JP2018008094A - 解析方法及び解析システム - Google Patents
解析方法及び解析システム Download PDFInfo
- Publication number
- JP2018008094A JP2018008094A JP2017171266A JP2017171266A JP2018008094A JP 2018008094 A JP2018008094 A JP 2018008094A JP 2017171266 A JP2017171266 A JP 2017171266A JP 2017171266 A JP2017171266 A JP 2017171266A JP 2018008094 A JP2018008094 A JP 2018008094A
- Authority
- JP
- Japan
- Prior art keywords
- bone
- sample
- density
- cortical bone
- image processor
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims description 73
- 238000000034 method Methods 0.000 claims abstract description 175
- 239000000463 material Substances 0.000 claims abstract description 85
- 210000000988 bone and bone Anatomy 0.000 claims description 623
- 230000001054 cortical effect Effects 0.000 claims description 319
- 230000007704 transition Effects 0.000 claims description 83
- 210000003205 muscle Anatomy 0.000 claims description 51
- 239000000126 substance Substances 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 30
- 210000001519 tissue Anatomy 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000036961 partial effect Effects 0.000 claims description 20
- 210000004872 soft tissue Anatomy 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000006866 deterioration Effects 0.000 claims description 13
- 208000006735 Periostitis Diseases 0.000 claims description 8
- 210000003460 periosteum Anatomy 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 208000000913 Kidney Calculi Diseases 0.000 claims description 5
- 206010029148 Nephrolithiasis Diseases 0.000 claims description 5
- 206010028980 Neoplasm Diseases 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000018678 bone mineralization Effects 0.000 claims description 4
- 230000001338 necrotic effect Effects 0.000 claims description 4
- 238000013170 computed tomography imaging Methods 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 abstract description 40
- 230000037182 bone density Effects 0.000 abstract description 14
- 238000002595 magnetic resonance imaging Methods 0.000 abstract description 5
- 238000001739 density measurement Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 108
- 239000008186 active pharmaceutical agent Substances 0.000 description 39
- 238000012545 processing Methods 0.000 description 35
- 230000006870 function Effects 0.000 description 26
- 206010017076 Fracture Diseases 0.000 description 21
- 208000010392 Bone Fractures Diseases 0.000 description 19
- 230000015556 catabolic process Effects 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000006731 degradation reaction Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 239000011800 void material Substances 0.000 description 14
- 230000002411 adverse Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 13
- 238000011282 treatment Methods 0.000 description 13
- 208000004434 Calcinosis Diseases 0.000 description 12
- 230000002308 calcification Effects 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 208000001132 Osteoporosis Diseases 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 9
- 238000001878 scanning electron micrograph Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000001727 in vivo Methods 0.000 description 8
- 239000004033 plastic Substances 0.000 description 8
- 210000002303 tibia Anatomy 0.000 description 8
- 206010065687 Bone loss Diseases 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 6
- 238000007667 floating Methods 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 208000020084 Bone disease Diseases 0.000 description 5
- 230000032683 aging Effects 0.000 description 5
- 210000001185 bone marrow Anatomy 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 229910052588 hydroxylapatite Inorganic materials 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- XYJRXVWERLGGKC-UHFFFAOYSA-D pentacalcium;hydroxide;triphosphate Chemical compound [OH-].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O XYJRXVWERLGGKC-UHFFFAOYSA-D 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 102000003982 Parathyroid hormone Human genes 0.000 description 4
- 108090000445 Parathyroid hormone Proteins 0.000 description 4
- 206010000269 abscess Diseases 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000001000 micrograph Methods 0.000 description 4
- 239000000199 parathyroid hormone Substances 0.000 description 4
- 229960001319 parathyroid hormone Drugs 0.000 description 4
- 230000002195 synergetic effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000000338 in vitro Methods 0.000 description 3
- XXUZFRDUEGQHOV-UHFFFAOYSA-J strontium ranelate Chemical compound [Sr+2].[Sr+2].[O-]C(=O)CN(CC([O-])=O)C=1SC(C([O-])=O)=C(CC([O-])=O)C=1C#N XXUZFRDUEGQHOV-UHFFFAOYSA-J 0.000 description 3
- 229940079488 strontium ranelate Drugs 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000037118 bone strength Effects 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000002436 femur neck Anatomy 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 229910052712 strontium Inorganic materials 0.000 description 2
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 description 2
- FWIVDMJALNEADT-SFTDATJTSA-N (2s)-n-(1-cyanocyclopropyl)-4-fluoro-4-methyl-2-[[(1s)-2,2,2-trifluoro-1-[4-(4-methylsulfonylphenyl)phenyl]ethyl]amino]pentanamide Chemical compound C1=CC([C@H](N[C@@H](CC(C)(F)C)C(=O)NC2(CC2)C#N)C(F)(F)F)=CC=C1C1=CC=C(S(C)(=O)=O)C=C1 FWIVDMJALNEADT-SFTDATJTSA-N 0.000 description 1
