JP2017507754A - 関心領域を区分化するための画像処理機器及び方法 - Google Patents

Abstract

対象１２の多次元画像データ内の関心領域１５を区分化するための画像処理機器１６が開示される。この画像処理機器は、区分化される関心領域を含む対象の画像データを得るためのインタフェースを含む。選択ユニットが画像データ内の対象に対応する解剖学的構造の変形可能モデル３０を選択する。処理ユニットが、対象の画像データｘｔ及び追加の情報に基づいて変形可能モデルを適合させることによって関心領域を区分化する。

Description

本発明は、対象の多次元画像データ内の関心領域を区分化するための画像処理機器に関する。更に本発明は、対象の多次元画像データ内の関心領域を区分化するための方法に関する。本発明は更に、対象の多次元画像データ内の関心領域を区分化するためのコンピュータプログラムに関する。最後に本発明は、画像取得ユニットを含む医用画像システムに関する。

医用画像処理分野では、超音波画像、ＭＲＴ画像、コンピュータトモグラフィ画像等の医用画像に対して様々な処理作業が一般に行われる。画像処理の多くの応用における基本作業である１つの具体的な処理作業は、関心領域、例えば特定の臓器を区分化することである。区分化は、例えば治療パラメータの決定を改善するためのボリュームの定量化に基づく臓器の識別又は固有の診断に必要である。

多くの臓器では、画像の区分化は変形可能モデルを使って成功裏に行うことができ、変形可能モデルは、区分化されている画像への適合中に不変のままであるトポロジを有するメッシュ構造に基づく。モデルベースの区分化は、骨、肝臓、ネスト構造を有する心臓等、単純な臓器から複雑な臓器へと多岐にわたって非常に効率的だと考えられている。変形可能メッシュを用いた画像を促進するための対応する方法を、例えば国際公開第２００７／０７２３６３号から知ることができる。

国際公開第２０１１／０７０４６４Ａ２号は、ボリューム画像内で画像化された関心のある解剖学的構造の変形可能モデルを選択することによって実行される自動区分化のためのシステム及び方法を開示し、変形可能モデルは頂点及びエッジを含む複数の多角形で形成され、複数の多角形のそれぞれに対応する関心のある解剖学的構造の特徴点が検出され、変形可能モデルが関心のある解剖学的構造の境界にモーフィングするまで対応する特徴点に向けて頂点のそれぞれを動かすことによって変形可能モデルが適合される。

国際公開第２００６／０２９０３７Ａ２号は、三次元画像内の候補となる解剖学的構造の壁の可変形状を定め、追跡するためのシステム及び方法を開示し、候補となる解剖学的構造の形状は複数のラベル付けされた３Ｄ目印点によって表わされ、画像フレーム内の可変形状の少なくとも１つの３Ｄ目印点が定められる。

モデルベースの区分化は、一般に臓器の高信頼且つ正確な識別及び区分化を可能にするが、心臓の左心室の尖部、肝臓の先端、脳室の角等の一部の解剖学的構造は医用画像内での検出が大抵の場合難しく、そのためこれらの特徴を区分化することは魅力的である。

本発明の目的は、改善された信頼性及び精度を有する、対象の多次元画像データ内の関心領域を区分化するための画像処理機器及び対応する方法を提供することである。

本発明の一態様によれば、対象の多次元画像データ内の関心領域を区分化するための画像処理機器であって、
− 区分化される関心領域を含む対象の画像データを得るためのインタフェースと、
− 画像データ内の対象に対応する解剖学的構造の変形可能モデルを選択するための選択ユニットと、
− 対象の画像データ及び追加の解剖学的情報に基づいて変形可能モデルを適合させることにより、関心領域を区分化するための処理ユニットと
を含む、画像処理機器が提供される。

本発明の別の態様によれば、対象の多次元画像データ内の関心領域を区分化するための方法であって、
− 区分化される関心領域を含む対象の画像データを得るステップと、
− 画像データ内の対象に対応する解剖学的構造の変形可能モデルを選択するステップと、
− 画像データに変形可能モデルを適用することによって関心領域を区分化するステップと、
− 対象の画像データ及び追加の解剖学的情報に基づいて変形可能モデルを適合させるステップと
を含む、方法が提供される。

