとも１つの特徴は病変を含む。１つの実施形態では、少なくとも１つの特徴は、病変の複数の特徴を含む特徴ベクトルを含む。１つの実施形態では、病変の内部領域に対応する画像の内部ゾーンで見出された特徴が評価される。１つの実施形態では、病変に対して外部に位置する体積の領域に対応する画像の外部ゾーンまたは外側ゾーンで見出された特徴が評価される。

１つの実施形態では、画像は３つ以上の領域にセグメント化される。図３に図示する事例では、組織体積の光音響画像は２つの境界曲線を使用して３つの領域に分割される。白色の「腫瘍」境界曲線は腫瘍の内部領域に対応する画像の内部ゾーンを画定する。１つの実施形態では、腫瘍の内部領域は腫瘍の中心病巣（ｃｅｎｔｒａｌ ｎｉｄｕｓ）により定められる。１つの実施形態では、中心病巣は超音波に対して低エコー性である。内部ゾーンを体積の１つまたは複数の超音波画像上で特定した後、係る超音波画像を、体積の光音響画像または他のパラメータマップとコレジスタすることができる。

図３は、中心病巣に隣接する腫瘍の腫瘍周縁領域の周縁部に対応する青い「腫瘍周縁」境界曲線も含む。１つの実施形態では、腫瘍境界曲線と腫瘍周縁境界曲線との間の画像部分は画像の「境界ゾーン」と呼称される。１つの実施形態では２つ以上の境界ゾーンが存在する場合があり、これらの境界ゾーンは、腫瘍の中心病巣の外部に位置するが中心病巣に隣接する体積の領域に対応する場合がある。境界ゾーンが必ずしも腫瘍境界曲線の各縁部に隣接して存在するとは限らない。１つの実施形態では、腫瘍周縁境界曲線と腫瘍境界曲線とが重なり合い、その場合には別個の境界ゾーンは存在しない。

１つの実施形態では、腫瘍周縁境界曲線および腫瘍境界曲線は、体積の少なくとも３つの領域、すなわち（１）腫瘍の内部に対応する内部ゾーン、（２）腫瘍に隣接する体積の腫瘍周縁領域に対応する境界ゾーン、および（３）腫瘍の腫瘍領域および腫瘍周縁領域の両方の外側に位置する体積の領域に対応する周縁ゾーン、に対応する、画像の少なくとも３つのゾーンを画定するために使用される。特徴ベクトルは、これらのゾーンのうちの１つまたは複数からの特徴を含み得る。係る特徴は、限定ではなく例示として、病変に関する他の可能性のある特徴の中でも、病変の内的血管分布状態、病変の内的脱酸素化、病変の腫瘍周縁境界の血管分布状態、病変の腫瘍周縁の脱酸素化、内的脱酸素化ブラッシュ、内的全血量、外的腫瘍周縁放射状血管、および１つまたは複数の干渉アーチファクトの存在、を含む場合がある。以下でさらに論じるように、１つの実施形態では、これらの特徴および他の特徴が組織体積の超音波画像、光音響画像、パラメータマップ、または他の空間表現上に現れて、評価される場合がある。

１つの実施形態では、診断サポートサブシステム１０５は、体積の１つまたは複数の画像またはマップを解析することにより、病変の少なくとも１つの特徴を評価する。１つの実施形態では、診断サポートサブシステム１０５は特徴の評価に基づいて質的値または量的値を提供する。１つの実施形態では、評価される特徴は体積に関連付けられた特徴ベクトルの一部である。１つの実施形態では特徴の評価は、訓練された特徴グレードまたは別様に周知の特徴グレードにより、特徴をスコア評価することを含む。

１つの実施形態では診断サポートサブシステム１０５は、体積内の病変を特定し、それにより、病変に関するオペレータによる分類およびコンピュータによる分類を取得し、これらの分類を比較し、コンピュータによる分類とオペレータによる分類とが異なる場合に診断サポートを提供することが可能となるよう、適応される。１つの実施形態では、コンピュータおよびオペレータが同一の分類に到達した場合にも診断サポートは提供される。

１つの実施形態では、病変に関するコンピュータによる分類は病変に関連付けられた体積の特徴のベクトルの評価に基づいて行われる。１つの実施形態では、診断サポートサブシステム１０５は、特徴ベクトル内の体積の複数の特徴を評価するためのプロセスを通して、ユーザを案内する。１つの実施形態では、診断サポートサブシステム１０５は特徴のそれぞれに関する情報を並列的に（例えばディスプレイ装置１０７の異なる部分を使用することにより）提示する。ユーザインターフェース例が図６に提供される。１つの実施形態では、診断サポートサブシステム１０５は特徴のそれぞれに関する情報を連続的に提示する。例えば１つの実施形態では、診断サポートサブシステム１０５は、診断サポートサブシステム１０５が体積内の各特徴を評価するために使用した体積の画像の部分を強調表示または別様に注記することを、ディスプレイ装置１０７に行わせる。次いで診断サポートサブシステム１０５は、特徴に関するユーザの評価または他の入力を要請する場合がある。

ユーザはサブシステム１０５による注記を利用して、各特徴に関するユーザ自身の結論に到達してもよい。１つの実施形態では、ユーザによる評価が特徴に関するサブシステム１０５による評価と異なるかまたは実質的に異なる場合、サブシステム１０５はユーザによる評価に応答して係る注記を表示する。１つの実施形態では、ユーザ入力は、診断サポートサブシステム１０５が特徴ベクトル内の１つまたは複数の特徴を評価するために使用した画像のゾーンの修正を含む場合がある。１つの実施形態では例えば、病変の周縁部を画定するために使用された境界曲線のうちの１つがユーザにより修正または増強されると、診断サポートサブシステム１０５は修正された周縁部に基づいて病変の１つまたは複数の特徴を再評価する場合がある。

１つの実施形態では診断サポートサブシステム１０５は、１つまたは複数の特徴に関するサブシステム１０５自体による評価をディスプレイ装置１０７を介してユーザに表示または別様に提示する。１つの実施形態では診断サポートサブシステム１０５は、評価を生成するために解析された画像またはマップの特徴を表示または強調表示し得る。１つの実施形態では、診断サポートサブシステム１０５はユーザからの入力に応答してこの情報をユーザに提示する。１つの実施形態では、診断サポートサブシステム１０５がサブシステム１０５自体による評価を提示した後または提示する前に、ユーザは入力装置１０９を介して、特徴に関するユーザ自身による評価を入力する。１つの実施形態では、ユーザによる評価がサブシステム１０５による評価と異なるかまたは実質的に異なる場合、サブシステム１０５はサブシステム１０５自体による評価を表示する。

１つの実施形態では診断サポートサブシステム１０５は、特徴を評価する際にユーザに有益となり得る他の情報も表示する場合がある。例えばサブシステム１０５は、（同一のまたは異なる組織体積内の）同じ特徴を評価するために内容領域専門家または他の主体が以前に使用した画像を表示する場合がある。１つの実施形態では、サブシステム１０５は、特徴に関するサブシステム１０５による評価と同様の評価を生成した画像を表示する場合がある。この実施形態では、サブシステム１０５は、特徴に関するユーザによる評価と同様の評価を生成した画像を表示する場合がある。１つの実施形態では、次にサブシステム１０５は特徴に関する入力をユーザから要請する場合がある。例えば１つの実施形態では、サブシステム１０５は、特徴に関するサブシステム１０５による評価を確認または変更することをユーザに求める。

１つの実施形態では診断サポートサブシステム１０５は、ベクトル内の特徴に関するサブシステム１０５による評価および／またはユーザによる評価に基づいて、病変に対する特徴ベクトルを計算する。１つの実施形態では、サブシステム１０５による計算結果がユーザに提示される。１つの実施形態では、係る結果は病変に関して示唆される分類を含む。１つの実施形態ではユーザは、サブシステム１０５がサブシステム１０５による分類を提示する前または提示した後、病変に関するユーザ自身による分類を入力する。１つの実施形態では、病変に関するサブシステム１０５による分類を確認または変更する機会がユーザに与えられる。病変に関するユーザによる分類がサブシステム１０５による分類と異なるかまたは実質的に異なる場合、サブシステム１０５は、追加的情報を提示する場合があり、かつ／または追加的なユーザ入力を要請する場合がある。１つの実施形態では、オペレータによる特徴グレードとサブシステムによる特徴グレードとの間の差異がサブシステムによる分類が変更されることになる場合にのみ、サブシステム１０５は、その差異の追加的情報を提示するか、または、係る追加的ユーザ入力を要請する。

画像の取得
図２を参照すると、診断ベクトル分類サポート方法２００の１つの実施形態が全般に図示される。２０３において画像は、係る画像の供給源（例えばパラメータマップ出願で説明されるシステムなどの多モード光音響・超音波システム）から取得される。１つの実施形態では、画像データは１つの画像を含む場合がある。１つの実施形態では、画像データは複数の画像を含む場合がある。本明細書で図示する事例の大部分は２次元の画像またはマップであるが、本明細書で論じられるシステムおよび方法は組織体積の３次元以上の表現にも適用されてもよい。

画像データが複数の画像から構成される実施形態では、複数の画像がコレジスタされていると好都合である。１つの実施形態では、画像データは組織体積の放射線学的情報を含む。１つの実施形態では、画像データの画像は（これらの画像が各画像のモダリティにより描写されるように利用可能なとき）体積内の視認可能な機能的構造または形態学的構造を描写する。１つの実施形態では、画像データは図４に全般的に反映されるように６つの画像を含む。

図４は、６つのコレジスタされた２次元画像、すなわち超音波から導出された画像情報を含む画像４１０（「超音波」）と、光音響イメージングから導出され、光のより長い主波長の応答を表現する、画像情報を含む画像４２０（「長波長画像」）と、光音響イメージングから導出され、光のより短い主波長の応答を表現する、画像情報を含む画像４３０（「短波長画像」）と、光音響イメージングから導出された画像情報を含む多モード画像である３つの画像、すなわち合計ヘモグロビンをパラメータ的に反映する画像４４０（「合計ヘモグロビンマップ」）、脱酸素化ヘモグロビンをパラメータ的に反映する画像４５０（「相対的光音響マップ」）、および合計ヘモグロビンをパラメータ的に反映する画像４４０を使用してマスクされた脱酸素化ヘモグロビン４５０をパラメータ的に反映する画像４６０（「組み合わせ光音響マップ」）と、を図示する。６つの画像種類に関するより詳細な説明については、パラメータマップ出願を参照されたい。