- 241001061225 Arcos Species 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 101100326726 Flaveria trinervia PPCC gene Proteins 0.000 description 1
- 206010020100 Hip fracture Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 201000002980 Hyperparathyroidism Diseases 0.000 description 1
- 208000029725 Metabolic bone disease Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 206010027452 Metastases to bone Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000010191 Osteitis Deformans Diseases 0.000 description 1
- 208000031964 Other metabolic disease Diseases 0.000 description 1
- 208000027868 Paget disease Diseases 0.000 description 1
- 101150058823 Slc27a1 gene Proteins 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 208000005475 Vascular calcification Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000001195 anabolic effect Effects 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000011444 antiresorptive therapy Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000004097 bone metabolism Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- ALEXXDVDDISNDU-JZYPGELDSA-N cortisol 21-acetate Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@@](C(=O)COC(=O)C)(O)[C@@]1(C)C[C@@H]2O ALEXXDVDDISNDU-JZYPGELDSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 210000003275 diaphysis Anatomy 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004821 effect on bone Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 208000027202 mammary Paget disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 229950009755 odanacatib Drugs 0.000 description 1
- 208000005368 osteomalacia Diseases 0.000 description 1
- 230000001009 osteoporotic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013432 robust analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Dentistry (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【解決手段】概して密度が異なり相互間に移行部を有する第1物質及び第2物質を備える試料を解析する方法であって、試料のうち少なくとも移行部を含む部分の断面画像において関心領域を規定するステップと、関心領域内の移行部を横切る試料の密度プロファイルを求めるステップと、第2物質の代表密度を求めるステップと、第1物質及び第2物質の鑑別に使用された移行部を使用して試料を解析するステップとを含む方法を適用する。
【選択図】図1
Description
し(所望であれば自動的な識別を含む)、物体又は構造をその周囲環境から分離又は鑑別
し、且つ物体又は構造を解析する解析方法及び解析システムに関し、限定はされないが、
骨の解析(in vivo又はその他)及び骨疾患等の疾患の診断を含む生体組織の解析
と、物質及び地質試料の解析又は特性化とに特に適用される。特定の実施形態では、本発
明は、周囲組織(筋肉及び脂肪等)からの骨の識別及び鑑別、その構造の解析、及び劣化
又は異常骨(したがって場合によっては骨折し易い骨)の検出に関する。別の特定の実施
形態では、本発明は、生体組織(筋肉等)内に埋め込まれた異物の特定又は識別に関する
。
9904407号に基づき、該出願の出願日の利益を主張する。その出願時の内容の全体
を参照により本明細書に援用する。
あるが、これは感度及び特異度が低い。全腰部骨折の半数以上が、二重エネルギーX線吸
収法(DXA)でTスコア−2.5以下の骨粗鬆症ではないと判定された女性で生じてい
る。さらに、DEXA法BMDにより骨粗鬆症であるとされた女性の大半が骨折を起こさ
ない(非特許文献1)。薬物療法中、骨折リスク低減のうち、骨密度の増加で説明がつく
のはごく一部である(非特許文献2)。この感度及び特異度の低さの原因の1つには、骨
折リスクが骨密度によってだけでなく骨構造によって決まることがある(非特許文献3)
。
の技法を使用して、画像を生成し、それらを続いて解析して骨折リスクを予測し、薬物の
効果を定量化し、骨量減少を防止するための種々の戦略(運動又は食餌療法等)の有効性
を判定している。しかしながら、これらのイメージングモダリティから得られるパラメー
タは、骨密度測定よりも著しく優れていることが証明されておらず、骨密度測定の代替手
段としては目下使用できない。
ような画像から骨構造を評価するための既存の技法に関する最も重要な問題の1つは、関
心領域(ROI)内の骨の識別及び種々のコンパートメント(通常は皮質骨及び骨梁)へ
の骨のセグメント化(すなわち分離)のために固定の任意の閾値に依存することである。
骨構成は人によって異なり、こうした理由から、固定閾値の使用は、個体毎の骨にそれぞ
れ異なる予測不可能な結果をもたらす。したがって、固定閾値の使用は、差が存在しない
場所に見掛け上の差を生み出すか、又は差が存在する場合に差を不明瞭にし得る。
の別個のコンパートメント(皮質骨及び骨梁)からなる構造として扱う。実際には、いわ
ゆる「緻密」骨及び骨梁(「海綿骨」)は、骨膜から骨髄腔内までの一連の空隙率変化の
両極をなす。
各ピクセルに関連する密度を求める。続いてこの密度を使用して、骨を識別しその構造を
評価する(したがって、定量的コンピュータ断層撮影法(QCT)という)。既存の較正
手順は、各スキャナ製造業者に固有であるので、スキャナに内蔵のソフトウェアにより実
施される骨構造解析は、製造業者固有である。
他)を有する第1物質及び第2物質を備える試料を解析する方法であって、
試料のうち少なくとも上記移行部を含む部分の断面画像において関心領域を規定するス
テップと、
関心領域内の移行部を横切る試料の密度プロファイルを求めるステップと、
第2物質の代表密度を(密度プロファイル等から)求めるステップと、
上記第1物質及び上記第2物質の鑑別に使用された上記移行部を使用して上記試料を解
析するステップと
を含む方法が提供される。
。
適当な選択点に対する距離関数を使用して)特定するステップを含み得る。
腫瘍及び周囲軟組織等)であり得るが、断面画像の作成を可能にし且つ概して異なる密度
を有する任意の2つの物質とすることができる。例えば、本方法及びシステムを使用して
、筋肉又は他の生体組織に埋め込まれた弾丸(又は他の金属物体)を含む試料を識別し、
その解析又は特性化を行うことができる。
、画像解析における閾値の使用を必要とせず達成される。
物体内の構造、一定体積のガス、又はほぼ真空排気された体積であり得る。
む。
常等)を検出するステップを含む。例えば、本方法は、骨折し易い骨を識別するステップ
を含み得る。
第1物質の代表密度と同じ位置及び第2物質の代表密度と同様の又はそれよりも低い密度
を有する基準点に最も近い点を特定するステップを含む。
点で境界され上記第2物質を含む部分の密度プロファイルにおける最大変化率点を特定す
るステップを含む。
密度差点で境界され上記第2物質を含む部分の密度プロファイルにおける最小変化率点を
特定するステップを含む。
するステップを含む。
ートメントに対応する)密度プロファイル曲線の1つ又は複数の線分における1次導関数
(derivative)の変曲点の特定等のために、密度プロファイルの(すなわち、例えば後述
するような最高の「山(hills)」における密度プロファイルの1つ又は複数の部分の)
2次導関数を形成するステップを含む。
第3物質、又は空洞を含むさらに別の部分との間にある少なくとも1つのさらに別の移行
部を含み、本方法は、
上記さらに別の部分の代表密度を求めるステップと、
上記関心領域のうち上記最大密度点で境界され上記さらに別の部分を含む部分の上記密
度プロファイルにおけるさらに別の移行部を特定するステップと
をさらに含む。
上記密度プロファイルにおけるさらに別の移行部との間の部分のみを使用することにより
、第1物質をさらに解析するステップを含み得る。
において、最大密度差点と同じ位置及びさらに別の部分の代表密度と同じ密度を有するさ
らに別の基準点に最も近い点を特定するステップを含み得る。
択される関心領域の位置を、関心領域の位置を調整することにより最適化するステップを
さらに含み得る。
ップをさらに含み得る。
料内の複数のコンパートメントを規定するステップをさらに含み得る。
を使用せずに特徴付けることができる。
骨膜境界及び皮質骨の始端(beginning)により境界されるコンパートメントと、
皮質骨の始端及び緻密皮質骨の始端により境界されるコンパートメントと、
緻密(又は硬質)皮質骨コンパートメントと、
骨梁状(trabecularized:海綿質化)皮質骨コンパートメントと、
皮質骨−骨梁移行部コンパートメントと、
骨梁コンパートメントと
のいずれか1つ又は複数を含む。
からである。(i)骨膜境界は、骨の始端を示す縁部である(しかしながら、いくつかの
ボクセル(voxel)は異なる割合の組織及び骨を含み得るので、部分体積効果(PVE)
等のアーチファクトにより悪影響を受け得る(tainted))。(ii)皮質骨の始端は、
ボクセル内の減弱の大半が骨組織に起因する点、したがって骨の始点とみなされる点を示
す。(iii)緻密皮質骨の始端は、PVEによるアーチファクトがほぼ無い骨組織のみ
にほぼ起因する減弱を有する第1ストリップに対応する。
部分体積効果(PVE)により悪影響を受け、すなわちそれらの減弱は、周囲軟組織又は
他のアーチファクトに一部起因する。
旨で定義され得ることに留意されたい。したがって、この実施形態では、第1物質は骨で
あり、コンパートメントは、
骨膜境界及び緻密皮質骨の始端により境界されるコンパートメントと、
緻密皮質骨の始端及び外側遷移区域の始端により境界されるコンパートメントと、
外側遷移区域と、
内側遷移区域と、
骨梁コンパートメントと
のいずれか1つ又は複数を含む。
別する能力は、この態様の方法に固有のものであり、多くの重要且つ有利な用途を有し得
る。この態様によれば、PVE等のアーチファクトが構造の評価に及ぼす影響を見込むこ
とができ、骨の寸法を求めることができ、PVEからのアーチファクトを最小限にして骨
の構造を評価することができる。
を含むが、別の実施形態では、本方法は、PVEを最小化しつつ画像内の構造(腫瘍、膿
瘍、又は出血等)の寸法を求めるステップを含む。
む。
を含む。
む。
れの密度プロファイル(橈骨密度プロファイル等)を求めるステップとを含む。