本発明の別の態様によれば、対象の多次元画像データ内の関心領域を区分化するためのコンピュータプログラムであって、
− 区分化される関心領域を含む対象の画像データを得るステップと、
− 画像データ内の対象に対応する解剖学的構造の変形可能モデルを選択するステップと、
− 画像データに変形可能モデルを適用することによって関心領域を区分化するステップと、
− 前述のコンピュータプログラムがコンピュータ上で実行されるとき、対象の画像データ及び追加の解剖学的情報に基づいて変形可能モデルを適合させるステップと
をコンピュータに実行させるためのプログラム手段を含む、コンピュータプログラムが提供される。

本発明の別の態様によれば、医用画像を取得するための画像取得ユニットと、画像取得ユニットによって取得される対象の多次元画像データ内の関心領域を区分化するための本発明による画像処理機器とを含む、医用画像システムが提供される。

本発明の好ましい実施形態が従属請求項の中で定められている。特許請求の範囲に記載の方法は、特許請求の範囲に記載の装置及び従属請求項に定められるのと同様の及び／又は同一の好ましい実施形態を有することが理解されるべきである。

本発明は、解剖学的構造の変形可能モデルを画像データに適用し、画像データ内の対象の既知の解剖学的情報に基づいて変形可能モデルを調節する概念に基づく。つまり、選択された変形可能モデルの区分化を改善するために、区分化される対象の既知の解剖学的特徴を使用して変形可能モデルを調節する。区分化がより高信頼且つより正確になり、複雑な構造及び画像データ内で粗末に検出可能な構造が区分化され得るように、対象の既知の解剖学的特徴によって追加のパラメータが適合に利用され得る。

好ましい実施形態では、処理ユニットが、対象の解剖学的特徴の既知の位置及び画像データに基づいて変形可能モデルの要素の位置を適合させるように設計される。これは変形可能モデルを既知の位置に調節する実現性であり、これにより不確実性が低減し、より高信頼且つより正確な区分化が実現され得る。

好ましい実施形態では、処理ユニットが、画像データ及び画像データの視野内の既知の位置に基づいて変形可能モデルの要素の位置を適合させるように設計される。画像データの視野は区分化のための追加のパラメータとして利用され得るエッジ条件を通常含むので、これは既知の位置を低い技術的労力で区分化に追加する実現性である。

好ましい実施形態では、処理ユニットが、画像データ及び画像データの連続した時間枠内の対応する位置に基づいて変形可能モデルの要素の位置を適合させるように設計される。これは、解剖学的構造の既知の運動又は既知の安定性から導出可能な対象の解剖学的特徴を利用する実現性であり、これにより区分化の信頼性及び精度を高めるために追加のパラメータが使用され得る。好ましくは、対応する位置は解剖学的構造であり、かかる構造は通常は経時的に安定しており、そのためそれぞれの解剖学的構造を相関することができ、変形可能モデルがしかるべく適合され得る。

好ましい実施形態では、対応する位置は、対象の対応する解剖学的特徴から知られている。これは異なる時間枠の解剖学的特徴を相関させる実現性であり、これにより時間に依存する特徴が区分化を改善するために更なるパラメータとして追加され得る。

好ましい実施形態では、処理ユニットが、画像データ及び画像データの視野から導出されるベクトル又は面に基づいて変形可能モデルの要素の位置を適合させるように設計される。これは３つの次元の全てにおいて位置が知られていない場合に外部の情報を含める実現性である。

好ましい実施形態では、処理ユニットが、要素の位置と既知の位置との間の距離、又は対応する位置間の距離に基づいて要素の位置を適合させるように設計される。変形可能モデル内で距離が容易に計算され得るので、これは変形可能モデルを適合させる技術的労力を減らす実現性である。