病変／画像セグメント化の特定
１つの実施形態では２０５において、病変または腫瘍が２０３で取得された画像内で特定される。画像内で病変を特定するプロセスは分類のために取得された画像の種類に応じて異なる場合がある。１つの実施形態では、概略的に述べるならば目的は病変の外辺部、および潜在的に周縁部を、可能な限り正確に画定することである。病変外辺部を適切に特定することは、発見事項が病変に対して外的であるかまたは内的であるかどうかの判定を支援する。１つの実施形態では、超音波などの形態学的画像が、組織体積内の構造に対応する特徴を特定するために使用される。次に、係る特徴が形態学的画像をセグメント化するために使用される。１つの実施形態では、次に、係るセグメント化が同一体積のコレジスタされた空間表現に適用される。

１つの実施形態では、画像（単数または複数）は２つ以上の領域またはゾーンにセグメント化される。１つの実施形態では、セグメント化は、病変の輪郭を描くこと、または別様に病変の境界を特定すること、を含む。１つの実施形態では、超音波画像（例えば従来の超音波画像４１０）内の病変がセグメント化される場合がある。１つの実施形態では、光音響画像内の病変がセグメント化される場合がある（例えば画像４２０、４３０、４４０、４５０、４６０）。全般に画像は、セグメント化されるためには十分な情報を含む必要がある。

１つの実施形態では、セグメント化は訓練を受けたオペレータ（例えば放射線専門医）により実行される。１つの実施形態では、画像または画像の一部がコンピュータスクリーン上に表示され、訓練を受けたオペレータが、画像内に存在するデータに依存して、ディスプレイ上で病変の境界を（例えばマウスまたはその他のポインティング装置を描画または操作し、それにより境界上または境界付近の少なくとも１つの地点を選択することにより）注意深くセグメント化する。１つの実施形態では、複数のコレジスタされた画像がセグメント化のための情報の供給源として使用される場合があり、訓練を受けたオペレータは、例えば複数の画像および／またはモダリティから得られたデータに依存して、セグメント化を決定することができる。１つの実施形態では第１境界が特定される。１つの実施形態では、第１境界は図３を参照して説明する腫瘍境界である。

図５は図４に図示するものと同一画像を示すが、図５の画像は各々腫瘍境界を表現する白色曲線を含む。これらの境界は、点、破線、または他の注記によって表現することもできる。オペレータが腫瘍境界を例えば超音波画像４１０上で特定したとしても、診断ベクトル分類サポートシステムは腫瘍境界を他の画像（例えば画像４２０、４３０、４４０、４５０、４６０）上にも表示することができることに注意すべきである。１つの実施形態ではオペレータは、境界を注意深く特定するよりもむしろ、病変を大まかに近似する場合がある（例えば正方形、長方形、三角形、点の不完全な集合、またはフリーハンドによる略図）。オペレータが係る大まかな近似を行った場合、以下でより詳細に説明するように、病変の境界は、診断ベクトル分類サポートシステム内に実装されたセグメント化技法を使用することにより、より正確な推定が可能である。１つの実施形態では、診断ベクトル分類サポートシステムがユーザによる近似を改良、調節、または別様に変更した場合、ユーザはさらに、診断ベクトル分類サポートシステムによる結果を改良、調節、または別様に変更することができる。かくして境界の最終的な選択はオペレータに委ねられる。

１つの実施形態では、第２境界が第１境界の外側で特定される。図５に図示する実施形態では、図示された画像において腫瘍周縁境界を近似する青色曲線も各画像内に見られる。第１境界の特定に関して上記で論じた技法は、第２境界の特定にも適用され得る。上述のように、第２境界曲線はこれらの画像のうちの１つ（例えば超音波）のみの上で特定されているが、診断ベクトル分類サポートシステムは第２境界を複数の画像上に表示することができる。１つの実施形態では第２境界曲線は、第２境界曲線と第１境界曲線との間の病変周縁領域を画定するために使用される。第１境界の場合と同様に１つの実施形態では、第２境界は、オペレータにより描画または別様に特定することができ、または概略的（例えば大まか）に特定された後、コンピュータにより実装されたセグメント化技法の使用によりさらなる正確化が図られてもよい。１つの実施形態では、第２境界はコンピュータ化されたプロセスにより自動的に特定される。１つの実施形態では、第２境界は第１境界との関連で画定される。１つの実施形態では、第２境界は第１境界の外向き法線方向に一定距離だけ離間する。境界上の所与地点における第１境界の外向き法線方向は、ほとんどの状況では外向き法線方向が第１境界により囲まれた領域の内部領域から離間する方向に向けられるよう、当該所与地点において第１境界の接線ベクトルに対して垂直である。

１つの実施形態では第１境界の場合と同様に、診断ベクトル分類サポートシステム自体が第２境界を特定したとしても、または診断ベクトル分類サポートシステムが第２境界に関するユーザによる特定を改良、調節、または別様に変更したとしても、さらにユーザが、診断ベクトル分類サポートシステムによる結果を改良、調節、または別様に変更することができる。かくして境界の最終的な選択はオペレータに委ねられる。

１つの実施形態では、腫瘍境界の内部に位置する領域は内部領域（すなわち内的ゾーン）と呼称され、腫瘍境界の外部に位置するが腫瘍周縁境界の内部に位置する領域は腫瘍周縁ゾーンまたは境界ゾーンと呼称される。腫瘍周縁境界の外側に位置する領域は周縁領域と呼称される。

図３に戻ると、画像は３つのゾーンにセグメント化されている。白色「腫瘍」曲線は画像を、表現された腫瘍の内部または中心病巣に対応する内的ゾーンと、表現された腫瘍の中心病巣に対して外部に位置する表現された体積の領域に対応する外的ゾーンと、にセグメント化する。青色「腫瘍周縁」曲線はさらに、外側（または外部）ゾーンを境界（または腫瘍周縁）ゾーンおよび周縁ゾーンにセグメント化する。１つの実施形態では、境界ゾーンは、腫瘍の中心病巣に隣接するが腫瘍の中心病巣の外側に位置する、表現された体積の部分に対応する。１つの実施形態では、境界ゾーンは、その厚さが変動し、腫瘍の表面の一部に沿っては存在しないこともある。１つの実施形態では、腫瘍周縁境界曲線は、体積の超音波画像上で特定される厚い低エコー性ハロに対応する。１つの実施形態では周縁ゾーンは、腫瘍の中心病巣および境界ゾーンの両方の外側に位置する、体積の部分に対応する。１つの実施形態では、周縁ゾーンは腫瘍に対して外向き法線方向に中心病巣から境界ゾーンよりもさらに遠位置にある。図３に図示する画像では、厚い黄色線は周縁ゾーン内の特徴についての注記である。

１つの実施形態では、表現された体積の様々な領域に対応する取得された画像の様々なゾーン内に含まれる特徴が評価される。１つの実施形態では、ある特徴が特定のゾーン内に部分的に含まれた場合、その特徴は特定ゾーン内に含まれるものとみなされる。したがって例えば１つの実施形態では、境界ゾーンの特徴は境界ゾーンから周縁ゾーン内に延長する場合がある。または組織体積の周縁領域内にあるとみなされる構造は体積の腫瘍周縁領域に延長し得る。

１つの実施形態では、境界ゾーンは、少なくとも３つの理由、すなわち、（１）境界ゾーンは、腫瘍が成長し隣接組織に浸潤するゾーンであること、（２）境界ゾーンは、宿主反応が腫瘍の拡大を阻止しようとするゾーンであること、および、（３）境界ゾーンは、癌細胞がいくつかの宿主細胞（線維芽細胞およびマクロファージ）を癌細胞へと変換させ、それにより癌の成長が促進される可能性があるゾーンであること、のために、腫瘍の分類に関する情報の重要な供給源であるとみなされる。さらに境界ゾーンは、供給のための動脈と、流出のための静脈とを放射状に広げ、これらが、血液および酸素を腫瘍に供給し、腫瘍から廃物を除去することを特徴とする場合がある。これらの血管は、寄生された生体血管である場合もあり、腫瘍新生血管である場合もある。

１つの実施形態では、境界ゾーンは非常に複雑であり、その外観に対する要因は多数存在し得、係る要因としては、増殖または浸潤する腫瘍細胞、腫瘍新生血管（その大部分が腫瘍の表面に対して略９０度の角度に向く）の豊かな網状組織（これらの新生血管は境界ゾーンの「ヒゲ」と呼称されることもある）、腫瘍に関連するコラージュＩＩＩ型繊維（これらも腫瘍の表面に対して垂直方向に向く）、腫瘍に関連するマクロファージ、腫瘍を抑制するために送られた生体リンパ球、腫瘍の周囲に壁部を造るために宿主により構築された、線維形成−線維性組織、異常性の腫瘍血管に由来する液体により生じた浮腫、または異常性の腫瘍血管に由来するタンパク質性デブリ、が挙げられる。薄い境界ゾーンまたはカプセルゾーンは良性病変に対応する一方で、厚いエコー性ハロにより示される厚い境界ゾーンは浸潤性病変に対応する場合がある。

浸潤性癌の大部分の場合には、訓練を受けた技師は、境界ゾーンが、低エコー性中心病巣および周囲の正常な組織の両方からエコー反射性の点で異なるため、超音波画像上で境界ゾーンを特定することができる。エコー反射性は組織の機械的特性とみなすことができる。コレジスタされた光音響画像の特徴も、いくつかの場合では境界ゾーンの特定を支援する場合がある。例えば、いくつかの光音響画像は、良性領域と比較すると、悪性病変の境界ゾーン（またはカプセルゾーン）において差異を示す。悪性病変が「境界ゾーン・ヒゲ」と呼称される垂直に向く短い腫瘍新生血管を有する傾向を有する一方で、良性病変は、境界ゾーンまたは被膜血管がまったく存在しない状態を示すか、またはほとんどの悪性血管のより垂直に向くものではなく、腫瘍もしくはカプセルの表面に対して平行に向く長い湾曲した血管を有するか、のいずれかの傾向を有する。被膜血管は、中心病巣の外側縁部に近接するか、または係る外側縁部に接触する傾向を有する。境界ゾーン血管は、より短くなる傾向を有し、且つ方向がより垂直となる傾向を有する。いくつかの場合では、被膜血管は中心病巣の約１〜３ｍｍ内にある場合がある。他の場合では、被膜血管は中心病巣からさらに遠位置に見られる場合がある。末梢血管も境界ゾーンよりも遠位置に見られる場合がある。末梢血管は全般的に中心病巣には触れず、境界ゾーンに対しては触れる場合もあり、触れない場合もある。末梢血管は全般的に中心病巣の表面に対して略垂直な方向に中心病巣から放射状に広がる。可能性のある境界ゾーン・ヒゲの例が図５ではオレンジ色線で注記される。可能性のある放射状血管の例が図５では黄色線で注記される。