皮質骨、骨梁状皮質骨、又は遷移区域の厚さと、
皮質骨又は骨梁状皮質骨の面積と、
皮質骨、骨梁状皮質骨、又は遷移区域の空隙率と、
皮質骨又は骨梁状皮質骨がその絶対厚又は絶対面積に関係なく正常であるか否かと、
皮質骨又は骨梁状皮質骨が吸収されているか(したがって骨量が減少しているか)否か
と、
プロファイルの解析からの骨梁構成及び空隙率と
からなる群からのいずれか1つ又は複数の指数を求めるステップを含み得る。
ation)の欠如を判定するステップを含み得る。
るステップを含み得る。
の1つ又は複数の半径等)を求めるステップを含み得る。
慣性モーメント)を求めるステップを含み得る。
ーメントを求めるステップを含み得る。
。
)を求めて骨を軟組織から分離するステップを含み得る。
調整極慣性モーメント)を求めるステップを含み得る。
を求めるステップを含み得る。
複数の骨梁指数を求めるステップとを含み得る。
テップを含み得る。
成分(又は要素)の絶対密度(g/cc又はmgHA/cc当量等での)を求めるステッ
プを含み得る。
又は構造)の相対密度(パーセント等での)を求めるステップを含み得る。
するステップを含み得る。
及び異常骨梁コンパートメントの両方を有することに基づき、骨試料が異常か否かを判定
するステップを含む。
トールすることができるコンピュータ可読媒体で具現することができ、これは、疾患の自
動放射線診断用の画像の柔軟且つロバストな解析を可能にし、特に、in vivo及び
in vitroでのCT、QCT、及びMRIソースファイル(DICOM、JPEG
、TIFF又は他の撮像ファイル)を使用した、骨粗鬆症の診断、骨折リスクの評価、及
び骨の疾患及び治療の作用の評価のための骨構造の自動解析を可能にする。本発明は、骨
粗鬆症、特定の代謝性骨疾患(例えば、骨軟化症又はパジェット病)、及び骨転移等の浸
潤性骨疾患の診断に有用であることが期待される。
した試料(骨等の)構造の評価及び骨粗鬆症等の骨疾患の診断を可能にすることにも留意
されたい。
組織との間の減弱の差により、周囲健常組織から壊死組織塊を識別し解析するステップを
含む。これは、例えば内部(又は深部)膿瘍の診断及び監視に適用される。
含む。これは、心臓血管疾患の診断及び監視に適用される可能性がある。
カルシウム含有量が大部分(80%)であるから、異所的な位置での骨組織として扱われ
得る。これは、大部分(おそらく80%)の腎臓結石の自動診断の手段となる。
ら、この症状の自動診断は、医療従事者、特に放射線専門医にとって大いに役立つ。
ップを含む。
解析するステップを含む。
物質及び第2物質を備える試料を解析する方法であって、
試料のうち少なくとも上記移行部を含む部分の断面画像において関心領域を規定するス
テップと、
上記試料の上記部分が局所的に線形となるアーム幅を求めるステップと、
上記アーム幅の回転、上記アーム幅の並進、又は上記アーム幅の回転及び並進の両方に
より、上記画像を解析するステップと
を含む方法も提供する。
質及び第2物質を備える試料を解析するシステムであって、
試料のうち少なくとも上記移行部を含む部分の断面画像において関心領域を選択する関
心領域選択器と、
関心領域内の移行部を横切る試料の密度プロファイルを求め、上記第2物質の代表密度
を求め、且つ上記第1物質及び第2物質を鑑別するための上記移行部を使用して上記試料
の解析を行う密度プロファイル解析器と、
上記解析の結果を出力する出力部と
を備えるシステムを提供する。
に選択される関心領域の位置を最適化するよう構成された関心領域位置調整器を含み得る
。
る。
ることを含み得る。関心領域マージャは、複数の関心領域の重複部分を正確に扱うことを
含め、複数の関心領域を(概して、それぞれが適性試験に合格した後に)マージして、試
料の断面画像等の画像を作成するよう構成される。
行部を(例えば、距離関数を使用して)特定するよう構成することもできる。
を実施するよう構成された1つ又は複数のモジュールを有し得る。
質の解析用の参照対象としての役割を果たすよう第1物質の周りに配置された既知の特性
を有する第2物質(水等)を含み得る(in vivoの骨の場合に、試料が本質的に水
として扱うことができる筋肉により包囲された骨を含むように)。
を包囲するような)真空排気体積である試料を作ることができる。
サにより実行されると、コンピュータ又はコンピュータのプロセッサに上述の試料を解析
する方法を実施させる実行可能な命令又はソフトウェア(例えば実行可能な命令又はソフ
トウェアが埋め込まれるか又は永久的に記憶されたコンピュータ可読媒体で具現されるよ
うなもの)を提供する。
の後のレビュー又はさらなる解析のためにメモリ又は記憶媒体に出力されてもよい。
ンピューティングデバイスであって、実行可能な命令又はソフトウェアは、コンピューテ
ィングデバイス又はコンピューティングデバイスのプロセッサにより実行されると、コン
ピューティングデバイス又はコンピューティングデバイスのプロセッサに上述の試料を解
析する方法を実施させる、コンピューティングデバイスを提供する。
とができることに留意されたい。骨の解析に言及する実施形態を、必要な場合は適宜変更
して他の試料に適用することもできることも留意されたい。
説明する。
ムが提供される。
の形態の画像解析器を備える。画像プロセッサ16は、入力デバイス及び出力デバイスを
備えるユーザインタフェース18を含む。入力デバイスは、画像プロセッサ16の制御用
のキーボード20の形態であり、出力プロセッサは、画像プロセッサ16による処理前及
び処理後のCTスキャナ12からの画像を表示するディスプレイ22の形態である。CT
スキャナ12は、CTスキャナ12の中央スキャンボリューム24内に位置付けられた試
料のCTスキャンを実施し、デジタル化したスキャンデータをCT制御システム14に出
力するよう構成される。CT制御システム14は、CTスキャナ14から受け取ったデー
から画像データを生成し、これらの画像データを画像プロセッサ16に出力するよう構成
される。
プを含むが、他の実施形態では、他の断面を使用することができる(冠状断面、横断面、
又は斜断面等)。
い。オンラインモードでは、画像プロセッサ16が(試料のスキャン中又はスキャン直後
に)CT制御システム14から直接データを受け取る。このような構成は、臨床状況で、
特に、骨折し易い骨の検出に緊急性がある場合に使用され得る。このオンラインモードで
は、データは、(CT制御システム14及び画像プロセッサ16の各USBに接続された
)データリンク又は(CT制御システム14及び画像プロセッサ16の両方が接続される
、インターネット等の形態の)通信ネットワークを介して、画像プロセッサ16に送信さ
れる。このリンク又はネットワークを図1に26で概略的に示す。
14により事前に収集されたデータを受け取る。データは、通信リンク又はネットワーク
26を介して、又は任意の他の適当な手段(CD−ROM、フラッシュカード等のポータ
ブルコンピュータ可読媒体を含む)により、画像プロセッサ16に送信され得る。
0及び出力22とデータ通信し、処理手順(後述)に従って画像処理命令を処理して処理
結果(画像及び/又は検出結果を含み得る)をディスプレイ22に出力するよう構成され
る。
プロセッサ30は、処理手順に従って処理命令を処理し、上述のように処理結果をディス
プレイ22に出力する。キーボード20及びディスプレイ22が共にユーザインタフェー
ス32を構成する。通常、処理命令は、プログラムコードとして処理コントローラ28の
メモリ34に記憶されるが、ハードワイヤードされることもできる。本明細書中、「プロ
セッサ」という用語は、処理手順に従って処理命令を処理することができる任意のデバイ
スを全般的に指すために使用され、マイクロプロセッサ、マイクロコントローラ、プログ
ラマブルロジックデバイス又は他の計算デバイス、汎用コンピュータ(例えばPC)、又
はサーバを含み得る。
36、EPROM38、及びマスストレージデバイス40を含む。RAM36は、通常、
プロセッサ30による実行用のプログラムファイル及び関連データを一時的に保持する。
EPROM38は、ブートROMデバイスであってもよく、且つ/又は特定の何らかのシ
ステム又は処理関連コードを含んでもよい。マスストレージデバイス40は、通常はプロ
グラムの処理に使用される。
別の概略図であり、処理コントローラ28内をより詳細に図示している。具体的には、処
理コントローラ28のプロセッサ30は、ディスプレイ22を制御するディスプレイコン
トローラ42、ステージングエリア(通常はCT制御システム14)からのDICOM(
「医用デジタル画像及び通信」)ファイルをポーリングするDICOMファイルポーラ4
4、DICOMファイルを表示用画像に変換するDICOMファイルコンバータ46、画
像プロセッサ16により処理すべきファイルを選択するよう制御可能なファイル選択器4
8、選択したファイルをデジタル化するファイルデジタイザ50、関心領域を選択するR
OI選択器52、関心領域内の骨を識別する骨識別器54、標本位置調整器56、骨の試
料の密度プロファイルを解析する密度プロファイル解析器58、ROIリジェクタ60、
初期結果積分器62、最終結果積分器64、指数決定器66、及び結果出力部68を含む
。指数決定器66は、骨試料を特性化する種々の指数を決定するよう構成されることで、
画像プロセッサ16が、骨試料の外観を示す画像データを試料の種々の物理的特性を示す
指数に変換できるようにする。
機構72を含む。
ードの形態であり、図5に概略的に示すように処理手順を実施するよう処理コントローラ
28を制御するよう構成される。図5を参照すると、画像プロセッサ16は、(おそらく
in vivoの、骨の試料から収集した)DICOMファイルをCT制御システム14
のポーリングにより(オンラインモード又はオフラインモードで)受け取り、ファイルを
メモリ34に記憶する。受け取られるファイルは、この実施形態ではDICOMファイル
であるが、他の実施形態では、JPEG又はTIFF等の異なる画像フォーマットであり
得る。画像プロセッサ16がファイルを画像に変換し、画像をディスプレイ22に出力す
ることにより、ユーザが処理対象画像を閲覧することができる。図6は、軟組織84に包
囲された骨82の試料のそのような画像80の例である。これにより、ユーザは、適当な
ファイル(例えば、正確な骨部位)がアップロードされたこと及び画像が処理を進めるの
に十分な品質であることを確認することにより、試料の妥当性を評価することができる。
これらの条件が満たされていれば、ユーザは、DICOMファイル内から個別ファイル(
すなわち、解析を望む関心領域(ROI)の特定の画像スライスに対応するファイル)を
処理のために選択するよう画像プロセッサ16を制御する。ユーザが処理対象の個別ファ
イルを指定しない場合、画像プロセッサ16は、スライス数のデフォルト選択を続ける。
ユーザは、続いて処理手順を開始するよう画像プロセッサ16を制御する。
ている場合、画像を閲覧するステップを飛ばすようシステム10を制御することもできる
。こうした状況では、システム10は、それ以上のユーザの介入無しに試料を自動的にア
ップロードして解析し、画像プロセッサ16は、ユーザからの命令無しに解析を開始する
。
意の他の所望の従来の前処理をこの時点で実施することもできる。
の識別である。関心物質のこの初期識別は、物質の密度を代表する密度を有する点を特定
することにより行われる。骨組織を含むCTスキャン画像試料の場合、代表密度を有する
点(B)が、最大減弱(又は密度)を有するピクセルである。(他の実施形態では、解析
対象物質の密度を代表する密度を有する点は、例えば膿瘍の初期識別用であり得る最小減
弱値を有する点であり、これは膿瘍が最小減弱値を有することを理由とする。)
°、90°、180°、及び270°それぞれの半径r1、r2、r3、及びr4を使用
して座標(x,y)の幾何学的中心(C)を求める。
(xG,yG)も求める。
ial of centre)Cの座標である。このプロセスを、図6の例として図7Aに示す。
16は、断面全体(又はファイル内容)を同時に解析しない。各ファイルは、特定の長さ
(LROI)及び幅の関心領域(ROI)に細分される。ROIを「アーム」と称し得る
ので、ROIの幅は「アーム幅」又はAWと呼ばれる。画像プロセッサ16が使用するA
Wは、求める指数に応じて、また後述するように解析対象物質のサイズに応じて変わる。
画像プロセッサ16は、以下の形態の適当なAWを用いる。