好ましい実施形態では、変形可能モデルは、距離から導出されるバネエネルギを含むモデルエネルギを最小化するように適合される。

好ましい実施形態では、モデルエネルギが、関心領域内の対応する画像特徴に対する変形可能モデルの差異から導出される外部エネルギと、バネエネルギとを含む。これは異なる情報源からの情報を組み合わせる実現性であり、これにより変形可能モデルの形状の全体的な改善が達成される。

好ましい実施形態では、バネエネルギが重み因子によって重み付けされる。これは全体的なモデルエネルギ内のバネエネルギを調節する実現性であり、これによりモデルエネルギ内の様々なエネルギ間のバランスが達成され得る。

好ましい実施形態では、処理ユニットが、対象の予期される形状に更に基づいて変形可能モデルを適合させるように設計される。区分化される関心領域を含む医用画像に変形可能モデルが適合されるので、これは区分化を改善する実現性である。

好ましい実施形態では、変形可能モデルが頂点及びエッジを有する多角形を含むメッシュによって形成される。これは高分解能で区分化を達成する実現性であり、これにより解剖学的構造の診断が改善され得る。

好ましい実施形態では、メッシュの頂点の位置を調節することによって変形可能モデルが適合される。これは低い技術的労力で変形可能モデルを適合させる実現性である。

上記のように、本発明は、区分化を導くための画像データ又は解剖学的構造若しくは特徴の取得に関する外部の知識を使用することにより、モデルベースの区分化の信頼性及び精度を改善する概念に基づく。概して、解剖学的特徴は解剖学的構造の位置、解剖学的距離、又は解剖学的点であり、それらは経時的に横方向に安定しているため、区分化の不確実性を減らし、モデルの信頼性及び精度を改善するために更なる既知のパラメータが追加され得る。外部の既知のパラメータはバネエネルギとして組み込まれ、バネエネルギは、変形可能モデルの点及び画像データ内の対応する点の距離から導出され、そのため要素を段階的に動かすことによって変形可能モデルが適合され得る。

モデル適合の全体的な収束は、外部のモデルエネルギ、内部のモデルエネルギ、及びバネエネルギから形成されるモデルエネルギを最小化することによって達成され得る。従って、最適な区分化が達成され得るように関連する全ての適合方法が検討され得る。

本発明のこれらの及び他の態様が以下に記載の実施形態から明らかになり、かかる実施形態に関して説明される。

患者の身体のボリュームを走査するために使用されている医用画像システムの概略図を示す。 関心領域を区分化するための多角形及び頂点を含む変形可能モデルの概略図を示す。 モデルの適合を説明するための変形可能モデルの断面図を示す。 使用分野における外部の知識に基づいて変形可能モデルを適合させる一実施形態を示す。 外部の知識に基づいて改善された区分化の例を示す。 外部の知識に基づいて改善された区分化の例を示す。 関心領域を区分化するための方法の流れ図を示す。

図１は、一実施形態による医用画像システム１０、具体的には医用三次元（３Ｄ）超音波画像システム１０の概略図を示す。医用画像システム１０は、解剖学的部位、具体的には患者１２の解剖学的部位のボリュームを調べるために利用される。医用画像システム１０は、超音波を送受信するための多数のトランスデューサ要素を有する少なくとも１つのトランスデューサアレイを有する超音波プローブ１４を含む。トランスデューサ要素は、とりわけ多次元画像データを提供するために好ましくは二次元アレイ状に配置される。

３Ｄ超音波走査は、標的ボリューム又は関心領域１５として指定され得る患者１２内の特定のボリューム又は対象を照射する超音波を放つことを概して含む。これは超音波を複数の異なる角度で放つことによって達成され得る。次いで、反射波を受信して処理することにより、１組のボリュームデータが得られる。１組のボリュームデータは、患者１２内の関心領域１５の表現である。