１つの実施形態では、図５で示すように、画像のゾーンを完全に画定する２つの閉じられた境界曲線が計算または別様に取得される。この場合、境界ゾーンは、外側境界により画定されるゾーンから、内側境界により画定されるゾーンを、差し引くことにより画定することができる。１つの実施形態では、取得された第１境界および第２境界は、病変の内部および周縁部の１部分のみを画定する場合がある。例えば１つの実施形態では、第１境界および第２境界は病変の上方部分のみ、すなわちセンサに近い病変の部分のみ、を画定する。係る実施形態は、病変全体が画像のそれぞれにおいて現れていない場合には、または病変の一定の深さよりも深い場所では入手可能な情報が減少することにより境界を特定するための詳細が十分に見出されない場合には、必然的に生じてしまう。

１つの実施形態では、１つの開かれた境界曲線と、１つの閉じられた境界曲線と、が取得される場合がある。１つの実施形態では、開かれた境界曲線は、その端点を接続することにより閉じることができる。閉じられた曲線が図３におけるように腫瘍境界を表現する実施形態では、開かれた境界曲線を腫瘍境界に接続するために様々な方法を使用することができる。例えば１つの実施形態では、開かれた境界曲線から腫瘍境界まで接続曲線を描画するために画像コンテキストが使用される。１つの実施形態では接続線が、境界曲線の各端点から腫瘍境界曲線の最も近い点まで描画される。１つの実施形態では接続線が、腫瘍境界曲線と直角に交わる境界曲線の各端点から描画される。腫瘍境界曲線上の複数の点がこれらの条件を満たす場合、端点から最近位または最遠位にある点、腫瘍の中心から最近位または最遠位にある点、腫瘍の表面に対して最も垂直な接続線を作る点、を含む接続点が様々な方法で選択される場合がある。

他の実施形態では、２つの開かれた境界曲線が取得される場合がある。２つの開かれた境界曲線が取得される実施形態では、腫瘍境界曲線は、その端点を接続することまたは当該技術分野で周知の他の技法により閉じることができ、次いで上述の１つまたは複数の技法を適用することができる。１つの実施形態では腫瘍周縁境界曲線の各端点に対して、線が、腫瘍境界曲線の最も近い端点まで描画される。１つの実施形態では、接続点を選択するために画像コンテキストを使用することができる。当該技術分野で周知の他の技法を適用することも可能である。１つの実施形態では、第１接続線は上述の１つまたは複数の技法を使用して描画され、次いで、直線状の接続線を修正するために画像コンテキストが使用され、その結果、係る直線状の接続線が接続曲線となる場合がある。

画像データの表示
１つの実施形態では２０７において、解析および入力のために画像データがオペレータに表示される。１つの実施形態では上述のように、画像データはセグメント化のために表示される場合がある。１つの実施形態では、画像データは、セグメント化の後、曲線、点線、強調表示、または画像をセグメント化するために使用された１つまたは複数の境界を示す他の注記とともに、表示または再表示される。１つの実施形態では、オペレータはこの時点で入力装置１０９を介して１つまたは複数の境界曲線を調節する場合がある。

１つの実施形態では、画像データはディスプレイ装置１０７などのディスプレイ装置により表示される。１つの実施形態では、画像データは上述のように体積の複数のコレジスタされた画像を含む場合がある。１つの実施形態では、同一の組織体積または異なる組織体積に由来する特徴表現の例が比較のために表示される。１つの実施形態では、同一患者の以前のイメージングに由来する特徴が、進行または動向を解析するために表示される。例えば同一患者の以前のイメージングを、腫瘍の分類、成長、血管分布状態、全血量、および他の特徴を含む癌などの疾患の進行を追跡するために表示することができる。１つの実施形態では、様々なグレード評価またはスコア評価を示す特徴の標準的な例が示される。１つの実施形態では、画像データは図６に示す画像的なユーザインターフェースを介して表示される。１つの実施形態では以下でさらに説明するように、画像データは腫瘍の分類および／または画像特徴に関する評価、再評価、およびオペレータ入力のために表示される。

病変の分類
１つの実施形態では、画像セグメント化（２０５）が完了すると、ただちに分類は、コンピュータによって生成される分類（２１１）により、オペレータによる分類（２２１）により、またはその両方により、実施される場合がある。１つの実施形態では、画像データは、コンピュータによる分類／グレード評価が実施される場合がある（２１１）前に、オペレータに対して表示（２０７）される必要はない。

１つの実施形態では、内的、周縁部、および外的な発見事項が病変の分類のために使用される場合がある。１つの実施形態では、病変の内部領域および周縁領域が病変の分類のために使用される場合がある。１つの実施形態では、複数の特徴は序数尺度などの尺度を使用してグレード評価される場合がある。１つの実施形態では、別個にグレード評価された特徴から形成された１つのベクトルは、有望な分類または診断に対応する。１つの実施形態では、複数の可能性のある特徴ベクトルが単一の分類を示唆することができる。

１つの実施形態では、分類は、光音響画像または他のパラメータマップの６つの特定的な特徴、すなわち、
１）内的血管分布状態および脱酸素化、
２）腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
３）内的脱酸素化ブラッシュ、
４）内的全血量、
５）外的腫瘍周縁放射状血管、および、
６）干渉アーチファクト、
を序数尺度で査定することにより、実施される。１つの実施形態では、これら６つの特定的な特徴は０〜５の序数尺度でグレード評価される。１つの実施形態では、１つまたは複数の特徴が０〜６の序数尺度でグレード評価される。これらの特徴スコアの特定的なベクトルが、特定の病変分類と相関することが示されている。１つの実施形態では、特徴グレードを合計すると、合計内的スコア、合計外的スコア、および／または合計全体スコア、が求められる。１つの実施形態では、２側面（ｔｗｏ−ｓｉｄｅｄ）の正確なヨンキー・タプストラ検定が、増加するスコア（内的、外的、合計）と、より高い癌のグレードと、の間の関係を検定するために使用される。

１つの実施形態では、上記で特定された６つの特定的な特徴のうちの１つまたは複数に加えて、または係る特徴に代わって、内的、腫瘍周縁、および周縁の、
ａ）血管分布状態、
ｂ）血管分布の密度、
ｃ）脱酸素化、
ｄ）斑点、
ｅ）ブラッシュ、
ｆ）ヘモグロビンの量、
ｇ）血液の量、
ｈ）酸素化血液と脱酸素化血液の比、
ｉ）血中酸素飽和度、
ｊ）全血量蓄積量、および
ｋ）干渉アーチファクトの量、
を含むがこれらに限定されない、他の特徴もグレード評価することができる。

ｌ）腫瘍新生血管の量、
ｍ）腫瘍の表面に対して実質的に平行方向に向く血管の量、
ｎ）腫瘍の表面に対して実質的に垂直方向に向く血管の量、
ｏ）血管の長さ、および、
ｐ）血管の真直度、
を含むがこれらに限定されない追加的な特徴も、腫瘍周縁領域および周縁領域において評価することができる。

ｑ）増殖する腫瘍細胞の量、
ｒ）浸潤する腫瘍細胞の量、
ｓ）腫瘍に関連するマクロファージの量、
ｔ）腫瘍により影響されている生体細胞の量、
ｕ）リンパ球の量、
ｖ）線維形成の量、
ｗ）浮腫の量、
ｘ）タンパク質性デブリの量、
ｙ）境界ゾーンの厚さ、および、
ｚ）腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュＩＩＩ型繊維の量、
を含むがこれらに限定されない追加的な腫瘍周縁特徴も評価することができる。

ａａ）放射状動脈の量、および、
ｂｂ）放射状静脈の量、
を含むがこれらに限定されない追加的な周縁部特徴も評価することができる。１つの実施形態では、上述の特徴のうちの一部または全部をグレード評価することに加えて、分子指標もグレード評価される。

オペレータによる特徴グレード
１つの実施形態では、２２１において、オペレータ（一般的に放射線専門医）は、病変に関連する画像データが提示され、病変に関連する１つまたは複数の特徴に対するスコアを入力するよう促される。１つの実施形態では、１つの画像を含む画像データがユーザに提示される。１つの実施形態では、画像データは複数の画像を含む場合がある。画像データが複数の画像から構成される実施形態では、複数の画像はコレジスタされていると好都合である。１つの実施形態では、画像データは組織体積の放射線学的情報を含む。１つの実施形態では、画像データの画像は（これらの画像が各画像のモダリティにより描写される際に）体積内の視認可能な機能的構造または形態学的構造を描写する。１つの実施形態では、画像データは図４に全般的に反映されるように６つの画像を含む。１つの実施形態では、画像データは、図３および図５に示すように、体積の１つまたは複数の画像上に重ね合わされた境界曲線および／または他の注記を含む。

１つの実施形態では、オペレータは、図６に反映されるインターフェースなとのグラフィカル・ユーザ・インターフェース（「ＧＵＩ」）を提示される。１つの実施形態では、ＧＵＩは特徴グレード評価のためのインターフェースを含む。図６に図示する実施形態では、特徴グレード評価のためのインターフェースはＧＵＩのボトム部分に沿って配置され、ユーザは病変に関連する６つの特徴のそれぞれに対するグレードを入力することができる（７つ以上の特徴または５つ以下の特徴に対するグレードが求められてもよい）。１つの実施形態では、オペレータはこのインターフェースを介して病変の１つまたは複数の特徴のグレードを入力する場合がある。１つの実施形態では、オペレータは０〜５の尺度（他の尺度が使用されてもよい）で１つまたは複数の特徴に対する序数グレードを選択または入力する。１つの実施形態ではシステムは、システムおよび／または他のユーザにより以前に実施された解析に基づいて、１つまたは複数の推奨される特徴グレードをオペレータに提示する。１つの実施形態では、オペレータは推奨された特徴グレードを確認または変更することができる。１つの実施形態では、ユーザ入力のフォーカスを変更するために、オペレータは、特定の特徴に対する入力の受け取りのための専用のスクリーンのエリア上をクリックしてもよく、または特徴入力の間で選定してもよい。