AW≦ri×tan(arccos(Δ)) (2)
式中、Δは選択された中心(C又はG)からの推定曲率であり、riは上記で算出された
4つの半径(つまりr1、r2、r3及びr4)の最小値である。
定され、このAWをAW1と称する。Δが0.98の場合、解析に対する骨の曲率からの
影響はごく僅かである(0.02)。すなわち、骨は事実上は本質的に局所的に「平坦」
に見え、これが0.98というアークコサイン値を選択する理由である。例えば、橈骨遠
位端における最小半径は約8mmであり、画像プロセッサ16には橈骨遠位端において約
1.62mmのAWが与えられる。脛骨における最小半径は12mmであり、これに関し
て画像プロセッサ16は約2.42mmのAWを用いる。AWは、密度プロファイル曲線
(上記を参照)において空隙及び吸収窩の検出を可能にするほど十分な幅となるよう選択
される。空隙及び吸収窩は、ヒトでは直径が最大600ミクロンであり得るので、画像プ
ロセッサ16が使用するAWは、人骨の空隙率の評価中に1mm以上であるべきである。
特に、2つの骨の直径が正確に同じではないので、2つの骨の画像は画像プロセッサ16
により同様に処理されず、この実施形態による骨構造の処理は各骨に固有である。
アーム幅(AW2で表す)を使用する。AW2は、次式に従いはるかに小さな曲率Δ(0
.999)を用いて画像プロセッサ16により求められる。
AW2=ri×tan(arccos(0.999)) (3)
ど小さな骨膜表面及び骨内膜表面を有することだからであり、これは、当面の目的が(空
隙率の検出ではなく)断面の内部及び外部幾何学的形状の正確な算出の実施であることに
よる。橈骨遠位端及び脛骨それぞれにおいて、AW2は約360ミクロン〜590ミクロ
ンである。
9のΔ値がこの実施形態では用いられる。0.999のΔ値をこの例で使用して、画像プ
ロセッサ16が提供する解析の精度及び確度が決定される。Δが画像プロセッサ16にお
けるユーザ制御可能な設定であることにも留意されたい。この設定及び他のこのような設
定は、ユーザが骨膜辺縁(periosteal rim)の凹凸(すなわち、円の一部からのずれ)の
解析に対する影響を最小化することを可能にする。したがって、これは、ROIのうち円
の一部からずれた骨膜辺縁により生じる潜在的誤差を最小化するためにユーザにより制御
可能である。Δ=0.999のデフォルト値が画像プロセッサ16により使用される理由
は、この値で、またin vivoの人骨直径の範囲(通常は5cm未満)を考慮すると
、AW2が1mm以下となるからである。すなわち、骨の骨膜境界は、局所レベル(例え
ば長さ1mm以内)で規則的である。
ことができ、筋肉密度を参照対象として使用する。筋肉対非筋肉組織の比が、続いて較正
の一形態として使用される。こうした理由から、多くの計算で、筋肉の特定及びその密度
の取得が画像プロセッサ16により行われる処理で用いられる(このような理由で、画像
プロセッサ16は後述するように異なるアーム幅AW3を用いる)。このことから得られ
る利点を2つ挙げると、(i)画像プロセッサ16を使用してスキャンを解析する際に、
参照対象密度を測定する目的での面倒で資源を浪費する日常的較正が必要なく、(ii)
画像プロセッサ16が、定量的コンピュータ断層撮影だけでなく本質的にいかなるCTか
らの画像ファイルも操作し解析することができる。これにより、QCTの必要を無くすこ
とができる。さらに、この手法では、画像プロセッサ16により既存のCT(又はMRI
)に骨構造解析機能を設けることができる。(既存のCT装置は、広く利用可能であるが
、骨解析機能を備えていないので骨粗鬆症の診断に使用できない。)
必要とするので、画像プロセッサ16は、これらの例ではより大きなアーム幅AW3を用
いる。
AW3=rx×tan(arccos(0.965)) (4)
式中、rxは、骨外の特定の角度として選択される半径であり、これらの角度は局所解剖
学的構造に基づき事前設定される。これら特定の角度における骨外の軟組織は、大部分が
筋肉である。画像プロセッサ16は、例えば、橈骨では90°、脛骨では約65°を用い
る。AW3は、較正参照対象としての使用等のために密度を適切に求めることができるよ
うに、十分な筋組織を含むほど十分な幅となるよう選択される。
画像プロセッサ16は、デフォルト回転角θ1を予測半径範囲から大半の骨に適している
5°とする。しかしながら、この角度は状況によっては適当でない場合があるので、回転
角の妥当性が他のROIの解析を進める前に試験される(後述)。5°のθ1では、解析
されるスライス毎に72個のRIOが得られる。
2を1.5°とする。これは、骨縁部(つまり骨膜表面)が局所的に線状に見える(又は
少なくとも円弧により近似されることができる)のに十分な小ささである。これにより、
合計240個のROIが得られる。画像プロセッサ16は、ユーザが所望する場合は1°
(又はそれ以下)の既定回転角θを用いるよう動作可能である。
か否かを確認する。
sinθ×r1<AW (5)
式中、r1は上記で規定した4つの半径の最小値である。
あるとみなされ、画像プロセッサ16は、方程式5に従って5°未満の次に小さな角度(
4°等だがいずれにせよ回転角としての使用に適しているもの)を選択する。この条件に
より、未解析のまま残る断面の断片が無いことが確実となる。画像プロセッサ16は、5
°未満の角度を使用した場合はユーザに通知する。
式5を使用して1.5°未満の角度が上記で選択される場合も、同じ手順が実施される。
るためにユーザが設定又は選択するパラメータであることに留意されたい。これらは既定
値であるが固定値ではない。既定値は、ヒトの骨構造の最適な解析のために選択される。
したがって、ユーザは、骨、特に非人骨の最適な解析のための画像プロセッサ16の設定
制御(settings control)を制御することにより、θ及びΔを調整することができる。
がミリメートル長以内に収まることを確実にするために(潜在的な曲率不規則性の影響を
最小化するために)、Δは0.9999に設定され、θ2は0.5°に再調整される。こ
のような骨の大きな断面が、それぞれ長さ約700ミクロンの480個のROIに細分さ
れることで、周囲及び表面の正確な測定が可能となる。
選択する。この初期ROIは、C(又はG)で開始する画像プロセッサ16の幅AW1(
又はAW2)と中心からの長さ及び長さLとを有する横断面であり、長さLは、中心(C
又はG)からの選択領域全体の最大対角線の半分、すなわち、
ば物質の画像)は、辺の長さがa及びbである平行四辺形内にあるものとみなすことがで
きることに留意されたい。
めする。位置決めプロセスは、第1列又は最終列からそれぞれ左回り又は右回りに骨試料
を回転させ、皮質骨の始端が第1列及び最終列において同じ行で開始するようにすること
を含む。これにより、骨試料が確実に水平方向に位置決めされる。(試料がすでに水平で
ある場合、画像プロセッサ16による回転は実施されない。)骨試料の適当な位置決めは
、密度プロファイルに影響を及ぼすような試料の角度位置を回避するために実施される。
を識別する。これは、試料の角度(すなわち非水平)位置に関して未補正の皮質骨実質部
である。その見掛け上の皮質骨実質部内で、画像プロセッサ16は、第1列及び最終列に
おける骨の始端を判定する。これにより、アルゴリズムで試料が完璧に水平であるか否か
を認識することが可能となる。上述のように、試料が完璧に水平である場合、回転は実施
されず、その他の場合は適宜回転が実施される。
わちx=0)は、最終列における骨の始端(Xa)よりも後に始まる(starts)。画像プ
ロセッサ16は、第1列における皮質骨の始端(0,Ya)及び最終列における皮質骨の
始端(Xa,Yb)を検出し、Ya>Ybであると判定する。画像プロセッサ16は、続
いて試料と水平線との間の角度δを次式のように求める。
δ=atan((Ya−Yb)/Xa)
Xa=AWであることに留意されたい。
よう回転させる必要があるピクセル数(n)を次式のように算出する。
n=xicos(δ)
全列を、続いて左回りにnピクセル分移動させる。
て)を扱うことから、角度δは非常に小さいので、atan(δ)〜δ及び各列xを右回
り及び左回りに回転させる必要があるピクセル数(n)は、次式で近似される。
n=xi×(Ya−Yb)/AW
式中、xiはi番目の列である。
すなわちx=0)は、最終列における皮質骨の始端(Xa)よりも後に始まる。画像プロ
セッサ16は、第1列における皮質骨の始端(0,Ya)及び最終列における皮質骨の始
端(Xa,Yb)を検出し、Ya<Ybであると判定する。次に、画像プロセッサ16は
、試料と水平線との間の角度δを次式のように求める。
δ=atan((Ya−Yb)/Xa)
う回転させる必要があるピクセル数(n)を次式のように算出する。
n=xicos(δ)
全列を、続いて左回りにnピクセル分移動させる。
プは、ROIの長さ(すなわち、AW1又はAW2等のAW)及び1ボクセル(又はピク
セル)の幅を有する矩形セクションである。(画像プロセッサ16は、ストリップの特性
を変更するよう制御可能でもある。)図8Aは、ROIのCTスキャナ12からのDIC
OMファイルから得られた例示的な画像であり、個々の行が1(実際には骨試料の外側)
〜70(骨内)でラベリングした画像を構成する。図8Bは、明確化のためにネガにした
同じ画像である。
I内の密度プロファイルを計算する。計算される密度プロファイルのタイプは、解析の目
的に応じて変わる。解析に応じて、ストリップ毎の最大値、最小値、又は中央値のプロフ
ァイルを計算することができる。しかしながら、ほとんどの場合、画像プロセッサ16は
ストリップ毎の平均値のプロファイルを計算する。(例えば、画像内の2つ以上の骨の分
離が望まれる場合、最大値のプロファイルが画像プロセッサ16により計算され得る。さ
らに、代替的な実施形態では、例えば、プロファイルを規定するにあたり全値の平均二乗
を算出するよう画像プロセッサ16を制御することが望まれ得る。)密度プロファイルの
決定及び解析の一例を、平均値の場合について以下で説明する。(例えば最大値の密度プ
ロファイルが計算された場合も、同じ解析が実施される。)
ファイルの曲線は、ストリップ毎の平均密度プロファイルを使用して作成される。画像プ
ロセッサ16は、曲線全体内で最大密度(DSmax)を有するストリップも識別する。
(ボクセル又はピクセルレベルで、密度及び減弱という語は交換可能に使用され得る。)
図9は、図8Aの画像に関するストリップ又は行番号に対する骨ストリップ密度(ヒドロ
キシアパタイトのミリグラム毎立方センチメートル又はmgHA/cc)のプロットであ
り、最大ストリップ密度DSmaxの場所が示されている。
続ストリップ間の密度差を計算することにより算出される。
ΔDSi,i+1=(DSi−DSi+1)/DSi (7)
(なお、この導関数の定義は従来の定義の逆である。)この1次導関数から、画像プロセ
ッサ16は、試料を一連の「山」及び「谷」を含むものとして特性化することにより、骨
試料を解析する。山は、密度プロファイル曲線の減少部分(すなわち、方程式7で定義さ
れるような1次導関数が正である場合)に相当し、谷は、密度プロファイル曲線の増加部
分(この1次導関数が負である場合)に相当する。導関数は、山及び谷の遷移部で値0を
有する。
にプロットする。画像プロセッサ16は、山の「高さ」を山の頂部の密度と山の底部の密
度との間の差として求める。画像プロセッサ16は、山に関する算出とは逆に、谷の「高
さ」を谷の終点の密度と谷の始点の密度との間の差として求める。すなわち、山は1−0
(一連の0値の前の1に対応する密度−一連の0値の中で最後の0に対応する密度)とし
て計算されるが、谷は0−1(一連の1値の前の0に対応する密度−一連の1値の中で最
後の1に対応する密度)である。これらの山及び谷を使用して、画像プロセッサ16は、
皮質骨実質部内の密度プロファイル曲線における最大ピーク及びトラフ等の減弱プロファ
イルにおける要点を以下の方法を使用して識別する。
密度プロファイル曲線は、行列から取り出され、新たな参照中心P1(図11を参照)を
与えられる。P1は、DSmaxの水平座標に等しい水平座標(図10に示す密度の導関
数から求められる)と、DSmax外の最小密度に等しい垂直座標とを有する。この参照
系では、P1から密度プロファイル曲線までの距離関数である関数λ−1(Ni)が、次
式のように求められる。