医用画像システム１０は、医用画像システム１０によって画像を提供するための画像処理機器１６を含む。画像処理機器１６は、超音波プローブ１４のトランスデューサアレイによって受信される超音波ビームのエコーから画像を形成する画像処理を制御する。画像処理機器１６は制御ユニット１８を含み、制御ユニット１８は、超音波プローブ１４のトランスデューサアレイによる画像データの取得を制御し、画像データを受信するためのインタフェース１８として働く。制御ユニット１８は選択ユニット２０に接続され、選択ユニット２０は、画像データの関心領域１５内の対象に対応する解剖学的構造の変形可能モデルを選択し、選択ユニット２０から受信される変形可能モデルを画像データに適用することによって関心領域１５内の対象を区分化するために、選択された変形可能モデル及び画像データを処理ユニット２２に与える。関心領域１５内の対象を区分化した後、関心領域１５の区分化画像及び超音波画像が重ね合わせられ、表示画面２４上に表示され得る。更に、画像の取得、区分化、並びに／又は超音波画像及び区分化結果の表示を制御するために、入力装置２６が表示ユニット２４又は画像処理機器１６に接続されて設けられても良い。

代替的実施形態では、画像処理機器１６によって区分化され、表示ユニット２４上で表示され得る患者の身体１２の対応する医用画像を提供するために、医用画像システム１０がＭＲ装置、ＣＴ装置、又はＸ線装置に接続される。

図２は、解剖学的構造の面及びその空間的配列を表す変形可能モデル３０を示す。変形可能モデル３０は、選択ユニット２０によって選択され、例えば画像処理機器１６のメモリからロードされる。次いで、選択された変形可能モデル３０及びインタフェース１８から受信される画像データが処理ユニット２２に与えられ、画像データ内で識別される解剖学的構造に変形可能モデルを適合させる。

変形可能モデル３０は、隣接する３つの頂点、及びエッジによって互いに接続されるモデルの面によって形成される三角形を含むメッシュから形成される。このメッシュは解剖学的構造の面を形成する。代替的実施形態では、解剖学的構造の面がメッシュの三角形に取って代わる多角形によって画定され得る。

変形可能モデル３０は、平均メッシュ又は形状モデルを形成する初期空間形状を含み、以下で説明されるように画像データの関心領域内の解剖学的構造に適合される。変形可能モデル３０を画像データの関心領域１５内の解剖学的構造に適合させるために、画像データのパターン検出が行われ、対応する位置がそれに応じて相関される。

図３は、変形可能モデル３０の断面図を示す。変形可能モデル３０は、複数の三角形Ｔ_１〜Ｔ_５を含む。三角形Ｔは、エッジによって互いに接続される頂点ｖによって形成される。各三角形Ｔは、三角形の中心ｃ_１〜ｃ_５を含む。

画像データのパターン検出が行われた後、変形可能モデル３０が画像データ内の検出済みの解剖学的構造に適合され、所謂全体エネルギ関数
Ｅ＝Ｅ_ｅｘｔ＋αＥ_ｉｎｔ
が最小化されるように三角形Ｔの位置が調節される。Ｅ_ｅｘｔは、概してパターン検出によって画像データ内で検出される解剖学的構造の対応する位置に頂点及び三角形Ｔを移動する外部エネルギであり、Ｅ_ｉｎｔは変形可能モデルの元の位置に、即ち平均メッシュ又は形状モデルに頂点及び三角形Ｔを移動する内部エネルギである。

外部エネルギは
によって計算され、
はパターン検出によって見つかる目標点であり、
はそれぞれの三角形Ｔから目標点
への方向であり、ｃ_ｉは目標点
に調節される三角形Ｔ_ｉの中心である。三角形Ｔのそれぞれについて和が形成され、重み因子ｗ_ｉによってそれぞれ重み付けされる。外部エネルギＥ_ｅｘｔの最小化によるリジッド・オブ・アフィン・ウェイ（rigid of affine way）によってモデルが適合される場合、それはモデル３０のパラメータ適合とも呼ばれる。

内部エネルギは公式
によって計算され、ｖは適合される変形可能モデル３０の頂点であり、ｍは最初に与えられ又は選択される形状モデル又は平均メッシュの頂点である。変形可能モデル３０の全ての頂点にわたって和が形成され、隣接する頂点ｖ_ｊまでの距離のそれぞれが求められる。外部エネルギ及び内部エネルギを最小化することによってモデルが自由に変形される場合、それは変形可能モデル３０の変形適合とも呼ばれる。