１つの実施形態では、画像データに加えて、オペレータは、特定の特徴に対する１つまたは複数のグレードを示す画像例も提示される。図６に図示する実施形態では、画像例は、ＧＵＩの右部分に沿って見られ、０〜５の序数グレードを示す。１つの実施形態では、画像例は特徴に対する可能性のあるグレードを示す病変を図示する。画像例は現在の患者または他の被験者から以前に収集された画像データを含む場合がある。１つの実施形態では、画像例は、（同一のまたは別の組織体積内の)同一の特徴を評価するために内容領域専門家または他のユーザが以前に使用した画像を含む。１つの実施形態ではシステムは、特徴に関してシステムにより計算されたグレードにマッチするスコアまたは係るグレードと同様のスコアを生成した画像を表示する。係る実施形態ではシステムは、オペレータにより入力された特徴に関するグレードにマッチするスコアまたは係るグレードと同様のスコアを生成した画像を表示する。１つの実施形態では、画像例は特徴グレードの理想化された表現を示す図面を含む。１つの実施形態では、画像例は、病変の１部分（例えばグレード評価される特徴に関連する部分など）のみを示す。例えば内的断酸素化ブラッシュに関して、画像例は病変例に対して内的であるエリアのみを示す場合がある。または画像例はブラッシュを示す内的エリアの部分のみを示す場合がある。１つの実施形態では、示される画像例は、システムが現在グレードを探している特定の特徴（すなわち、現在フォーカスされている特徴）に依存する。１つの実施形態では、オペレータは、示される画像例のうちの１つをクリックまたは別様に選択することより、現在フォーカスされている特徴のグレードを示す場合がある。１つの実施形態では、示される画像例は、オペレータがグレード評価のために異なる特徴を選定または別様に選択すると、それに応じて変わる。１つの実施形態では、同一の画像例が使用されるが、注記（例えば強調表示など）が現在フォーカスされている特徴に関連する情報を強調するために加えられる。

１つの実施形態では、オペレータは画像データを解釈するためのガイドラインを適用する。１つの実施形態では、係るガイドラインは、以下で図７〜図１２を参照してさらに例示するように、画像例または基準画像に基づく場合がある。本明細書で議論される基準画像およびガイドラインは説明的な例である。他種類の画像、ガイドライン、および特徴が使用されてもよい。

図７は組み合わせ光音響マップ上における内的血管分布状態のグレード０〜５に対する基準画像を示す。例示的な実施形態では、グレード０は内的血管が存在しないことにより特徴付けられ、グレード１は、１つのみの赤色血管（脱酸素化ヘモグロビンを運ぶ血管を指す）を有する２つまでの内的血管により特徴付けられ、グレード２は、分岐を有する２つまでの内部血管により特徴付けられ（分岐の全部または大部分が緑色（酸素化されたヘモグロビンを運ぶ血管を指す）である）、グレード３は内的斑点により特徴付けられ（内的緑色および赤色の斑点の量は実質的に等しく、外的斑点の量よりも少ない）、グレード４は適度の内的斑点により特徴付けられ（内的赤色斑点の量は内的緑色斑点の量よりも大きく、内的赤色斑点の量は外的赤色斑点の量よりも大きい）、グレード５は複数の内的赤色血管により特徴付けられる。

図８は相対的光音響マップ上における内的ブラッシュのグレード０〜５に対する基準画像を図示する。例示的な実施形態では、グレード０は内的血管が存在しないことにより特徴付けられ、グレード１は最少の内的斑点により特徴付けられ（斑点の全部が緑色である）、グレード２は軽度な内的斑点により特徴付けられ（緑色斑点および赤色斑点は実質的に等しく、赤色斑点および緑色斑点の両方の合計は外部斑点の量より少ないかまたは等しい）、グレード３は軽度な内的斑点により特徴付けられ（内的赤色斑点の量は内的緑色斑点の量よりも多く、赤色斑点および緑色斑点の両方の合計は外部斑点の量より少ないかまたは等しい）、グレード４は適度の内的斑点により特徴付けられ（内的赤色斑点の量は内的緑色斑点の量よりも大きく、内的赤色斑点の量は外的赤色斑点の量よりも多い）、グレード５は内的ゾーンをほぼ充填する内的赤色ブラッシュにより特徴付けられる。

図９は合計ヘモグロビンマップ上における内的ヘモグロビンのグレード０〜５に対する基準画像を図示する。例示的な実施形態では、グレード０は内的血管が存在しないことにより特徴付けられ、グレード１は最少の内的ヘモグロビン（外的ヘモグロビンよりも少ないかまたは等しい）により特徴付けられ、グレード２は最少個数の内的個別血管により特徴付けられ（内的血管分布状態は外部血管分布状態に実質的に等しい）、グレード３は適度な個数の内的個別血管により特徴付けられ（内的血管分布状態は外部血管分布状態に実質的に等しい）、グレード４は多数の大きい内的血管により特徴付けられ（内的血管分布状態は外部血管分布状態よりも大きい）、グレード５は、内的ゾーンをほぼ充填する、多数の大きく且つ不均一な血管により特徴付けられる。

図１０は様々な光音響マップ上で示される被膜血管／境界ゾーン血管のグレード０〜６に対する基準画像を図示する。例示的な実施形態では、グレード０は被膜血管が存在しないことにより特徴付けられ（血管は腫瘍の表面に対して平行に向く）、グレード１は少なくとも１つの緑色血管を有する２つまでの被膜血管により特徴付けられ、グレード２は、通常の先細りする、鋭角的な分岐を有し、大部分が緑色である、２つまでの被膜血管により特徴付けられ、グレード３は境界ゾーン斑点により特徴付けられ（緑色斑点および赤色斑点は実質的に等しく、赤色境界ゾーン斑点および緑色境界ゾーン斑点の両方の合計は外部斑点の量よりも少ないかまたは等しい）、グレード４は境界ゾーン斑点により特徴付けられ（赤色斑点の量は緑色斑点の量よりも多く、境界ゾーン赤色斑点の量は外部赤色斑点の量よりも多い）、グレード５は、３つ以上の赤色境界ゾーン血管により特徴付けられ、グレード６は境界ゾーンブラッシュにより特徴付けられる。

図１１は様々な光音響マップ上で示される末梢血管のグレード０〜５に対する基準画像を図示する。例示的な実施形態では、グレード０は腫瘍周縁血管が存在しないことにより特徴付けられ、グレード１は、少なくとも１つの緑色血管を有する２つまでの腫瘍周縁血管により特徴付けられ、グレード２は、ランダム方向に向く（ただし病変の表面に対して垂直方向に放射状でない）３つ以上の腫瘍周縁血管により特徴付けられ、グレード３は１つまたは２つの放射状の腫瘍周縁血管により特徴付けられ、グレード４は、病変の１つの側部における３つ以上の放射状血管により特徴付けられ、グレード５は、病変の２つ以上の側部における３つ以上の放射状血管により特徴付けられる。

図１２は相対的光音響マップ上で示される干渉アーチファクトのグレード０〜５に対する基準画像を図示する。例示的な実施形態では、グレード０は顕著なアーチファクトが存在しないことにより特徴付けられ、グレード１は、グレードとは干渉しない最少のアーチファクトにより特徴付けられ、グレード２はグレードとは干渉しない適度なアーチファクトにより特徴付けられ、グレード３はグレードに干渉する適度なアーチファクトにより特徴付けられ、グレード４はグレードに干渉する重大なアーチファクトにより特徴付けられ、グレード５は画像の解釈を不可能にする重大なアーチファクトにより特徴付けられる。

１つの実施形態では、ユーザに提示される画像データまたは画像例はユーザから受け取られた入力に基づいて変更される。１つの実施形態では、ユーザに提示される画像データは現在フォーカスされている特徴に基づいて変更または注記される。例えばシステムにより特定された干渉アーチファクトが強調表示されてもよく、または腫瘍周縁境界上で示された放射状血管が注記されてもよい。

オペレータによる病変分類
１つの実施形態では、オペレータは病変分類のためのインターフェースを提示される。１つの実施形態では、２２１でオペレータ（一般的に放射線専門医）は、画像データを提示され、分類を入力するよう促される。１つの実施形態ではオペレータは、選択された分類に対してテキストまたは略号を入力することにより、病変の分類を入力する。１つの実施形態では、オペレータはドロップ・ダウン・メニューから分類を選択する。他のデータ入力方法が当該技術分野で周知であり、使用されてもよい。１つの実施形態では、システムは、オペレータにより入力された複数の特徴グレードに基づいて病変の１つまたは複数の可能性のある分類を提示する。１つの実施形態では、システムは、システムおよび／または他のユーザにより以前に実施された解析に基づいて病変の１つまたは複数の可能性のある分類を提示する。１つの実施形態では、オペレータは、システムにより示唆された病変分類を、選択、確認、または変更することが可能である。

自動化された病変分類
１つの実施形態では、２１１で診断ベクトル分類・サポートシステムは、グレード評価することができる複数の特徴のうちの１つまたは複数に対する予測値を決定する場合がある。１つの実施形態では、診断ベクトル分類・サポートシステムは上述の６つの特定的な特徴に対する予測値を決定する場合がある。様々な異なる手法が採用される場合がある。１つの実施形態では、画像処理または他の技法が、上述のオペレータによる分類およびグレード評価技法の一部または全部を再現するために使用される。１つの実施形態では、係る技法は、異なる手段により同一または同様の結果に到達するために適用される。１つの実施形態では、係る技法は異なる目的のために適用される。以下で論じる技法は説明的な例である。他種類の技法も使用される場合がある。

１つの実施形態では、ヘモグロビン状パラメータ画像および酸素化状パラメータ画像が使用される。係る画像はこのセクションでは処理済み画像と呼称される。処理済み画像は、特徴検出に先だって、１つまたは複数の好適なフィルタによりフィルタ処理される場合がある。１つの実施形態では、１つの好適なフィルタは平滑化フィルタである。１つの実施形態では、１つの好適なフィルタは形状検出フィルタであり、これによって、１つのピクセルが、検出されるべき形状により取り囲まれている場合、当該フィルタは結果的に当該ピクセルに対する強度が高くなり、１つのピクセルが検出されるべき形状により取り囲まれていない場合、フィルタ処理された画像において生成される強度は低くなる。１つの実施形態では、形状検出フィルタは血管を検出するよう最適化される。１つの実施形態では、形状フィルタは方向性を有するか、または係るさらなる方向性情報（例えば直線または血管の角度など）を含む場合がある。腫瘍周縁領域から周縁領域へと放射状に広がる放射状血管は、腫瘍周縁境界を通過し、第２境界に対して接線方向よりもむしろ垂直方向に向く傾向を有する場合があるため、方向性フィルタがこの状況を検出するために使用される場合がある。１つの実施形態では、２つ以上の形状フィルタを使用することができる。