減弱を有するストリップ)との間のストリップを指す。点jは、λ1の最小値に対応する
。
(図10を参照)を調査することにより皮質骨の始端を識別する。皮質骨の始端kは、j
とDSmaxとの間の最大の(又は最深の)谷における第1導関数の最小値である。
l)を識別する。
線形性又は部分体積効果等のアーチファクトの排除が可能となる。lの識別において、N
iをk(皮質骨の始端)とDSmaxとの間のストリップに限定して、密度プロファイル
曲線が新たな参照中心P2から再解析される。
用の基準点と、密度プロファイル曲線において適用される部分とが異なる。
骨実質部の終端(o)(したがって骨梁の始端)を識別する。
の間のストリップに限定して、密度プロファイル曲線が新たな参照中心P3から再解析さ
れる。これらの点を求める順番は、密度プロファイル曲線におけるそれらの順番に従うの
ではなく、後続ステップで必要とされる従番に従うことが、当業者には理解されるであろ
う。こうした理由から、例えばoが点m及びn(下記を参照)の前に求められる。
最大値を識別することにより、骨梁状皮質骨の終端nを識別する。この点を図10に点n
で示す。
うな)密度の1次導関数を「2値化する」ことができる。この2値化の結果を図14に示
す。これにより、150及び152でそれぞれ示す皮質骨実質部内の(例えば、点j及び
o間の)山及び谷の最大値を求めることが容易になる。(山及び谷それぞれの密度の値は
、mgHA/cc単位で示す。)
密皮質骨の終端(m)を識別する。
限定して、密度プロファイル曲線が新たな参照中心P4から再解析される。
たものである。図16を参照すると、画像プロセッサ16は、この時点までに密度プロフ
ァイルにおいて(図の左から右へ読んで)以下のものを識別している。
j:骨の始端(すなわち骨膜境界);
k:皮質骨の始端;
l:緻密皮質骨の始端;
m:緻密皮質骨の終端;
n:骨梁状皮質骨の終端;及び
o:皮質骨実質部の終端(したがって骨梁の始端)。
これらの点が定まると、画像プロセッサ16は、骨を4つのコンパートメント:
(i)lとmとの間の緻密質(又は「硬質」)皮質骨;
(ii)mとnとの間の骨梁状皮質骨;
(iii)nとoとの間の皮質骨−骨梁移行部;及び
(iv)oと試料の終端(z)との間の骨梁
に分解する。
を表す。図17は、画像(上図)及び明確化のために画像のネガ(下図)を含む。図18
は、求められた密度曲線のプロットであり、皮質骨と骨梁との間の現在の分離閾値を18
0で示す。画像プロセッサ16により求められたコンパートメント境界を、これらの図に
おいて画像及び密度曲線の両方で示す。
る。例えば、既存のシステムでは、550mgHA/cc〜560mgHA/ccの閾値
を使用して皮質骨実質部を骨梁実質部から分離する(Sharmilla)。この閾値のおおよそ
の位置を図16に160で示す。したがって、密度の立ち上がり後、既存の技法では、密
度が続いてこの閾値よりも低下する点以下の骨全部が骨梁を構成するとみなされる。した
がってこの例では、ボックス162に含まれる骨実質部は、画像プロセッサ16では皮質
骨実質部として識別されるが、(この例では、筋肉密度よりも高い密度を有するデータ点
が骨梁コンパートメントに無いことから明らかなように、実質的に骨梁が見られないにも
かかわらず)既存の方法では骨梁実質部として誤って識別される。550mgHAを超え
る密度を有する皮質骨の部分(164で示す)は、既存の手法では、閾値を使用して骨を
皮質骨及び骨梁にセグメント化した後に骨髄腔内の浮遊骨(図19における骨画像190
の「浮遊皮質」骨192を参照)として見える。これは、閾値に基づいた皮質骨コンパー
トメント及び骨梁コンパートメントへの骨のセグメント化により生じる既存の手法のアー
チファクトである。さらに、既存の手法は、この例の皮質骨の中心に見える大きな空隙を
識別することもできないので、試料の皮質骨空隙率に関して不正確に低い値を生成する。
さらに、既存の手法は、骨梁が実際に失われている場合に皮質骨を骨梁として不正確に識
別するように、骨梁コンパートメントで生じた劣化を低く見積もることで、骨梁消失の不
正確な(また実際には低すぎる)推定値をもたらす。画像プロセッサ16はこれらの落と
し穴を回避する。
て誤ってラベリングされる別の場合を示す。
ROIで同じ解析を実施する。ROIの数nは、
n=360/θ (8)
としての回転角(θ°)の関数である。ROI1からROInへ回転させる方法は、画像
プロセッサ16によりスライス毎に以下のように(また、図20A及び図20Bに概略的
に示すように)実施される。
)座標を有するが減弱値を有さない仮想鏡行列(図20B、下図を参照)を作成する。こ
の仮想行列は回転行列である。初期関心領域(ROI1)が、続いてこの回転行列から選
択される。ROI1は、その長さが最長対角線の長さの半分となるよう選択されるので、
初期行列における減弱値を有する点は回転プロセス中に失われないことに留意されたい。
画像プロセッサ16は、続いて初期行列からROI1に対応する仮想行列における各点(
又はピクセル)の減弱値を取り出す。
y)をA’(x’,y’)へ回転させる。
6は、初期ROI(ROI1)全体を同時に回転させる。画像プロセッサ16は、初期R
OI1内の全部の点を回転させ、360°完全に実施されるまでROI1と幅及び長さが
同様の行列を再配置する(repopulates)。例えば、角度θが5°の場合、各断面が72
個の行列又は72個のROIとして解析される。角度θが1.5°の場合、断面全体が2
40個の行列(又はROI)として解析され、角度θが0.1°の場合、断面全体が36
00個の行列(又はROI)として解析される。
値の無い点を有するストリップを無視する。
を実施することにより画像を解析する。大半の指数(空隙率、石灰化、及び骨梁パラメー
タ等)に関して、最低2回転が画像の解析に用いられる。
動作の概略的なフローチャート200である。ステップ202において、画像が画像プロ
セッサ16により画像認識ステーションに入力される。
物質の寸法等のキャリブラントが不要なパラメータ(例えば、皮質骨厚、外寸、及び内寸
)の測定の場合、認識回転は実施されない。したがって、キャリブラントが不要な場合、
画像プロセッサ16による処理はステップ208に進み(下記を参照)、そうでない場合
はステップ206において処理が続く。
な定量解析のための後続の回転で使用されることになる画像内の特性又は特徴が識別され
る。これらの特徴は、周囲軟組織の1つ又は複数の代表密度と、試料の関心物質(この例
では骨)の1つ又は複数の代表密度とを含む。
目標は、(i)筋組織を含む周囲背景を識別し、例えば後続の解析回転でキャリブラント
として使用されることになる筋組織の代表密度を取得すること、及び(ii)同じく試料
の定量解析でその後使用されることになる解析対象物質の代表密度を識別することである
。処理は続いてステップ208に進む。
し、関心物質を解析及び特性化する。ステップ210において、画像プロセッサ16は、
画像解析ステーションを用いて1つ又は複数の解析回転(必要な数だけ)を実施し、試料
を解析する。ステップ210における解析回転(単数又は複数)中、画像プロセッサ16
は、画像認識回転(ステップ206を参照)中に取得した特性、この例では骨を使用して
上述のようなパラメータを定量する。
を開始する。
から次のストリップまでの密度の差を活用するので、1つのストリップに限定されるコン
パートメント(つまり、緻密皮質骨、骨梁状皮質骨、皮質骨−骨梁移行部、及び骨梁)は
この解析に不適当である。この例では、空隙率、劣化等を画像プロセッサ16により求め
ることができないからである。さらに、1つのストリップに限定されるコンパートメント
は、このストリップに対する部分体積効果(PVE)の交絡作用を評価できないので解析
不可能である。したがって、画像プロセッサ16は、1つのストリップに限定されるコン
パートメントを解析しない。
実質部を解析に不適当であるとみなす。3つの皮質骨内コンパートメントは、1つのスト
リップしか有さず(したがってそれぞれが解析不可能であり)、最終又は第4ストリップ
はPVEにより悪影響を受け得る。
次式のように皮質骨の厚さ(CThcm)を近似する。
Smaxは最終ストリップnの密度及び隣接する適当なROIi−1又はROIi+1内
の最大密度を有するストリップの密度である。(ROIi−1及びROIi+1の両方が
適当である場合、DSmaxは、最大DSmaxを有するROIから取得される。)この
場合、最終ストリップ(n)がPVEにより悪影響を受けると想定される。
内半径及び外半径並びに周囲長を計算することができる。
して解析する。スライス内の全部のROIが解析されると、画像プロセッサ16は、続い
てn個のROIをマージし、認識又は診断に必要な特性を有する解析済みスライスを再構
成する。
Iに現れ得ることに留意されたい。例えば、脛骨遠位端において、角度θが0.1°の場
合、断面が3600個のROIで再構成され、90個ものROIに同じ点が現れ得る。そ
の場合、画像プロセッサ16は、(ROI内の点を元の行列における同じ点に遡ること等
により)各特定のパラメータに対する重複点の寄与を考慮に入れる。各ピクセルの寄与を
1回だけ計数することが重要だからである。画像プロセッサ16は、1つの点が異なるR
OI内の特定の区域(つまり、緻密皮質骨、骨梁状皮質骨、又は骨梁)に現れる回数を計
数して記憶する。マージプロセス中、画像プロセッサ16は、最初に異なる区域における
点の出現の頻度分布を求めてから、最も頻繁に現れる区域にその点を帰属させる(但し、
他の基準を使用して正確な又は最も適した区域を求めてもよい)。
されたスライスが解析されるまで次のスライスへと進む。全部のスライスが解析されると
、画像プロセッサ16は、種々のパラメータを求めて個々の試料毎に関連するパラメータ
を出力する。
範な調査を可能にする。画像プロセッサ16の用途は、骨粗鬆症の検出に関する指数に限
定されない。多くの他の代謝性疾患及び骨転移等の浸潤性骨疾患に関して指数が生成され
る。画像プロセッサ16は、ユーザが望む指数を選択するよう、また選択された解析を即
座に実施するようユーザにより制御可能である。
W1及び回転角θ1で求められる。これらの指数は、出力の際はミリメートル又はセンチ
メートル(厚さに関して)及びmm2又はcm2(表面に関して)の単位で表示される。
均CThと類似しているが、異なる形で求められる。この実施形態によれば、画像プロセ
ッサ16は、次式に従い真の平均を求める。
積/断面周囲長として計算される平均の推定値を求める現在のQCT技法を参照)。
それ以上)の領域の平均である。画像プロセッサ16は、ユーザが平均値の標準偏差(S
D)及び標準誤差(SEM)とこの値の範囲とを出力することを可能にする。したがって
、出力は平均CTh、SD、SEMである。
CThが、有限要素解析で推定した場合に平均CThよりも良好な骨強度の予測をもたら
すことを突き止めたので、画像プロセッサ16は中央CThを求めて出力する。画像プロ
セッサ16は、中央CThを全72個(又はそれ以上)のROI×n個のスライスのCT
hの測定値として求める。画像プロセッサ16は、このような中央値の範囲(つまり、最
小値及び最大値)も求めることができる。
は、これが臨床状況及び研究状況で有用である可能性が高いと結論付けた。断面内のCT
hの最小値が加齢に伴って最大の減少を示し、したがって平均CThよりもよく骨折リス
クを示す可能性が高いという証拠がある(これは、鎖がその最も弱い環で切れるように、
生体力学的観点から理解可能である)。画像プロセッサ16は、緻密皮質骨の皮質骨厚の
最小値の平均、SD、SEM、及び値範囲を求め、緻密皮質骨の解剖学的場所(例えば、
前部、後部等)を識別することもできる(以下で要約する結果を参照)。
骨面積(又はCoA)は、画像プロセッサ16により、緻密皮質骨内のピクセル数にピク
セルの面積を乗じたものとして求められ、したがって、
CoA=n×(re2) (10)
であり、式中、nは緻密皮質骨内のピクセル数であり、reはCTスキャナ12(又はM
RIスキャナ等の骨の撮像に使用される他のスキャナ)の分解能である。これは、次式か
ら求めることもできる。
転角θでの皮質骨厚であり、riはROIiにおける骨の半径である(後述するように求
められる)。画像プロセッサ16は、断面を曲率半径riの小さな弧に効果的に分割する
ことで、不規則断面の面積(骨等)を正確に求めることを可能にする。CoAの平均、S