全体エネルギＥを最小化することは区分化をもたらし、区分化は平均メッシュとパターン検出によって画像データ内で求められる検出済みの目標点との間の中間である。変形可能モデル３０の適合についてのこの手順は欧州特許第１２５１４６２Ｂ１号の中でも説明されている。

本発明によれば、変形可能モデル３０は、変形適合及びパラメータ適合の区分化を改善するために、解剖学的構造の既知の特徴に基づいても適合される。

解剖学的構造の解剖学的特徴は、知られており識別され得る、画像データ内の特定の点、位置、又は距離とすることができる。これは例えば心尖とすることができ、その位置は一般に知られており、その胸郭の皮膚までの距離は良く知られており、超音波プローブ１４の位置によって画像データから導出され得る。或いは、解剖学的構造の解剖学的特徴は、超音波プローブ１４の位置に対する視野から導出される面とすることができ、又は画像データの異なる時間枠における対応する点若しくは位置が相関され得るように、経時的に安定していることが分かっている解剖学的構造、例えば心尖であり得る。概して、変形可能モデルに関する解剖学的特徴から追加のバネエネルギが計算され、全体エネルギＥの関数に含められる。

画像データ内の特定の解剖学的構造が識別され又は決定される場合、追加のバネエネルギが三角形Ｔの特定の中心ｃを選択点
まで引っ張ることができる。知られている解剖学的構造の選択は、画像処理機器１６によって自動で行われても良く、又は利用者によって手動で行われても良い。特定の選択点に対して形成されるバネエネルギは公式
によって計算することができ、ｃ_ｊは三角形Ｔのそれぞれの中心であり、
は画像データ内の選択された対応する点であり、ｗ_ｊは重み因子である。図３には選択点
が概略的に示されており、バネエネルギＥ_Ｓが第１の三角形Ｔ_１の中心ｃ_１を選択点
まで動かす。従って、バネエネルギＥ_Ｓは、全体エネルギの公式内の３つのエネルギに重み付けするための重み因子ｗ_ｊによって重み付けされる、三角形の中心ｃと対応する選択された解剖学的構造
との差に基づいて計算される。

図４では、医用画像システム１０の視野内の面への変形可能モデル３０の要素の適合を説明するために、視野及び変形可能モデル３０の概略図が示されている。図４では、医用画像システム１０、具体的には超音波プローブ１４の視野が３２によって全体的に示されている。

図４に示されているように、区分化される対象の解剖学的構造は患者１２の心臓である。具体的には、心尖の区分化は困難であり、本発明によれば、超音波プローブ１４の先端までの尖部の距離はおおよそ分かっている。超音波プローブ１４の尖部までの距離が分かっているのは、超音波プローブ１４が患者１２の皮膚に位置し、皮膚までの尖部の解剖学的距離がおおよそ分かっているからである。この場合、変形可能モデル３０を適合させるために尖部の既知の距離が使用され得る。目標点
が超音波プローブ１４の位置から特定の距離にある面３４として組み込まれ、面３４に対する変形可能モデル３０の尖部位置の三角形の中心ｃ_ｊの方向
が決定される。これらの情報に基づき、変形可能モデル３０を適合させるためにバネエネルギＥ_Ｓが求められ得る。面３４に対するバネエネルギは、公式
によって計算することができ、
は面３４に対する方向であり、ｃ_ｊは適合される変形可能モデル３０の三角形の中心であり、
は解剖学的構造が実際に位置する目標点である。そのように求められるバネエネルギＥ_Ｓは、変形可能モデル３０の尖部ｃ_ｊを面３４まで引っ張る。この場合、中心スライス内の視野の錐台を表現する２本の境界射線３６、３８の交点として超音波プローブ１４の位置が推定される。