血管分布状態は処理済みヘモグロビン画像から決定される場合がある。酸素化または脱酸素化は処理済み酸素化画像から決定される場合がある。このように血管分布状態に関する特徴は処理済みヘモグロビン画像から見出される場合がある。酸素化に関する特徴は処理済み酸素化画像から見出される場合がある。最終的に、合計ヘモグロビンをパラメータ的に反映する画像を使用してマスクされた脱酸素化ヘモグロビンをパラメータ的に反映する組み合わせ画像（例えば画像４６０）が、血管の酸素化に関する特徴グレードを予測するために、処理済み酸素化画像に代わって、または処理済み酸素化画像に加えて、使用される場合がある。

セグメント化された病変に対する特徴の存在を定量化するために使用される測定規準を決定するために、内的領域、周縁領域、および周縁部に隣接する外的領域が使用される場合がある。

１つの実施形態では、内的脱酸素化ブラッシュは内部領域における脱酸素化を反映するピクセルの量を判定することにより測定される。１つの実施形態では、脱酸素化ブラッシュのグレードは、合計すると閾値を越える脱酸素化を反映するピクセルの個数の計算する結果として、または、重み付けられた合計として、決定される場合がある。１つの実施形態では、脱酸素化ブラッシュのグレードは、脱酸素化を反映する、または閾値を越える脱酸素化を反映する、内部領域のピクセルの総個数の比率（例えばパーセンテージ）の結果として決定される場合がある。

パラメータ画像またはパラメータ画像オーバーレイはパラメータを示すために色彩を使用する場合がある。１つの実施形態では、パラメータ画像オーバーレイ（画像４６０に示される）は、１つの機能的決定（すなわち脱酸素化ヘモグロビンの濃度）を含むエリアを示すために赤色を使用することができ、異なる機能的決定（すなわち酸素化ヘモグロビンの濃度を含むエリア）を示すために緑色を使用することができる。１つの実施形態では、赤色ピクセルの個数および緑色ピクセルの個数が、例えば内的脱酸素化ブラッシュのグレード評価などの病変分類で使用される場合がある。例えば１つの実施形態では、内的赤色ピクセルおよび内的緑色ピクセルの個数の重み付きバージョン（各ピクセルの赤色の度合いまたは緑色の度合いに関する情報を含む）は、合計内的赤色度（閾値よりも赤色度が大きいピクセルの重み付き合計）、合計内的緑色度（閾値よりも赤色度が大きいピクセルの重み付き合計）、および／または合計内的測定規準（全ピクセルの重み付き合計、緑色の正の重み、および赤色の負の重み）を生成するために使用される場合がある。内的赤色ピクセルと内的緑色ピクセルの比、または合計赤色度と合計緑色度の比が、内的脱酸素化ブラッシュのグレード評価において使用される場合がある。

腫瘍周縁境界ゾーンの血管分布状態および脱酸素化は腫瘍周縁領域において同様の機能を実行することにより計算される場合がある。

１つの実施形態では、他の分子指標（ヘモグロビンのおよび酸素化以外の）が使用される場合がある。１つの実施形態では、他の分子指標を、光音響画像をもたらす刺激的応答を生成する異なる主波長または追加的な主波長を使用することにより決定することができる。

上述の技法は、決定された酸素化および／またはヘモグロビン（および／または他の係る分子）測定規準に基づいて決定される絶対コントラスト（または以下で議論するように、相対的コントラスト）に適用される場合がある。１つの実施形態では関心領域はコントラストを改善するために使用される場合がある。病変の近位にある、または病変の上方に位置する関心領域を使用すること（「Ｓｔａｔｉｓｔｉｃａｌ Ｍａｐｐｉｎｇ ｉｎ ａｎ Ｏｐｔｏａｃｏｕｓｔｉｃ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍ」を発明の名称とする２０１３年３月１１日に出願された米国特許出願第１３／７９３，８０８号で全般に説明されるように）により、内的、周縁部、および外的なパラメータ画像データのカラライゼーションをカラライゼーションに依存する上述の技法の適用に対してより好適にする場合がある。したがって上述の特徴評価技法は組織の統計的特性に基づいて相対的コントラストに適用され得る。相対的コントラストが使用される場合、上述の重み付けを基準レベルに対して決定することができる。１つの実施形態では基準レベルがゼロの重みに対応する場合がある。１つの実施形態では１（＋１）およびマイナス１（−１）の重みは、基準レベルより大きい値または基準レベルより小さい値に対応する場合がある。１つの実施形態では、単位重み付け規模（＋１または−１）に対応する画像振幅は、一定であってもよく、または組織の統計的特性に基づいてもよい（例えば関心領域の標準偏差に比例）。代表的な実施形態では＋１は、Ｋ標準偏差に等しい基準レベルより小さい画像強度を有するピクセルに対応する。１つの実施形態では基準レベルは関心領域の平均である場合がある。

パターン分類フィルタが使用される場合がある。１つの実施形態では、画像は２Ｄウェーブレットパケットドメインなどのパターン分類ドメインに変換される。パターン分類ドメインの空間係数が係るフィルタ内における特徴の存在をいつ示すかを示す演繹的な知識が、アルゴリズムのトレーニング段階により習得される場合がある。１つの実施形態では、係る技法は、パターンクラスタを発見して分類器（ｃｌａｓｓｉｆｉｅｒ）を生成するために、サポートベクトルマシン（ＳＶＭ）もしくは他の同様の方法、または別の技法を使用する。したがって係る特徴が画像内に存在することはピクセル毎に空間的に定量化される場合があり、画像セグメントの画定された境界内での係る定量化された測定の発生を計数するための方法が、画像の当該ゾーンにおける特徴を査定するために使用される場合がある。

縞などのアーチファクトは血管の決定に対して干渉する。なぜなら係るアーチファクトは血管を例えば模倣する場合があるためである。１つの実施形態では、縞状アーチファクトを抑制するために、または係るアーチファクトをフィルター除去するために、フィルタが用いられる場合がある。１つの実施形態では検出された係るアーチファクトの量は、フィルタにより定量化され、上記の技法において判断基準として使用される場合がある。１つの実施形態では反復的復元処理（ｉｔｅｒａｔｉｖｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ）が、縞状アーチファクトを除去するために使用される場合がある。画像からアーチファクトを除去するための多数の他の技法が当該技術分野で周知であり、当業者は適用することができる。

したがって１つの実施形態では、６つの特徴を計算するために、上述の技法、すなわち、
１）内的血管分布状態および脱酸素化：スコアは第１境界内のヘモグロビン画像において検出された血管に基づき、これらの血管の酸素化の度合いは酸素化画像に由来する。１つの実施形態では、組み合わせ画像（例えば図４、４６０）が使用される場合がある。１つの実施形態では、血管検出器が使用される場合がある。１つの実施形態では、血管分布状態はヘモグロビン量から推測される場合がある。１つの実施形態では、スコアは組み合わせ画像内における赤色度と緑色度との比率に関連する。
２）腫瘍周縁境界ゾーンの血管分布状態および脱酸素化：スコアは腫瘍周縁境界内（すなわち第１境界と第２境界との間）のヘモグロビン画像において検出された血管に基づき、これらの血管の酸素化の度合いは酸素化画像に由来する。１つの実施形態では、組み合わせ画像（例えば図４、４６０）が使用される場合がある。１つの実施形態では、血管検出器が使用される場合がある。１つの実施形態では、血管分布状態はヘモグロビン量から推測され得る。１つの実施形態では、スコアは組み合わせ画像内における赤色度と緑色度との比率に関連する。
３）内的脱酸素化ブラッシュ：スコアは内的領域に対して上述のように酸素化画像から決定される。１つの実施形態では、スコアは処理済み酸素化マップ（例えば図４、４５０）の赤色ピクセルのパーセンテージに関連する。
４）内的全血量：スコアは内的領域において上述のようにヘモグロビン画像強度または血管検出画像から決定される。１つの実施形態では、スコアは処理済みヘモグロビンマップ（例えば図４、４４０）を使用して閾値を越える内的ピクセルのパーセンテージに関連する。
５）外的腫瘍周縁放射状血管：スコアは腫瘍周縁境界上で検出される放射状血管から決定される。１つの実施形態では、スコアは外部境界の近位に位置する方向性フィルタ処理が施されたヘモグロビン画像の合計に関連する。なお境界に対して垂直方向付近の係る血管は高いスコアが付与され、他の特徴は抑制される。
６）干渉アーチファクト：スコアは上述のように決定される。１つの実施形態では、アーチファクトはスコア評価の前に除去され、したがって干渉アーチファクトのスコアはゼロである。
のうちの１つまたは複数を使用することができる。

１つの実施形態では、前述の特徴のそれぞれは０〜５の序数尺度でスコア評価される。１つの実施形態では、被膜血管／境界ゾーン血管の存在は、０〜６の序数尺度でスコア評価される。１つの実施形態では、序数尺度に対する特徴は複雑なロジックを伴い、係るロジックは、特定の状況における序数尺度をランク評価することを記述するための条件付きステートメント（例えば「ｉｆ」）を含み、上述のように２つ以上の係る測定規準を使用することができる。

１つの実施形態では、分類ベクトルは各特徴をスコア評価することにより形成される。分類ベクトルは、病変に対する分類の予測に対応する。１つの実施形態では分類ベクトルは、特徴に対するコンピュータスコアと、試料の分布に対する組織学的データデータと、を比較することにより、経験的に決定される。この経験的方法を使用して、分布に対する概要を表現する分類ベクトルを、新しい分類器および組織学的情報が利用可能になるにつれて更新することができる。

診断サポート
１つの実施形態では、２３１において、ユーザから受け取られた分類が、システムにより計算された分類と比較される。１つの実施形態では、これらの分類が異なるか、その差異が閾値を越えた場合、２３５において診断サポートがユーザに提供される。１つの実施形態では、オペレータの生成による分類およびコンピュータの生成による分類が、同一であるか、またはその差異が閾値を越えない場合、オペレータによる特徴分類が２４１で出力される。１つの実施形態では診断サポートは、オペレータの生成による分類とコンピュータの生成による分類とがすでに同一である場合でさえも、提供される。