D、SEM、及び範囲を、検査された断面全部に関して続いて求めることができる。
均を求めるようにも構成される。(CThtcは、既存の技法では求められない)。CT
htcは、緻密皮質骨の平均厚とは無関係に骨量減少及び骨折リスクを示す。骨梁状皮質
骨が厚いほど、(残存緻密皮質骨が見掛け上は他の緻密皮質骨(peers)の厚さと同じ厚
さのままであったとしても)劣化が多く脆弱であることを示す。この値は、画像プロセッ
サ16により方程式10又は11を使用して、但し緻密皮質骨内に適用して求められる。
骨梁状皮質骨の皮質骨厚(CTh)の中央値を求めるよう構成され、皮質が最も弱い場所
を示す遷移(又は骨梁状)皮質骨の皮質骨厚(CTh)の最大値を求めるよう構成される
。
構成され、これは骨梁状皮質骨内のピクセルが占める面積である。骨梁状皮質骨の面積は
、緻密皮質骨の面積とは異なる解釈をすべきであり(ある意味では、骨梁状皮質骨の面積
はそれを補完するものである)、骨梁状皮質骨の面積が大きいほど、生じた皮質骨劣化の
大きさが大きく、したがって脆弱性が高い。この値は、やはり画像プロセッサ16により
方程式10又は11を使用して、但し骨梁状皮質骨内に適用して求められる。
均を求めるようにも構成される。既存の手法は、緻密皮質骨のみで皮質骨実質部を識別す
る。皮質骨実質部は厚いほどよい。これは、方程式9を使用して、但し緻密実質部に適用
して求められる。
値及び皮質骨実質部の皮質骨厚の最小値と、それらそれぞれの解剖学的場所とを求めるよ
う構成される(以下で要約する結果を参照)。既存の手法は、皮質骨実質部を識別せず、
緻密皮質骨に限定される。皮質骨実質部の中央値が大きいほど骨が強く、皮質骨実質部の
最小値が小さいほど骨が弱い。
皮質骨面積が小さいほど骨折のリスクが大きいからである。皮質骨面積は、画像プロセッ
サ16により方程式10又は11を使用して、但し皮質骨実質部内に適用して求められる
。
jとして表す)、皮質骨−骨梁移行部の皮質骨厚の中央値、及び皮質骨−骨梁移行部の皮
質骨厚の最小値を求めるようにも構成される。これらの指数は価値があり、その理由は、
健康な骨では皮質骨コンパートメントと骨梁コンパートメントとの間に明確な差異がある
ので皮質骨−骨梁移行部が非常に小さいが、加齢及び劣化に伴い皮質骨−骨梁移行部が増
大することで不明瞭になるからである。
、但し皮質骨−骨梁移行部内に適用して求めるよう同様に構成される。
上のROI毎の半径riを、次式のように求めることができ、
ri=(z−1)×re (12)
式中、riはROIiの半径であり、reはCTスキャナ12の分解能である。
PCC)も求めることができ、これは、緻密又は中実な外観を呈する皮質骨の割合であり
、算出された皮質骨実質部の厚さに対する緻密皮質骨の厚さの比から次式のように求めら
れる。
PCC=100×CThcc/CThcm (13)
症等の特定の疾患の進行も示し得る。)
梁状の外観を呈する皮質骨の割合を求めるよう構成され、これは次式のように計算される
。
PTC=100×CThtc/CThcm (14)
ることを意味する。
質骨のうち遷移区域の割合を次式のように求めるよう構成される。
PCTJ=100×CThctj/CThcm (15)
めるよう構成される。
るよう構成される(単に「空隙率」と称する場合があるが、当業者が理解するように絶対
空隙率とは区別すべきである)。空隙率の増加が無い場合、全部のストリップが同様の密
度を有することになる。したがって、見掛け上の空隙率は、(i)皮質骨のDSmax及
び厚さにより画定される矩形の面積と、(ii)皮質骨の特定のコンパートメント内の密
度曲線下の面積(各コンパートメントの境界l、m、n、及びoについては図16を参照
)との比として算出される。したがって、緻密皮質骨の見掛け上の空隙率は、次式に従っ
て求められる。
化:
を反映する。より一般的な公式化は、他の実施形態により適している場合がある。
皮質骨の空隙率(aPoTC)、(方程式16に従って、但し皮質全体に関して)皮質骨
実質部の空隙率(aPoCM)、及び(方程式16に従って、但し骨梁コンパートメント
に関して)骨梁コンパートメントの空隙率(aPoTB)を求めるようにも構成される(
この場合も、実際には見掛け上の空隙率)。
り求められる。空隙率を定量するために、画像プロセッサ16は、周囲筋組織の代表密度
(Maxmd)及び関心物質(すなわち、この例では骨)の物質の代表密度A(x)を識
別する。
転から、画像プロセッサ16は、周囲筋組織を識別して筋組織の最大密度(Maxmd)
を取得する。これを行うために、画像プロセッサ16は、周囲筋組織に対応する全ボクセ
ルの減弱値の頻度分布を求める。Maxmdは、頻度分布曲線の95パーセンタイルに相
当する減弱に対応する。最大値は、例えばコンプトン散乱からのノイズにより悪影響を受
け得る。95パーセンタイルの値は、Maxmdを表すが本質的にノイズにより悪影響を
受けないほど十分に大きい。
別される。各ROIの最大密度がこれらの基準を満たすことを示唆する実験的証拠がある
。骨単位距離(inter-haversian distance)は200μmを超えるので、4つのハバース
管は、空隙が存在しない40,000μm2を超える正方形面積を画定する。したがって
、82μmの空間分解能では、部分体積効果により悪影響を受けていない最大6ピクセル
が皮質骨内のハバース管同士の間に配置される。したがって、所与のROI内の最大密度
を有するピクセルは、実際にはこれらのピクセルの中にあり、純粋に石灰化した骨の密度
を有すると考えられ得る。したがって、200μm以下の分解能の全イメージングモダリ
ティに関して、(B)の減弱は、PVEにより悪影響を受けずに純粋に石灰化した骨から
なるものと考えられる。画像プロセッサ16は、続いて(B)の減弱をMaxmdと共に
使用して、画像内の全ボクセル又はピクセルの減弱値を−1〜+1の範囲のスケールに変
換する。この変換は、各ボクセルの減弱を各ボクセル内の骨の推定量に変換することを可
能にする新たな概念である。各ボクセルの変換単位を、骨体積当量(bone volume equiva
lent)(BVE)と称する。図21は、解析回転中に骨を解析及び特性化するために画像
プロセッサ16により使用されるBVEスケールである。脂肪のBVEは−1であり、水
(骨において、細胞、血管、及び間質組織に相当し、したがって周囲筋組織又は水と同様
である)のBVEは0であり、純粋な骨のBVEは0.9以上である。0.9未満のBV
Eを有するボクセルは、部分的に(0.9>BVE>0の場合)又は完全に(BVE≦0
の場合)間隙からなる。
ように計算する。
axmdの減弱値である。
こうした特性化には、イメージングモダリティの公称面内分解能未満のサイズの空隙に起
因する画像内の空隙率の推定が含まれる。
合、0.9以上のBVEを有するボクセルは、(組織石灰化の差に起因する密度又は減弱
の差が10%を超えないので)純粋に石灰化した骨を含むボクセルである。したがって、
0〜0.9のBVEを有するボクセルは、ある程度の間隙を含む。ボクセルが皮質骨実質
部内に位置する場合、このボクセルは、モダリティの分解能よりも小さなサイズの空隙を
含む(図21を参照)。
も大きいサイズの間隙である。
VE)を次式のように算出する。
BVE(X)≦0の場合、PoVE(X)=1、及び
BVE(X)>0の場合、PoVE(X)=1−BVE(X)
のように算出する。
出する。
クセルの密度を使用したボクセル内の純粋に石灰化した骨の推定割合に比例して考慮され
る(accounted for)。
選択することができる。例えば、PoVE=0の空隙(すなわち、システム10の分解能
以内までは空に見えるボクセル)又はPoVE=0.5の空隙(すなわち、システム10
の分解能のサイズの半分の空隙)である。
骨梁)のいずれかにおける任意のサイズの空隙による空隙率の定量を選択することができ
る。
16は、各コンパートメントの各ピクセル(又はボクセル)を、骨を「1」、骨以外を「
0」の2進値に変換し、骨をピクセルiと定義して、
Ai>Maxmd (18)
とし、骨以外をピクセルjと定義して、
Aj<Maxmd (19)
とする。
、皮質骨内の空隙が見えているROIの例である。コンパートメントの識別後、空隙は、
Maxmdよりも低い密度を有するボクセルとして定義される。1つの列における皮質骨
内の空隙の識別の例を図22Bに示す。図22Cは、解析行に沿った骨ピクセル対非骨ピ
クセルの2値化プロットである。空隙の2値化及び識別は、ROI全体の解析で皮質骨実
質部が識別された後に行われる。
を骨組織から鑑別する。こうして求められた空隙率は、分解能依存性が高く、部分体積効
果(PVE)の影響を受けるので、画像プロセッサ16は、これを単に「見掛け上の空隙
率」とみなす。図22Bに示す(PVEにより悪影響を受けた)点i等の、空隙−骨の縁
部における骨及び軟組織の割合が様々な(すなわち、PVEで悪影響を受けた)ボクセル
は、空隙率の算出から誤って排除される。現在のアルゴリズムが閾値を使用して骨を軟組
織から分離した後に空隙率を計算する場合に、同様の誤差がある。こうした理由から、画
像プロセッサ16は、全ボクセルの密度を考慮する場合に上述のように(方程式16及び
17を参照)空隙率を計算することが有利である。
質の代表密度を参照対象として用いることにより、空隙率を求めるというものであること
に留意されたい。これにより、画像プロセッサ16は、骨だけでなく任意の物質の空隙率
の非破壊測定を容易に行うことができる。物質(例えば、岩石、金属、及びプラスチック
)の空隙率は、空洞(vacancy)又は「空所(emptiness)」を参照対象として使用して求
めることができる。これを例として図23に示す。図23は、図1のシステム10と共に
使用される、本発明の実施形態による物質の空隙率の非破壊in vitro測定用の空
隙率測定装置220の概略図である。
有するシール可能な管222を含む。管222は弁228を有し、装置220は弁228
に取り付けられた真空ポンプ229を含む。真空ポンプ229は、物質又は試料226を
ステーション224に載せて管222をシールしたら管222を真空排気するために設け
られる。
た後、真空ポンプ229のスイッチを入れ、物質又は試料226の周りの浮遊物質を真空
ポンプ229により管222から排出させる。したがって、少なくとも部分真空が物質又
は試料226の周りに形成され、これが本実施形態に従って活用される(低密度又はゼロ
密度の)空洞又は「空所」としての役割を果たす。管222を、続いて真空ポンプ229
から取り外し、CTスキャナ12の中央スキャンボリューム24内に配置してスキャンす
ることができ、得られたデータが上述のような処理のために画像プロセッサ16に転送さ
れる。
、画像プロセッサ16が周囲環境(この場合はいわゆる「空所」)を使用して物質又は試
料226内の空隙率を求めることが可能となる。物質又は試料226の周りに浮遊してい
るか又は他の形で存在する物質は、そうでなければ画像プロセッサ16により識別されて
参照対象として使用され、不正確な結果を招くことになる。(「空所」を引用符に入れて
使用するのは、真にゼロの圧力を達成することができず、またいずれにせよその必要はな
く、この「浮遊デブリ」の除去で十分であるということを認めるためである。)
る。画像は、画像プロセッサ16により自動的に検索及び解析され、上述のように周囲組
織(この場合は「空所」)を参照対象として使用して絶対空隙率が求められる。参照対象
(空隙率の場合は空所)の使用により、絶対CT値への依存が回避される。
29を備える統合空隙率測定システムを提供する。
、正しくはこれはいわゆる「空所」であることに留意されたい。これらの非骨空間は、筋
肉の密度以下の密度の組織により占められる。こうした理由から、生きた個体における(
in vivo状況における)骨の空隙率の評価は、筋肉を参照対象として使用する。
多くの潜在用途がある。
されたい。この場合、各コンパートメントにおける空隙面積(PoA)は、次式の通りで
ある。
緻密皮質骨の空隙率(PoCC)は、
PoCC=100×PoACC/AreaCC (21)
であり、式中、PoCCは緻密皮質骨の空隙率であり、PoACCは緻密皮質骨の空隙面
積であり、AreaCCは緻密皮質骨の面積である。
数は、加齢の過程で観察されるような内皮質骨から外皮質骨にかけての空隙率の漸増を反