更なる実施形態では、画像データの異なる時間枠における変形可能モデル３０の特定の要素の位置が使用される。特定の解剖学的構造、具体的には心尖は心臓周期の間空間的に安定しており、そのため変形可能モデル３０を適合させるために、画像データの異なる時間枠における変形可能モデル３０内の尖部の位置が使用され得る。

この場合、異なる時間枠が一緒に区分化され、変形可能モデル３０の対応する要素の距離に基づいて、具体的には画像データの異なる時間枠間の三角形の中心ｃ_ｊの距離に基づいてバネエネルギが計算される。変形可能モデル３０を適合させるための、この時間に依存するバネエネルギは公式
によって計算され、ｃ_ｊ，ｔ１及びｃ_ｊ，ｔ２は異なる時間枠ｔ１及びｔ２の三角形の中心ｃ_ｊであり、ｗ_ｊは重み因子である。異なる時間枠ｔ１及びｔ２における三角形の中心ｃ_ｊの位置が大きく異なる場合、時間に依存するバネエネルギＥ_Ｓは高く、バネエネルギＥ_Ｓを減らすために変形可能モデル３０のそれぞれの三角形がしかるべく適合される。

変形可能モデルを適合させて区分化を改善するために、空間的に安定した解剖学的構造だけが使用され得るのではなく、区分化される対象の一般的な解剖学的挙動が追加の構成として使用され得るように、周期内の解剖学的構造の既知の運動も使用され得ることが理解されるべきである。

適合中に最小化される変形可能モデルの全体エネルギＥは、公式
Ｅ＝Ｅ_ｅｘｔ＋αＥ_ｉｎｔ＋Ｅ_Ｓ
によって計算され得る。

追加のバネエネルギ及び対象の解剖学的特徴に関する追加情報は、視野３２の区分化、具体的には心尖の区分化を改善することができる。かかる改善は、超音波プローブ１４から受信される画像データ内で尖部が見えない場合にとりわけ有用である。その結果生じる、追加の解剖学的情報に基づいて改善された心臓の区分化が図５ａ、図５ｂに示されている。追加の解剖学的情報がボリューム、とりわけ拡張終期及び収縮末期画像内の左心室の定量化を改善することができ、そのため全体的な診断の信頼性が改善され得ることが示されている。

図６は、患者１２の多次元画像データ内の関心領域を区分化するための方法を示す概略的流れ図を示す。この方法は４０によって全体的に示されている。

方法４０は、ステップ４２で図示される、超音波プローブ１４によって画像データを取得し、画像処理機器１６のインタフェース１８によって画像データを受信することで始まる。画像データの受信後、ステップ４４に図示されているように、区分化される関心領域１５内の対象の解剖学的構造に対応する変形可能モデル３０が選択ユニット２０によって選択される。変形可能モデル３０は、処理機器１６のメモリから選択される。ステップ４４での選択後、ステップ４６に図示されているように、変形可能モデル３０を画像データに適用することによって関心領域１５が区分化される。ステップ４８に図示されているように、画像データ内の対象の既知の特徴に基づいて変形可能モデル３０が最後に適合される。

ステップ４８で、上記のように全体エネルギＥを最小化するために、パターン検出によって求められる画像の特徴及び最初に選択された変形可能モデルの平均メッシュに基づき、変形可能モデル３０が更に適合され得る。

画像処理機器１６はコンピュータ上で実行されるコンピュータプログラムとして形成されても良く、方法４０はコンピュータプログラムによって実行され得ることが理解されるべきである。

コンピュータプログラムは、他のハードウェアと一緒に又は他のハードウェアの一部として供給される光記憶媒体や固体媒体等の適切な（非一時的）媒体上に記憶／分散され得るが、インターネットや他の有線又は無線通信システムを介して等、他の形で分散されても良い。更に、様々な実施形態は、命令を実行するコンピュータ、任意の装置、若しくはシステムによって使用されるための又はそれらに関連するプログラムコードを提供する、コンピュータ使用可能媒体又はコンピュータ可読媒体からアクセス可能なコンピュータプログラム製品の形を取り得る。本開示では、コンピュータ使用可能媒体又はコンピュータ可読媒体は概して、命令実行装置によって使用されるための又は命令実行装置に関連するプログラムを含み、記憶し、伝達し、伝搬し、又は搬送することができる任意の有形機器とすることができる。