１つの実施形態では２３１において、ユーザから受け取られた特徴グレードを、システムにより計算された特徴グレードと比較することができる。これらの特徴グレードが異なるか、またはその差異が閾値を越えた場合、２３５において診断サポートがユーザに提供される場合がある。１つの実施形態では診断サポートは、オペレータの生成によるグレードおよびコンピュータの生成によるグレードがすでに同一である場合でさえも、提供される。１つの実施形態では、オペレータの生成によるグレードおよびコンピュータの生成によるグレードが同一であるかまたはその差異が閾値を越えない場合、２４１においてオペレータによる特徴グレードが出力される。オペレータの生成による特徴グレードと、コンピュータの生成による特徴グレードと、の差異が、結果的に生成される腫瘍の分類に影響を及ぼさない実施形態では、診断サポートは提供されず、方法は２４１に進行する。

以下でさらに論じられるように、診断サポート２３５は、追加的情報をユーザに提示すること、追加的入力をユーザから要請すること、またはその両方を、含む場合がある。１つの実施形態では、ユーザを特定の情報に対して集中させるために、より少ない情報がユーザに提示される。

ユーザから受け取られた分類または特徴グレードが、システムにより計算された分類または特徴グレードと異なるか、または実質的に異なる実施形態では、システムは追加的な画像データ、画像例、または他の情報をユーザに提示する。例えば１つの実施形態ではシステムは、システムによる分類またはグレード評価の基礎となった情報を強調するために、表示された画像データを、強調表示または別様に注記する。１つの実施形態ではシステムは、オペレータの注意を、システムによる分類またはグレード評価の基盤となった情報に集中させるために、画像データのサブセットまたは一部を表示する。１つの実施形態では、システムは追加的画像をオペレータに表示する。例えば１つの実施形態では、システムは上述の画像例を表示する。１つの実施形態では、システムは追加的画像データをオペレータに表示する。

１つの実施形態では、ユーザから受け取られた分類または特徴グレードがシステムにより計算された分類または特徴グレードと異なるか、または実質的に異なる場合、システムはオペレータからの追加的入力を要請する。係る要請は、追加的情報をオペレータに提示する前、提示した後、提示する間、または係る提示を実行する代わりに、行われる場合がある。例えば１つの実施形態では、オペレータは病変の１つまたは複数の特徴をグレード評価または再グレード評価するよう、求められる。１つの実施形態では、オペレータは、オペレータによる特徴のグレード評価の基盤となった画像の部分を選択するよう、求められる。１つの実施形態では、オペレータは、画像の第１境界曲線または第２境界曲線および／またはセグメント化を、確認、変更、または増強するよう、求められる。１つの実施形態では、オペレータは、オペレータによる分類または特徴グレードがシステムにより計算された分類または特徴グレードと異なるかどうかに関わらず、係る追加的情報を提供する場合がある。１つの実施形態では、システムは、オペレータによる分類または特徴グレードがシステムにより計算された分類または特徴グレードと異なるかどうかに関わらず、係る追加的情報を要請する。１つの実施形態では、オペレータはシステムによる要請の有無に関わらず、係る追加的情報を提供し得る。

１つの実施形態では、次にシステムは、病変の１つまたは複数の特徴、および／または病変の分類を、オペレータにより提供された任意の追加的情報（例えば変更された境界、画像セグメント化、または特徴グレード）に基づいて再評価する場合がある。次いでシステムは、追加的画像データを再び表示するか、またはオペレータからの追加的入力を要請する場合がある。

１つの実施形態では、オペレータは、診断サポートの提供（２３５）が行われる間、オペレータによる分類または特徴グレードを確認する場合がある。１つの実施形態では、再確認により、２４１において、方法は、確認された結論を返して停止する。１つの実施形態では、方法が、確認された値を返して停止する前に、システムは２つ以上の確認または再確認を要求する。

１つの実施形態では、診断サポート２３５が提供される間にオペレータがオペレータによる分類または特徴グレードを変更すると、方法は２３１に戻り、変更された分類または特徴グレードがシステムにより計算された分類または特徴グレードと比較される。変更されたオペレータによる分類または特徴グレードが、ここで計算された分類または特徴グレードと一致するか、または実質的に一致した場合、２４１において、方法は、変更されたオペレータによる分類または特徴グレードを返して終了する。

１つの実施形態では、オペレータは計算された分類または特徴グレードのうちの１つまたは複数を確認し、それにより、２３１において、積極的な比較が実施され、２４１において、確認された分類または特徴グレードを返して終了する。

研究
さらなる例示的な実施形態について、乳房のしこりに関する構造的特徴および機能的特徴を同時に査定するために診断用超音波とコレジスタされた光音響（ＯＡ）二重エネルギーレーザ技術を使用する研究を参照して、以下で説明する。ＯＡでは薬剤の注入は不必要であり、放射線は利用されない。光音響装置およびその特徴の説明はパラメータマップ出願に見出だすことができる。

乳房のしこりが悪性であるかまたは良性であるかを分類するためにＯＡ特徴をいかに使用するかについての新しい方法およびシステムに関する研究を実施した。１つの実施形態では、６つの特定的なＯＡ特徴が０〜５の序数尺度、すなわち、
１）内的血管分布状態および脱酸素化、
２）腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
３）内的脱酸素化ブラッシュ、
４）内的全血量、
５）外的腫瘍周縁放射状血管、および、
６）干渉アーチファクト、
を使用して査定された。

解析が、ロジスティック回帰（ＬＲ）、サポートベクトルマシン（ＳＶＭ）、分類ツリー（ＣＴ）、ランダムフォレスト（ＲＦ）、およびｋ近傍法（ＫＮＮ）を使用して実施された。１０−分割交差検証が使用された。なお６６の場合が１０の群にランダムに分割された。次いで分類規則を開発するために、各群が６６の観察から取り除かれ、分類器が残余の群に対して訓練された。次にこの規則が除去された群に対して適用された。以上が１０回反復された後、各観察は、当該観察を使用して以前は開発されなかった分類器により割り当てられた。

結果
各方法による感度および特異度の査定が以下の表にまとめられている。ＫＮＮおよびＳＶＭの性能が最良である一方で、ＬＲの性能が最悪であった。しかしこれらの結果は５つの解析全部に対して一貫しており、好適であった。感度は９５％〜１００％の範囲であり、特異度の範囲は５２％〜７９％であった。調査研究の結果は、生検を控える可能性（ｂｉｏｐｓｙ−ｓｐａｒｉｎｇ ｐｏｔｅｎｔｉａｌ）をＯＡイメージングに対して裏付ける。

データは、ＯＡイメージングを使用する乳房のしこりの解析の新規方法が、診断設定において臨床的に有効な感度および特異度を達成したことを示唆する。

要約
解析の結果、特徴の集合が得られ、この特徴の集合は、データ（ＩＤＣおよびＦＡのみが検査された）を３つのクラスタ（クラスタ＃１はＦＡであり、クラスタ＃２はＩＤＣ−ＧＲ１であり、クラスタ＃３はＩＤＣ−ＧＲ２、ＩＤＣ−ＧＲ３（および少数のＩＬＣ−ＧＲ２）である）に振り分けることができる。一般に、これはＳｔａｖｒｏｓ博士により提案された規則と一致する。このレポートは、さらにその解析を公式化し、またはルールセットの使用に対する、さらなる洞察を提供する場合がある。

方法
特徴は選択され、ランク評価（値１〜５）された。使用されたランク評価判断基準が図１３に図示される。どの判断基準が２つのクラスを区別するにあたり重要であるかを決定するために、解析が、ＦＡおよびＩＤＣ−ＧＲ１、ＩＤＣ−ＧＲ２、およびＩＤＣ−ＧＲ３の患者に対して実施された。ｍａｔｌａｂ ａｎｏｖａ ａｎａｌｙｓｉｓツールが使用された。結果は非公式なフォーマットで提示される。

データ
データには８０名の患者が含まれた。これら８０名の患者のうち、まだグレード評価されていない（未完成）の患者が１３名いた。８０名のうち、２８名のＦＡ、３名のＩＬＣ、および４８名のＩＤＣがいた。５１名が悪性、２９名が良性であった。悪性に対して、１１名のＧＲ１、１８名のＧＲ２、および２２名のＧＲ３がいた。実現可能性調査で遭遇される他種類の病変に由来するデータは、この解析に対する入力のためにスプレッドシート上でまだグレード評価されておらず、したがって解析されなかった。

観察
図１４は特徴の分散図を図示する。各ドットは患者を表現する。赤色ドットは良性患者である。良性の患者は画像の底部左側に集まっている。ｘ軸は特徴ベクトルｃ２に基づくスコアを表現する。ｙ軸は特徴ベクトルｃ１に基づくスコアを表現する。各特徴ベクトルは、重みがＡＮＯＶＡ解析により解決された特徴の組み合わせを表現する。特徴ベクトルｃ１およびｃ２が図１５に図示される。図２ｂでは、異常値の患者ＩＤが図示される。

図１５から、特徴ベクトルｃ２は、患者が主に低い内的血管分布状態、低い境界血管分布状態、低い内的ブラッシュ、低い内的血液を含み、それにより少量の包囲血管分布状態が可能であるかどうか、を検出する。これらの特徴の組み合わせが主に存在する場合、ｃ２スコアは、ＦＡとＩＤＣとの間で選択するならば、診断がＩＤＣ−ＧＲ３でない可能性が高いことを示すであろう。特徴ベクトルｃ２はＡＮＯＶＡ解析から決定された最良より２番目の予測であった。一方、特徴ベクトルｃ２は、ＩＤＣ−ＧＲ１をｘ軸上で良性とは別に集めることも可能である。

図１５からも、特徴ベクトルｃ１（最も高い予測器）は、患者が主に、任意の内的ブラッシュ（内的ブラッシュはグラフにおいて最も大きく重み付けられている）、顕著な包囲血管分布状態、および大量の内的血液を含むかどうかを検出する。特徴ベクトルｃ１上でスコアが低い場合、ＩＤＣ−ＧＲ１およびＩＤＣ−ＧＲ２、ならびにＩＬＣ−ＧＲ２を、ＦＡおよびＩＤＣ−ＧＲ１（ｙ軸）のカテゴリーから分離することができる。

結論
解析の結果、特徴の集合が得られ、この特徴の集合は、データ（ＩＤＣとＦＡとの間で選択する場合）を、３つのクラスタ（クラスタ＃１はＦＡであり、クラスタ＃２はＩＤＣ−ＧＲ１であり、クラスタ＃３はＩＤＣ−ＧＲ２、ＩＤＣ−ＧＲ３、およびＩＬＣ−ＧＲ２である）に振り分けることができる。一般に、これはＳｔａｖｒｏｓ博士により提案された規則と一致する。賞賛情報がこの解析において得られ得る。