映する。空隙は、若年健常個体の皮質骨内では均一に分布するので、これらの個体に関し
ては、皮質骨内のベストフィットラインが実質的に水平である。加齢に伴い、空隙率は皮
質骨の外側よりも内側を侵食するので、ベストフィットラインが水平線と形成する角度が
次第に大きくなる。正常なCD1は3.5%未満である。
トラインを求めてから、ベストフィットラインとDSmaxを通る水平線との間の角度(
ラジアンでω1)を求め、続いて次式のようにCD1を求めることにより、CD1を求め
る。
CD1(%)=100(ω1/1.5707) (22)
D2は、緻密皮質骨の終端(m)及び骨梁の始端内のベストフィットラインを従来の最小
二乗平均式を使用して求めてから、ベストフィットラインとmを通る垂直線との間の角度
(ラジアンでω2)を求めることにより算出される。CD2は、このとき次式のように求
められる。
CD2(%)=100(ω2/1.5707)
弱性の高リモデリングによる空隙率の寄与を示し、したがってその評価を可能にする。C
Fは、次式のように求められる。
CF(%)=(AbsPocc×CD1+AbsPotc×CD2)/10000 (
23)
ト(緻密皮質骨、骨梁状皮質骨等)の減弱も求めることができる。したがって、相対密度
は、石灰化及び空隙率の両方を反映し、パーセンテージで表される。相対密度は、DSm
axとは無関係である。
の相対密度は、
RDcc=100×DScc/DSm (25)
であり、式中、DSccは緻密皮質骨の密度である。したがって、相対密度は、周囲組織
と比べた骨の緻密度の平均を示す。骨の石灰化が少ないほど、骨が多孔質でありその相対
密度が低い。
のストリップの密度(DStb)の比は、次式の通りである。
RDtc=100×DStc/DSm
ップの密度(DScm)の比は、次式の通りである。
RDcm=100×DScm/DSm
プの密度(DStb)の比は、次式の通りである。
RDtb=100×DStb/DSm
下の面積と皮質骨実質部コンパートメントの密度プロファイル曲線下の面積との比であり
、画像プロセッサ16により次式から求められる。
体の終端に対応する。若年成人における大部分が皮質骨の部位(大腿骨の中央骨幹又は転
子下領域等)では、皮質骨が骨梁とは明確に異なることに留意されたい。これらの部位で
は、骨量減少により皮質骨が内側の骨梁状構造に変わり、したがって皮質骨と骨梁との間
の差異が減少することでCTDIを減少させる。
、骨髄の脂肪変換(fat transformation)の程度を反映する。骨が脂肪に置き換わる程度
が大きいほど、骨の消失が多く骨の脆弱性が高くなった。(代表密度Maxmdを有する
)周囲筋肉よりも低い骨内のコンパートメントにおける減弱は、そのコンパートメント内
の骨の消失及び脂肪による置換を反映する。したがって、脂肪ボクセルは、筋肉密度Ma
xmdよりも低い密度を有する骨梁内のストリップを構成する。
総数で除したもの)と、脂肪負荷(fat burden:脂肪含量)(FatB)(筋肉の代表密
度Maxmdと比べた脂肪ボクセル(FS)の平均密度)とを求めるよう構成される。脂
肪ストリップの平均密度(DSf)は、
脂肪負荷(FatB)は次式となる。
FB(%)=100(DSf/Maxmd) (28)
は、石灰化度及び石灰化の分布の不均質性を反映する。最大密度を有する骨ピクセルと筋
肉(Maxmd)との間のコントラストであるこれら2つの組織間の減弱差は、骨の石灰
化レベルを反映すると考えられる。この指数は、ストリップではなくバンドを使用して算
出される。画像プロセッサ16は、純粋に石灰化した骨から完全になることがほぼ確実な
、したがって部分体積効果及び空隙率による悪影響が最小であるピクセル又はボクセルを
識別する。これらは、上述のように0.9以上のBVEを有するボクセルである。石灰化
(ML)レベルは、ROIでなく画像内の全断面の検査後に求められる。
弱である。
A/cc(HA=ヒドロキシアパタイト)又はmg/ccでの緻密皮質骨、骨梁状皮質骨
、皮質骨−骨梁移行部、及び骨梁の絶対密度を求めて出力することができる。
弱をmgHA/ccに変換する。
D(mgHA/cc)=695.808×(Ai/Maxmd)))−455.27
(30)
式中、Aiはボクセルiの減弱である。この方程式は、ファントムのスキャンにより実験
的に確定したものである。
て筋肉密度を使用して骨の密度を求めることにより、所与のコンパートメント内の各ボク
セルの減弱Aを石灰化した骨のg/cc当量に変換する。被験者自身の筋肉を参照対象と
して使用するので、日常的較正の必要が回避される。g/ccでの他のボクセルの密度(
D)が、続いて画像プロセッサ16により次式から求められる。
D(g/cc)=0.495×(A/Maxmd) (31)
出力する。絶対密度はより一般的に必要とされるので、これは比較のために過ぎない。
により強度指数を求める。骨膜下に包含される領域内の非骨組織は、上述のようにMax
md+1を使用して除去される。画像プロセッサ16は、続いて以下のように強度指数を
求める。
BRi=CThcci/ri (32)
式中、CThcci及びriは、それぞれROIiにおける緻密皮質骨の厚さ及び半径で
ある。
モーメントI)を次式のように求める。
り、yiは軸xから要素ピクセルまでの垂直距離である。
ながら、慣性モーメントの算出前に、画像プロセッサ16は非骨ピクセルを画像から排除
する。この場合も、非骨ピクセルの識別に閾値が使用されない。非骨ピクセルは、骨の始
端(すなわち、筋肉以下)の減弱よりも減弱が少ないピクセルである。この非骨ピクセル
(すなわち空隙)の排除により、画像プロセッサ16は可能な限り空隙率の影響無くIを
算出することができる。
度又は減弱を考慮に入れて算出される。したがって、質量調整断面2次モーメントは、R
OI毎に次式のように求められる。
セルの密度(又は減弱)であり、Amaxはスライス内の全ピクセル(すなわち、純粋に
石灰化した骨からなることがほぼ確実なピクセル)の最大減弱である。
めるのと同様にして断面係数を求める。
めるのと同様にして質量調整断面係数を求める。
い)、次式のように断面相乗モーメント(product moment of area)を求める。
る。断面相乗モーメントは、非対称断面における曲げ応力の決定因子(determinant)で
ある。これは、非対称的なほとんどの骨の場合に当てはまる。断面2次モーメントとは異
なり、断面相乗モーメントは負の値及び正の値の両方を与え得る。この値から、画像プロ
セッサ16は、最大及び最小の質量調整断面2次モーメントと断面内のそれらの向きとを
求める。
やはり不要であるため角度を考慮に入れずに、質量調整断面相乗モーメントを求める。画
像プロセッサ16は、質量調整断面相乗モーメントを次式のように求める。
、中心Gを有する参照系における各ピクセルiの座標である。画像プロセッサ16は、続
いて最大及び最小の質量調整断面2次モーメントと断面内のそれらの向きとを求める。
式のように求めるよう構成される。
値も求める。
構成される。
。これらの指数に関して、画像プロセッサ16は、中心G、回転アーム幅AW2、及び回
転角θ2を使用する。骨膜下に包含される領域内の非骨組織は、上述のように参照対象と
してMaxmdを使用して除去される。
算する。
る。
する。
面等の複雑な形状を有する構造の面積及び周囲長を求めることを可能にする。こうした理
由から、AW2は非常に小さい。
れることにより、ストリップo〜zまでいずれのROIでも骨梁のみが含まれる。上述の
ように、画像プロセッサ16は、回転アーム幅AW1及び回転角θ1を用いる。(実際に
は、ここでのAWの選択は重要ではなく、いかなる回転AWでも十分である。上述のよう
に、画像プロセッサ16は3つのAWを有し、AW1及びAW2は、ROIからROIへ
移動できるという意味で回転式であるが、AW3は特定の場所の筋肉密度を評価する役割
を果たすにすぎない。)
与えられる。各列iのn個の非骨間隙の幅(wi)を次式のように求める。
wi=n×re (44)
式中、reはスキャナの分解能である。列iの骨梁サイズ(Tr.Si)は、次式のよう
に算出される。
Tr.Si={((z−o)×re)−wi}/mi= (45)
式中、miは骨梁の数である。骨梁は、1として符号化された一連の連続ピクセルとみな
される。「0」の存在は骨梁の終端を示す。
Tr.Sj=(AW−wj)/mj (46)
であり、式中、mjはj行における骨梁の数である。列は密度プロファイル方向の一連の
ピクセルであり、行は列に対して垂直であることに留意されたい。
、これを求めて出力する。既存の手法は、短縮による骨梁劣化を考慮しない骨梁厚の規定
を用いる。
。
Tr.Sep=(wi/ni)+(wj/nj) (48)
式中、ni及びnjは、それぞれi列及びj行における間隙の数である。間隙は一連の連
続した0である。1の存在が間隙の終端を知らせる。
−断面の周りの皮質骨厚分布、及び
−骨に沿った任意所与の角度(例えば前方)での皮質骨厚
を含む、種々の結果をディスプレイ20にグラフィックで出力することができる。
画像プロセッサ16は、種々のモードで動作可能である。
ス毎に要約されてから、全スライスについて平均値、最小値、中央値、標準偏差として要
約される。部分周囲及び部分表面は、スライス毎の周囲又は表面を得るために合計され、
試料の平均周囲又は平均表面を得るために平均される。このデフォルトモードでは、全パ
ラメータが利用可能である。
前外側、内側等)におけるいくつかのパラメータを求めるよう画像プロセッサ16を制御
することができる。画像プロセッサ16が解析にこの柔軟性を与えるのは、所与のパラメ
ータが骨強度及び骨折リスクに及ぼす影響が解剖学的領域に応じて異なり得るからである
。例えば、大腿骨頚部では、上面(anterior aspect:内側)における空隙率の上昇の方
が下面(inferior aspect:外側)における空隙率の同様の上昇よりも骨折に関係し得る
。
が特定の解剖学的場所に対応する。例えば、橈骨遠位端では、画像プロセッサ16が左回
りに例えば5°の角度回転すると、ROI1は橈骨の外側面に対応し、ROI36は前面
に対応し、ROI54は内側面に対応する。
所における特定の指数を提供することができる。各解剖学的領域で組み合わせられるRO
Iの数(N)は、
N=(360/(m×θ))
と推定され、式中、θは回転角であり、mはスライスが分割される解剖学的領域の数であ
る。例えば、ユーザは、ROI1から始めてmの値を2と選択する、又はi=360/(
4×θ)等のRIOiから始めてm=2と選択することにより、スライスを(例えば内側
及び外側に)二等分するよう画像プロセッサ16を制御することができる。mの最小値は
2であり(mの値が1であることは断面全体が解析されることを意味し、これは画像プロ
セッサ16をデフォルトモードに切り替えることになるからである)、mの最大値は36
0/θであることに留意されたい。
ることに留意されたい。厚さ、空隙率、石灰化、骨梁の指数を含むこれらのパラメータは
、強度、慣性モーメントの指数である。外周及び面積等、断面全体にとって意味のあるパ
ラメータは、柔軟モードでは出力されない。
の全スライスに関して求められる。
システム10は、骨に対する種々の介入(運動、栄養変化、又は治療等)中の骨の構造
及びその変化を評価することができる。これには多くの用途がある。例えば、ストロンチ
ウムラネレート等の薬物による治療、副甲状腺ホルモン(PTH)治療、又はオダナカチ
ブ(odanacatib)(第3相臨床試験中)は、骨の直径を、したがってその曲げ強度を増加
させることが示唆されている。これは、システム10を使用して行われるように閾値を使
用せずに骨寸法を正確に定量することにより検査することができる。既存の方法により実
施される骨構造の閾値ベース評価は、この目的に最適でない場合がある。その理由は、例
えば閾値を使用した骨の識別が、骨膜表面上の新たな低石灰化の誤った除去をもたらすこ
とで、骨が形成されていない、ひいては骨膜付加が実際には生じている場合でも生じてい
ないという誤った結論に達し得るからである。これは、骨に対するPTH治療の効果の評
価中に生じる可能性が高い。PTHはアナボリックであり、新たな低石灰化骨の形成を模
倣する。これは、特に成長期の運動が新たな低石灰化骨の形成を模倣するので、骨に対す
る運動の効果を評価する場合にも起こり得る。
な原子番号を有する。したがって、ストロンチウム治療は、骨ボクセルの密度又は減弱を