更に、様々な実施形態は、命令を実行するコンピュータ、任意の装置、若しくはシステムによって使用されるための又はそれらに関連するプログラムコードを提供する、コンピュータ使用可能媒体又はコンピュータ可読媒体からアクセス可能なコンピュータプログラム製品の形を取り得る。本開示では、コンピュータ使用可能媒体又はコンピュータ可読媒体は概して、命令実行装置によって使用されるための又は命令実行装置に関連するプログラムを含み、記憶し、伝達し、伝搬し、又は搬送することができる任意の有形装置又は機器とすることができる。

本開示の実施形態がソフトウェアによって制御されるデータ処理装置によって少なくとも部分的に実施されると記載されている限り、光ディスク、磁気ディスク、半導体メモリ等、かかるソフトウェアを保持する非一時的機械可読媒体も本開示の実施形態を表すと見なされることが理解されよう。

コンピュータ使用可能媒体又はコンピュータ可読媒体は、例えばこれだけに限定されないが、電子媒体、磁気媒体、光媒体、電磁媒体、赤外線媒体、半導体システム、又は伝搬媒体とすることができる。コンピュータ可読媒体の非限定的な例は、半導体メモリや固体メモリ、磁気テープ、脱着可能なフロッピディスク、ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、ハードディスク、及び光ディスクを含む。光ディスクは、コンパクトディスク−読取専用メモリ（ＣＤ−ＲＯＭ）、コンパクトディスク−リード／ライト（ＣＤ−Ｒ／Ｗ）、及びＤＶＤを含み得る。

更に、コンピュータ使用可能媒体又はコンピュータ可読媒体は、コンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードを含み又は記憶することができ、そのためコンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードがコンピュータ上で実行されるとき、そのコンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードの実行が、通信リンクを介して別のコンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードをコンピュータに伝送させる。この通信リンクは、例えばこれだけに限定されないが物理媒体や無線媒体である媒体を使用することができる。

コンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードを記憶し且つ／又は実行するのに適したデータ処理システム又はデータ処理装置は、システムバス等の通信構造によってメモリ要素に直接又は間接的に結合される１個又は複数個のプロセッサを含む。メモリ要素は、プログラムコードの実際の実行中に使用されるローカルメモリ、大容量記憶域、及びコードの実行中に大容量記憶域からコードが取得され得る回数を減らすために少なくとも一部のコンピュータ可読プログラムコード又はコンピュータ使用可能プログラムコードの一時的記憶域を提供するキャッシュメモリを含み得る。

入出力、即ちＩ／Ｏ装置は、システムに直接又は介在するＩ／Ｏコントローラを介して結合され得る。これらの装置は、例えばこれだけに限定されないが、キーボード、タッチスクリーンディスプレイ、及びポインティングデバイスを含み得る。データ処理システムが、介在する私設網又は公衆網を介して他のデータ処理システム、リモートプリンタ、又は記憶装置に結合されることを可能にするために、様々な通信アダプタがシステムに結合されても良い。非限定的な例はモデムやネットワークアダプタであり、これらは現在入手可能な種類の通信アダプタのごく一部である。

本発明が図面及び上記の説明の中で図示され詳細に説明されてきたが、かかる説明図及び説明は、制限的ではなく説明的又は例示的と見なされるべきであり、本発明は開示された実施形態に限定されない。図面、本開示、及び添付の特許請求の範囲を検討することにより、特許請求の範囲に記載の本発明を実施する際、開示された実施形態に対する他の改変形態が当業者によって理解され実践され得る。

特許請求の範囲では、「含む」という用語は他の要素又はステップを排除せず、不定冠詞「a」又は「an」は複数形を排除しない。特許請求の範囲に挙げられる幾つかのアイテムの機能を単一の要素又は他のユニットが果たし得る。或る手段が互いに異なる従属項の中で引用されるという単なる事実は、それらの手段の組合せを有利に使用できないことを示すものではない。