ｃ１およびｃ２で列挙される特徴は、ＯＡ情報の診断における支援のために使用される場合がある。

患者が主に以下（ｃ２ベクトル）すなわち、低い内的血管分布状態、低い境界血管分布状態、低い内的ブラッシュ、低い内的血液を含み、それにより少量の包囲血管分布状態が可能となる場合、患者を、ＩＤＣ−ＧＲ１を他のクラスと区別するクラスにグループ化することができる。主に以下、すなわち任意の内的ブラッシュ（内的ブラッシュはグラフにおいて最も大きい重みが付与される）、顕著な包囲血管分布状態、および大量の内部血液を含む患者画像を、他のクラスからＩＤＣ−ＧＲ１を区別するクラスにグルーブ化することができる。

注記
超音波特徴はこの解析では考慮されなかった。多くの場合、超音波特徴は、異なる病変を区別し、いかなる状況下で光音響特徴が適用可能となるかを決定するために、必要となりる場合がある。

当業者は、本開示の方法およびシステムが多数の様式で実装される場合があり、したがって前述の代表的な実施形態および事例により限定されないことを、認識するであろう。換言すると、ハードウェアおよびソフトウェアまたはファームウェアの様々な組み合わせにおいて、単一または複数の構成要素（またはサブシステム）によって実行される機能的要素、および個々の機能は、クライアントレベルまたはサーバーレベルもしくはその両方で、ソフトウェアアプリケーション間で分散されてもよい。この点に関して、本明細書で説明された異なる実施形態の任意個数の特徴は、単一の実施形態または複数の実施形態へと組み合わされる場合があり、本明細書で説明した特徴の全部よりも少数の特徴または多数の特徴を有する代替的な実施形態も可能である。機能はまた、全体的にまたは部分的に、現在周知の手法または将来周知となる手法で、複数の構成要素間に分散される場合がある。したがって無数のソフトウェア／ハードウェア／ファームウェアの組み合わせが、本明細書で説明される機能、サブシステム、特徴、インターフェース、および選好を達成する上で可能である。さらに本開示の範囲は、本開示で説明される特徴ならびに機能およびインターフェースを達成するための従来から周知の手法を含むとともに、現在または将来において当業者に理解されるであろう、本明細書に説明されるハードウェアもしくはソフトウェアまたはファームウェアの構成要素に加えられる場合があるこれらの変化例および変形例も含む。

本発明に対する様々な改変例および代替例が、本発明の範囲および趣旨から逸脱することなく、当業者に明らかになるであろう。本発明が、本明細書に説明される特定の実施形態および実施例により不当に限定されることは意図されるところではないこと、および係る実施形態および実施例が、本発明を例示するためにのみ提示されたものであり、本発明の範囲が本明細書に添付の請求項によってのみ限定されることを、理解すべきである。したがって、本発明について、本発明の好適な実施形態を参照して具体的に図示および説明したが、本発明の趣旨および範囲から逸脱することなく、形態および詳細において様々な変更が本発明においてなされる場合があることが当業者により理解されるであろう。

Claims (41)

1. 低エコー性中心病巣を有する腫瘍を含む組織体積の光音響画像の１つまたは複数の特徴をグレード評価することにおいてサポートを提供するための方法であって、
   前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記低エコー性中心病巣の少なくとも１部分、および腫瘍周縁領域の少なくとも１部分を表現する、超音波画像を取得することと、
   前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記低エコー性中心病巣の前記部分の少なくとも１部分、および前記腫瘍周縁領域の前記部分の少なくとも１部分を表現する、光音響画像を取得することと、
   前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも１部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
   前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも１部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分は前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも１部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも１部分に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超音波画像上で特定することと、
   前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上で重ね合わされた状態で、前記光音響画像の少なくとも１部分をディスプレイ上に提示することと、
   前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づく境界ゾーンを前記表示された画像内で画定し、前記腫瘍の前記腫瘍周縁領域の前記部分の少なくとも１部分に対応することと、
   前記境界ゾーン内に少なくとも部分的に含まれる、少なくとも１つの腫瘍周縁特徴に対するオペレータによる特徴スコアを取得することと、
   前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも１つの腫瘍周縁特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
   前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、１つまたは複数の補助的入力を前記オペレータから取得することと、
   前記オペレータによる特徴スコアに基づいて、前記少なくとも１つの腫瘍周縁特徴に対するグレードを決定することと、
   を含む方法。
2. 改定された腫瘍境界曲線および改定された腫瘍周縁境界曲線のうちの少なくとも１つを前記オペレータから取得し、それにより前記境界ゾーンを変更することと、
   前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
   をさらに含む、請求項１に記載の方法。
3. 前記１つまたは複数の補助的入力のうちの少なくとも１つが、改定された腫瘍境界曲線および改定された腫瘍周縁境界曲線のうちの少なくとも１つであり、それにより前記境界ゾーンを変更し、
   前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
   前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することと、
   をさらに含む、請求項１に記載の方法。
4. 前記１つまたは複数の補助的入力のうちの少なくとも１つが、前記オペレータによる特徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項１に記載の方法。
5. 前記１つまたは複数の補助的入力のうちの少なくとも１つは前記オペレータによる特徴スコアの確認である、請求項１に記載の方法。
6. 前記１つまたは複数の補助的入力のうちの少なくとも１つが、オペレータの画定による特徴ゾーンであり、
   前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
   前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することと、
   をさらに含む、請求項１に記載の方法。
7. 前記境界ゾーンが、前記光音響画像の再検討に基づいて変更される、請求項３に記載の方法。
8. 前記境界ゾーンが、前記超音波画像の再検討に基づいて変更される、請求項３に記載の方法。
9. 前記境界ゾーンが、前記超音波画像および前記光音響画像の再検討に基づいて変更される、請求項３に記載の方法。
10. ａ）組織の他の体積において提示される前記少なくとも１つの腫瘍周縁特徴のうちの１つの１つまたは複数の例と、
    ｂ）前記体積の１つまたは複数の追加的画像と、
    ｃ）前記表示された画像の１つまたは複数のエリアを強調表示し、それにより、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つがそれに基づいて計算された、前記表示された画像の少なくとも１部分を示すことと、
    ｄ）前記超音波画像と、
    ｅ）前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと、
    からなる集合から選択される、少なくとも１つの出力を含む追加的情報を前記オペレータに表示すること、
    をさらに含む、請求項１に記載の方法。
11. 前記腫瘍境界曲線に基づく内的ゾーンを前記表示された画像内で画定し、前記腫瘍の前記低エコー性中心病巣の前記部分の前記部分の少なくとも１部分を近似することと、
    前記腫瘍の前記低エコー性中心病巣内に含まれる少なくとも１つの内的特徴に対するグレードを決定するために、前記内的ゾーン内に含まれる前記表示された画像の少なくとも１部分を評価することと、
    をさらに含む、請求項１に記載の方法。
12. 前記少なくとも１つの内的特徴グレードおよび前記少なくとも１つの腫瘍周縁特徴グレードに基づいて、前記腫瘍の分類を特定することをさらに含む、請求項１１に記載の方法。
13. 前記腫瘍の前記低エコー性中心病巣に対して外部に位置し且つ前記腫瘍の前記腫瘍周縁領域に対して少なくとも部分的に外部に位置する少なくとも１つの周縁部特徴に対するグレードを決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる前記表示された画像の１部分を評価することをさらに含む、請求項１１に記載の方法。
14. 前記少なくとも１つの内的特徴グレードと、前記少なくとも１つの腫瘍周縁特徴グレードと、前記少なくとも１つの周縁部特徴グレードと、に基づいて前記腫瘍の分類を特定することをさらに含む、請求項１３に記載の方法。
15. 前記少なくとも１つの腫瘍周縁特徴は、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）増殖する腫瘍細胞の量と、
    ｉ）浸潤する腫瘍細胞の量と、
    ｊ）腫瘍に関連するマクロファージの量と、
    ｋ）前記腫瘍により影響されている生体細胞の量と、
    ｌ）リンパ球の量と、
    ｍ）線維形成の量と、
    ｎ）浮腫の量と、
    ｏ）タンパク質性デブリの量と、
    ｐ）腫瘍新生血管の量と、
    ｑ）前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
    ｒ）前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
    ｓ）血管の長さと、
    ｔ）血管の真直度と、
    ｕ）境界ゾーンの厚さと、
    ｖ）前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュＩＩＩ型繊維の量と、
    ｗ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項１に記載の方法。
16. 前記腫瘍周縁境界曲線の少なくとも１部分は前記腫瘍の低エコー性ハロに対応する、請求項１に記載の方法。
17. 前記少なくとも１つの内的特徴は、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項１１に記載の方法。
18. 前記少なくとも１つの周縁部特徴は、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）放射状動脈の量と、
    ｉ）放射状静脈の量と、
    ｊ）腫瘍新生血管の量と、
    ｋ）前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
    ｌ）前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
    ｍ）血管の長さと、
    ｎ）血管の真直度と、
    ｏ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項１３に記載の方法。
19. 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するための方法であって、
    前記腫瘍を含む組織体積の少なくとも１部分の光音響画像をディスプレイ上で提示することと、
    前記腫瘍の前記腫瘍周縁領域の少なくとも１部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
    前記境界ゾーン内に少なくとも部分的に含まれる少なくとも１つの腫瘍周縁特徴に対する特徴スコアをオペレータから取得することと、
    前記少なくとも１つの腫瘍周縁特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することであって、前記１つまたは複数のコンピュータの生成による特徴スコアが前記境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより計算することと、
    前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、１つまたは複数の補助的入力を前記オペレータから取得することと、
    前記オペレータによる特徴スコアに基づいて、前記少なくとも１つの腫瘍周縁特徴に対するグレードを取得することと、
    を含む方法。
20. 改定された境界ゾーンをオペレータから取得することと、
    前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することであって、前記１つまたは複数のコンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより再計算することと、
    をさらに含む、請求項１９の方法。
21. 前記１つまたは複数の補助的入力のうちの少なくとも１つが、改定された境界ゾーンであり、
    前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することであって、前記１つまたは複数のコンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより再計算することと、
    前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することと、
    をさらに含む、請求項１９に記載の方法。
22. 前記１つまたは複数の補助的入力のうちの少なくとも１つが、前記オペレータによる特徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項１９に記載の方法。
23. 前記１つまたは複数の補助的入力のうちの前記少なくとも１つは前記オペレータによる特徴スコアの確認である、請求項１９に記載の方法。
24. 前記１つまたは複数の補助的入力のうちの前記少なくとも１つはオペレータの画定による特徴ゾーンであり、
    前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも１つの腫瘍周縁特徴に対する前記１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
    前記オペレータによる特徴スコアが、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと異なる場合、前記１つまたは複数の補助的入力を前記オペレータから再取得することと、
    をさらに含む、請求項１９に記載の方法。
25. 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を分類することに対してサポートを提供するための方法であって、
    前記腫瘍を含む組織体積の少なくとも１部分の光音響画像をディスプレイ上で提示することと、
    前記腫瘍の前記中心病巣の少なくとも１部分を近似する前記光音響画像の内的ゾーンを前記ディスプレイ上で特定することと、
    前記腫瘍の前記中心病巣内に含まれる少なくとも１つの内的特徴に対するグレードを決定するために、前記内的ゾーン内に含まれる前記光音響画像の少なくとも１部分を評価することと、
    前記腫瘍の前記腫瘍周縁領域の少なくとも１部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
    前記腫瘍の前記腫瘍周縁領域内に少なくとも部分的に含まれる少なくとも１つの腫瘍周縁特徴に対するグレードを決定するために、前記境界ゾーン内に含まれる前記光音響画像の少なくとも１部分を評価することと、
    前記腫瘍の前記中心病巣に対して外部に位置し、且つ前記腫瘍の前記腫瘍周縁領域に対して少なくとも部分的に外部に位置する、少なくとも１つの周縁部特徴に対するグレードを決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる前記光音響画像の１部分を評価することと、
    前記少なくとも１つの内的特徴グレードと、前記少なくとも１つの腫瘍周縁特徴グレードと、前記少なくとも１つの周縁部特徴グレードと、に基づいて、前記腫瘍の分類を特定することと、
    を含み、
    グレードを決定することが、
    前記少なくとも１つの特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
    前記少なくとも１つの特徴に対するオペレータによる特徴スコアを取得することと、
    前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと、前記オペレータによる特徴スコアと、を比較することと、
    を含む、
    方法。
26. 前記中心病巣が低エコー性であり、
    前記組織体積の超音波画像を取得することであって、前記超音波画像が前記光音響画像とコレジスタされ、且つ前記腫瘍を含む前記組織体積の前記部分の少なくとも１部分を表現する超音波画像を取得することと、
    前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも１部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
    前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも１部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分が、前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも１部分が、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも１部分に対応し、且つ前記腫瘍境界曲線から空間的に離間する、前記超音波画像上で特定することと、
    前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づいて、前記光音響画像内で前記境界ゾーンを画定することと、
    をさらに含む、請求項２５に記載の方法。
27. 追加的入力を前記オペレータから受け取ることであって、前記追加的入力が、
    ａ）前記腫瘍境界曲線に対する修正と、
    ｂ）前記腫瘍境界曲線に対する追加と、
    ｃ）前記腫瘍周縁境界曲線に対する修正と、
    ｄ）前記腫瘍周縁境界曲線に対する追加と、
    ｅ）前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つの確認と、
    ｆ）前記オペレータによる特徴スコアの確認と、
    ｇ）前記オペレータによる特徴スコアの改変と、
    ｈ）オペレータによる特徴スコアを通知した前記光音響画像のエリアの表示と、
    からなる集合から選択される少なくとも１つの入力を含む、追加的入力を前記オペレータから受け取ることをさらに含む、請求項２５に記載の方法。
28. 前記腫瘍周縁境界曲線が、前記光音響画像の再検討に基づいて修正される、請求項２７に記載の方法。
29. 前記腫瘍周縁境界曲線が、前記超音波画像の再検討に基づいて修正される、請求項２７に記載の方法。
30. 前記腫瘍周縁境界曲線が、前記光音響画像および前記超音波画像の両方の再検討に基づいて修正される、請求項２７に記載の方法。
31. 追加的情報を前記オペレータに表示することであって、前記追加的情報は、
    ａ）他の組織体積において提示される前記少なくとも１つの特徴のうちの１つの１つまたは複数の例と、
    ｂ）前記体積の１つまたは複数の追加的画像と、
    ｃ）前記光音響画像の１つまたは複数のエリアを強調表示し、それにより、前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つがそれに基づいて計算された、前記光音響画像の少なくとも１部分を示すことと、
    ｄ）前記超音波画像と、
    ｅ）前記１つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも１つと、
    からなる集合から選択される少なくとも１つの出力を含む、追加的情報を前記オペレータに表示することをさらに含む、請求項２６に記載の方法。
32. 前記少なくとも１つの腫瘍周縁特徴が、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）増殖する腫瘍細胞の量と、
    ｉ）浸潤する腫瘍細胞の量と、
    ｊ）腫瘍に関連するマクロファージの量と、
    ｋ）前記腫瘍により影響されている生体細胞の量と、
    ｌ）リンパ球の量と、
    ｍ）線維形成の量と、
    ｎ）浮腫の量と、
    ｏ）タンパク質性デブリの量と、
    ｐ）腫瘍新生血管の量と、
    ｑ）前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
    ｒ）前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
    ｓ）血管の長さと、
    ｔ）血管の真直度と、
    ｕ）境界ゾーンの厚さと、
    ｖ）前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュＩＩＩ型繊維の量と、
    ｗ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項２５に記載の方法。
33. 前記腫瘍周縁境界曲線の少なくとも１部分は前記腫瘍の低エコー性ハロに対応する、請求項３２に記載の方法。
34. 前記少なくとも１つの内的特徴は、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項２５に記載の方法。
35. 前記少なくとも１つの周縁部特徴は、
    ａ）血管分布状態と、
    ｂ）酸素化と、
    ｃ）斑点と、
    ｄ）ブラッシュと、
    ｅ）ヘモグロビンの量と、
    ｆ）血液の量と、
    ｇ）酸素化血液と脱酸素化血液との比と、
    ｈ）放射状動脈の量と、
    ｉ）放射状静脈の量と、
    ｊ）腫瘍新生血管の量と、
    ｋ）前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
    ｌ）前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
    ｍ）血管の長さと、
    ｎ）血管の真直度と、
    ｏ）干渉アーチファクトの量と、
    からなる集合から選択される、請求項２５に記載の方法。
36. 中心病巣を有する腫瘍を含む組織体積の光音響画像の１つまたは複数の特徴をグレード評価することにおいてサポートを提供するための方法であって、
    前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも１部分と、腫瘍周縁領域の少なくとも１部分とを表現する、超音波画像を取得することと、
    前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも１部分と、前記腫瘍周縁領域の前記部分の少なくとも１部分と、の光学的コントラストを表現する光音響画像を取得することと、
    前記腫瘍の前記中心病巣の外辺部の少なくとも１部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
    前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも１部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分が、前記腫瘍の前記中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも１部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも１部分に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超音波画像上で特定することと、
    前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも１部分をディスプレイ上に提示することと、
    を含む方法。
37. 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するための方法であって、
    前記腫瘍を含む組織体積の少なくとも１部分の光音響画像をディスプレイ上で提示することと、
    前記腫瘍の前記腫瘍周縁領域の少なくとも１部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
    前記境界ゾーン内に少なくとも部分的に含まれる少なくとも１つの腫瘍周縁特徴に対する特徴スコアをオペレータから取得することと、
    前記境界ゾーン内に少なくとも部分的に含まれる前記少なくとも１つの腫瘍周縁特徴に対する少なくとも１つの追加的特徴スコアを取得することと、
    前記オペレータによる特徴スコアと、前記少なくとも１つの追加的特徴スコアと、を比較することと、
    前記オペレータによる特徴スコアが、前記少なくとも１つの追加的特徴スコアのうちの少なくとも１つと異なる場合、１つまたは複数の補助的入力を前記オペレータから取得することと、
    前記オペレータによる特徴スコアに基づいて、前記少なくとも１つの腫瘍周縁特徴に対するグレードを決定することと、
    を含む方法。
38. 前記少なくとも１つの腫瘍周縁特徴に対する前記少なくとも１つの追加的特徴スコアであって、前記境界ゾーン内に含まれる情報に少なくとも部分的に基づく前記少なくとも１つの追加的特徴スコアをコンピュータにより計算すること、
    をさらに含む、請求項３７に記載の方法。
39. 前記少なくとも１つの追加的特徴スコアが、別のオペレータから取得される、請求項３７に記載の方法。
40. 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにおいてサポートを提供するための方法であって、
    前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも１部分と、腫瘍周縁領域の少なくとも１部分とを表現する、超音波画像を取得することと、
    前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも１部分と、前記腫瘍周縁領域の前記部分の少なくとも１部分と、の光学的コントラストを表現する光音響画像を取得することと、
    前記腫瘍の前記中心病巣の外辺部の少なくとも１部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
    前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも１部分をディスプレイ上で提示することと、
    前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定すること、
    前記内的ゾーン内に含まれる腫瘍特徴に対するオペレータによる特徴スコアをオペレータから取得することと、
    前記内的ゾーンの少なくとも部分的に外側に含まれる腫瘍外特徴に対するオペレータによる特徴スコアを前記オペレータから取得することと、
    前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記腫瘍特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
    前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づいて、前記腫瘍外特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
    前記オペレータによる特徴スコアのうちのいずれか１つが、前記対応する少なくとも１つのコンピュータの生成による特徴スコアと異なる場合、１つまたは複数の補助的入力を前記オペレータから取得することと、
    前記オペレータによる特徴スコアに基づいて、前記病変を分類することと、
    を含む方法。
41. 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにおいてサポートを提供するための方法であって、
    前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも１部分と、腫瘍周縁領域の少なくとも１部分とを表現する、超音波画像を取得することと、
    前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも１部分と、前記腫瘍周縁領域の前記部分の少なくとも１部分と、の光学的コントラストを表現する、光音響画像を取得することと、
    前記腫瘍の前記中心病巣の外辺部の少なくとも１部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
    前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも１部分をディスプレイ上で提示することと、
    前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定することと、
    前記病変に対する分類をオペレータから取得することと、
    前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記腫瘍特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
    前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づいて、前記腫瘍外特徴に対する１つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
    前記腫瘍外特徴に対する少なくとも前記１つまたは複数のコンピュータの生成による特徴スコアと、前記腫瘍特徴に対する前記少なくとも１つまたは複数のコンピュータの生成による特徴スコアと、に基づいて、前記病変に対する１つまたは複数のコンピュータの生成による分類を決定することと、
    前記オペレータによる分類が、前記病変に対する前記１つまたは複数のコンピュータの生成による分類のうちの全部と異なる場合、１つまたは複数の補助的入力を前記オペレータから取得することと、
    前記病変に対する前記オペレータによる分類に基づいて、前記病変を分類することと、
    を含む方法。