特許請求の範囲の中の如何なる参照記号も範囲を限定するものとして解釈されるべきではない。

Claims (15)

1. 対象の多次元画像データ内の関心領域を区分化するための画像処理機器であって、
   − 区分化される前記関心領域を含む前記対象の前記画像データを得るためのインタフェースと、
   − 前記画像データ内の前記対象に対応する解剖学的構造の変形可能モデルを選択するための選択ユニットと、
   − 前記対象の前記画像データ及び追加の解剖学的情報に基づいて前記変形可能モデルを適合させることにより、前記関心領域を区分化するための処理ユニットと
   を含む、画像処理機器。
2. 前記処理ユニットが、前記対象の解剖学的特徴の既知の位置及び前記画像データに基づいて前記変形可能モデルの要素の位置を適合させる、請求項１に記載の画像処理機器。
3. 前記処理ユニットが、前記画像データ及び前記画像データの視野内の既知の位置に基づいて前記変形可能モデルの要素の位置を適合させる、請求項１に記載の画像処理機器。
4. 前記処理ユニットが、前記画像データ及び前記画像データの連続した時間枠内の対応する位置に基づいて前記変形可能モデルの要素の位置を適合させる、請求項１に記載の画像処理機器。
5. 前記処理ユニットが、前記画像データ及び前記画像データの視野から導出されるベクトル又は面に基づいて前記変形可能モデルの要素の位置を適合させる、請求項１に記載の画像処理機器。
6. 前記対応する位置は、前記対象の対応する解剖学的特徴から知られている、請求項４に記載の画像処理機器。
7. 前記処理ユニットが、前記要素の位置と前記既知の位置との間の距離、又は対応する位置間の距離に基づいて前記要素の位置を適合させる、請求項２乃至４の何れか一項に記載の画像処理機器。
8. 前記変形可能モデルは、前記距離から導出されるバネエネルギを含むモデルエネルギを最小化する、請求項７に記載の画像処理機器。
9. 前記モデルエネルギが、関心領域内の対応する画像特徴に対する前記変形可能モデルの差異から導出される外部エネルギと、前記バネエネルギとを含む、請求項８に記載の画像処理機器。
10. 前記バネエネルギが重み因子によって重み付けされる、請求項９に記載の画像処理機器。
11. 前記処理ユニットが、対象の予期される形状に更に基づいて前記変形可能モデルを適合させる、請求項１に記載の画像処理機器。
12. 前記変形可能モデルが頂点及びエッジを有する多角形を含むメッシュによって形成される、請求項１に記載の画像処理機器。
13. 前記メッシュの頂点の位置を調節することによって前記変形可能モデルが適合される、請求項１２に記載の画像処理機器。
14. 対象の多次元画像データ内の関心領域を区分化するための方法であって、
    − 区分化される前記関心領域を含む前記対象の前記画像データを得るステップと、
    − 前記画像データ内の前記対象に対応する解剖学的構造の変形可能モデルを選択するステップと、
    − 前記画像データに前記変形可能モデルを適用することによって前記関心領域を区分化するステップと、
    − 前記対象の前記画像データ及び追加の解剖学的情報に基づいて前記変形可能モデルを適合させるステップと
    を含む、方法。
15. 対象の多次元画像データ内の関心領域を区分化するためのコンピュータプログラムであって、
    − 区分化される前記関心領域を含む前記対象の前記画像データを得るステップと、
    − 前記画像データ内の前記対象に対応する解剖学的構造の変形可能モデルを選択するステップと、
    − 前記画像データに前記変形可能モデルを適用することによって前記関心領域を区分化するステップと、
    − 前記コンピュータプログラムがコンピュータ上で実行されるとき、前記対象の前記画像データ及び追加の解剖学的情報に基づいて前記変形可能モデルを適合させるステップと
    をコンピュータに実行させるためのプログラム手段を含む、コンピュータプログラム。