増加させる。骨の縁部(骨膜又は骨髄腔)に隣接したボクセルの密度の増加は、縁部検出
に影響を及ぼし、この薬物が骨の寸法を変えたという誤った印象を与え得る。これは、こ
の薬剤での治療前後の骨構造を検査するために(既存の手法に従って)使用される密度ベ
ースの固定閾値が、骨構造に対するその効果に関して曖昧な結果を示す場合に生じる。骨
の値の絶対減弱とは無関係の−1〜1の範囲の単一のBVEスケールに、全減弱を変換す
ること、及び閾値が画像プロセッサ16により使用されないことで、ボクセルの減弱又は
密度に対する薬物の種々の効果が骨構造(すなわち、皮質骨厚等の寸法)及び空隙率に対
する異なる効果と混同されるリスクが最小化される。(既存の処理法では、単に1つの治
療が別の治療よりも大きく物質減弱を変えたという理由で、骨構造及び空隙率に対する2
つの治療の効果の相違に関する結論が下され得る。(Rizzoli R, Laroche M, Krieg MA,
Frieling I, Thomas T, Delmas P, Felsenberg D., Strontium ranelate and alendronat
e have differing effects on distal tibia bone microstructure in women with osteo
porosis, Rheumatol. Int. 30(10) (2010) pp.1341-8)。)さらに、これにより、空隙率
等の骨構成パラメータの誤った評価を招くボクセルの減弱値の密度の変化が回避される。
例えば、空隙は、所与の値未満の減弱を示すボクセルとして定義され、ストロンチウムレ
ネレートのような薬物は、骨組織の減弱値を大幅に増加させるので、骨組織減弱の変化が
空隙率の低下と混同され得る。このような誤った評価が、画像プロセッサ16により実施
される画像処理で最小化又は排除される。
骨を検出することも可能である。
皮質骨実質部全体内のサブコンパートメントのいずれかにおけるCTh及び皮質骨面積
の絶対値は、皮質骨が正常か否かを判定するのに不十分である。すなわち、(関連被験者
群に関しての)平均よりも大きな値は、劣化が生じたことを意味しない。同様に、空隙率
及び皮質骨面積の絶対値は、皮質骨が正常か否かを判定するのに不十分であり、これは骨
量減少ではなく低成長に起因して皮質骨が小さい場合があるからである。同様に、高空隙
率は、皮質骨内リモデリングの増加の結果であるとは必ずしも限らず、成長関連でもあり
得る。したがって、絶対値は指標的なものに過ぎない。これは、他の皮質骨と比べて小さ
な皮質骨又は面積を異常とみなす現在の手法からの根本的な変化である。
骨が正常か否かを判定する。正常皮質骨は、
−骨梁状化をほとんど又は全く示唆しない低PTC(現在の所見に基づき<20%)、及
び
−高PCC(現在の所見に基づき>60%)
を有する。
−劣化があるとしてもほとんどない(CD1正常)
−正常RDcc
−正常RDcm
−正常皮質骨厚又は皮質骨面積
−低PoCC及び低PoCM
−低脆弱性指数
によりさらに裏付けられる。
他の皮質骨の厚さと同様の又はそれよりも厚い皮質骨は、(他の皮質骨の厚さと同様の
又はそれよりも厚い皮質骨を正常とみなす既存の手法で使用される分類にもかかわらず)
やはり劣化の可能性がある。個体によっては、皮質骨が生まれつき平均皮質骨よりも厚い
ので、骨を失った後でも依然として正常な厚さの皮質骨を有する場合がある。したがって
、このような個体は、既存の手法では正常骨を有するものであると誤診される。しかしな
がら、画像プロセッサ16は、厚い皮質骨を正常として特性化するとは必ずしも限らない
。正しくは、画像プロセッサ16は、皮質骨をその構成に従って(正常又は異常として)
特性化する。異常皮質骨は高PTCを有する。さらに、この皮質骨は低PCCを有する薄
いものであり、空隙率が高く相対密度が低い、したがってCD1及び/又はCD2の値が
大きく脆弱性が高い。
。
これらは全て、骨梁が消失して脂肪に置き換わったことを示唆する。
梁コンパートメントの両方を有する。
を行う。
コンパートメント内の各ピクセルの寄与を確実に考慮に入れて、密度プロファイル曲線下
の面積から空隙率を求める。これは、画像の分解能により(大半の空隙がこのような画像
では見えないことを踏まえて)、また閾値手法により(同じく、骨として分類され空隙率
の評価で拒絶された大半のピクセルがPVEにより悪影響を受けている場合がある、すな
わち一部が骨上で一部が空隙上にあり得ることを踏まえて)制限される特定の骨面積内の
空隙の数から空隙率が求められる、既存の手法と比較され得る。曲線下の面積とDSma
xにより画定された面積との差は、直接組織形態計測により測定された空隙率と強い相関
がある。加齢に伴う空隙率の増加は、標本内で均一に生じないので、この実施形態によれ
ば、最低空隙率を有するストリップが、空隙率の増加の評価に使用されるマーカとして画
像プロセッサ16により使用されることが分かっている。
を求めることができる。既存の手法は、緻密皮質骨のみで空隙率を測定するが、骨梁状皮
質骨及び移行区域における空隙率を正確に評価できない。
劣化)に起因する皮質骨空隙率の程度の指数を求めることができる。骨梁状皮質骨が皮質
骨残骸(ruins)からなる場合、劣化が存在する。若い健常骨は、空隙率の程度は様々で
あるが劣化を示さない皮質骨を有する。骨量減少の兆候を示さない高齢骨も空隙率の程度
は様々であるが、大量の劣化を示す。
ほど脆弱性が高くなることが予測される。
さの比を、パーセンテージで表す。
を可能にする。加齢及び骨梁減少に伴い、骨梁コンパートメントと皮質骨複合部(cortic
al complex)(すなわち、皮質+遷移区域)との間の差異が生じる。これは劣化及び脆弱
性の指標である。
指数を出力することにも留意されたい。例えば、高パーセンテージ空隙率又は低パーセン
テージ密度が有害であることが即座に明らかとなるべきである。(既存の方法は、概して
専門家ユーザによってしか解釈可能でなく、例えば、密度がmgHA/ccで表されるの
で、ユーザは、そのような結果を解釈するために、低範囲、許容可能範囲、及び高範囲を
構成する密度を知っていなければならない。)
プロセッサ16は、物質内の中心点F(図24を参照)を識別して次式を得るよう制御す
ることができる。
おける、Bに対して左上象限、右上象限、左下象限、及び右下象限でBからさらに離れた
点である。画像プロセッサ16は、続いてC、すなわち試料の質量中心を、上述の点Bか
らCを求めるのと同じ方法でFから求める。
求めるためのシステム10の使用を示す。この実験を使用して、画像内の構造の寸法を識
別し求める際の画像プロセッサ16の確度及び精度を試験した。
できるように(第2行を参照)、種々の設定を選択できる。
ャナ12でスキャンした(232)。DICOMファイルをスキャナ12から取り出し、
得られた画像ファイル234(管の画像236を示す)を生成し、解析のために画像プロ
セッサ16に送信した。
AW2を生成した。画像プロセッサ16は、Gを識別し、厚さ、半径、外周長、断面(す
なわち総面積)、内周長、及び内表面積を、ROI(ROI1〜ROI240)の関数と
して生成した。これらをそれぞれ図27A、図27B、図27C、図27D、図27E、
及び図27Fに示す。
試験することができる。物体230が均一な構造を有することが既知であったので、RO
I毎の構造パラメータの差は、画像処理におけるノイズに起因するところが大きい。物体
の寸法(厚さ、半径等)がROI毎に一定(したがって、プロットされたようにほぼ完璧
に平坦な線)であったことが分かり得る。これにより、ROI毎に構造の要素を回転させ
て取得するために画像プロセッサ16により使用される解析手順は、ノイズがほぼ無く安
定していることが確認される。(構造の要素がROI毎に異なっていれば、これは、画像
プロセッサ16によるROI毎の構造の解析がノイジーで再現性が低いことを示す。)画
像プロセッサ16による解析の精度を、続いて変動係数(CV)、すなわち240個の値
の標準偏差で除した240個のROIの平均として表されるように算出した。厚さ、半径
、外周長、内周長、外表面、及び内表面の測定値のCVは、それぞれ3%、1.7%、1
.7%、2.1%、3.4%、及び4.2%であり、解析の高い再現性が確認された。
セッサ16の確度を評価することができた。プラスチック管のサイズを直接測定し、対応
するパラメータをシステム10で求めた。結果を以下に作表し比較する。
出してその寸法を求めることができることを示す。
いるような)閾値を使用せずにその寸法を確実に求めることが可能である。画像プロセッ
サ16とは異なり、既存の技法は、このような解析の実施に外部入力を必要とする。すな
わち、オペレータが、物体を画像内で識別できるように検出のために密度閾値をリセット
しなければならない。これには、物体の密度を先験的に知ること及び/又は物体の画像が
周囲環境から分離されて見えるまで画像を手動で調整することが必要である。画像プロセ
ッサ16は、画像内の構造を識別してその密度に本質的に関係なくそれを分離するよう構
成される。
ケール画像280に断面で示すように)、異なる空隙率レベルを得た。これらの管を、続
いてシステム10を使用して撮像し、画像を収集し、画像プロセッサ16を使用して空隙
率を定量した。図29は、真の空隙率(すなわち、各管の既知の特性及び孔の数から実験
的に求めたもの)に対するシステム10により求められた空隙率のプロットである。r2
値が0.98という高い相関が見られた。
トムを、CTスキャナを使用して撮像した。画像をシステム10で収集し、画像プロセッ
サ16を使用して解析し、石灰化レベルを求めた。図30は、既知のヒドロキシアパタイ
ト濃度(mg.cm−1)に対する画像プロセッサ16からの石灰化レベル(%)のプロ
ットであり、両者間の高い相関がやはり明らかである。
し、それらの骨密度をin vivo様の条件で(生理食塩水に浸水して15°の適切な
内旋後)測定した。空隙率及び他の指数を、画像プロセッサ16を使用してCTスキャナ
12からDICOMファイルを得た後に顕微鏡写真及び推定値から直接求めた。空隙率を
SEM画像から直接求めた後に、(密度プロファイルに類似の)密度プロファイル曲線を
生成した。画像プロセッサ16により密度プロファイル曲線から識別された点を、画像ス
キャン及びSEM顕微鏡写真と比べた。
図34B、図35、及び図36に示す。
おいて測定し、オーストラリア・ニュージーランド骨代謝学会が推奨する基準であるGe
elong基準範囲を使用してTスコアに変換した。
2歳女性から得た骨の、画像プロセッサ16からの顕微鏡写真である。空隙率の僅かな増
加が画像プロセッサ16により認識され、空隙率は4.4%と定量された。図31Bは、
皮質骨内空隙率が著しく上昇した90歳女性から得た骨の、画像プロセッサ16からの顕
微鏡写真である。皮質骨内空隙率のこの著しい増加も画像プロセッサ16により取り込ま
れ、空隙率は35.1%と定量された。2つの試料間の劣化の差は明確に視認でき、図3
1Aは図31Bよりも劣化の進行を示している。これを、画像プロセッサ16で求めた空
隙率結果により確認した(一方、従来の骨密度試験によれば、骨密度試験がこれら2つの
骨間の脆弱性の差を識別しないため、これら2つの骨の劣化は同様である)。
顕微鏡写真である。画像プロセッサ16は、この試料の空隙率を0.9%と定量した。図
32Bは、正常な皮質骨を有し空隙率が低い72歳女性の骨から得た、画像プロセッサ1
6からの顕微鏡写真である。この低い空隙率は、画像プロセッサ16により十分に取り込
まれ、図32Bの試料の空隙率は0.1%と定量された。しかしながら、BMD試験(現
在使用されている診断法)によれば、29歳女性は正常(Tスコア1.92)であるが、
72歳女性は骨減少性(Tスコア−1.14)であり、高齢女性において骨脆弱性が無い
場合に骨脆弱性を示唆する。したがって、画像プロセッサ16は、劣化が存在する場合に
それを適切に検出することにより、このような誤診ケースを回避できる可能性がある。
性の骨から得た、画像プロセッサ16からの顕微鏡写真である。画像プロセッサ16は、
この劣化を取り込み、空隙率を14.7%と定量した。しかしながら、この女性は、BM
D試験によれば正常(Tスコア−0.2)として分類された。骨密度試験値が正常だった
人の多くが、ある時点で骨折を起こす。この女性はその中の一人となる可能性が高い。画
像プロセッサ16の解析は、BMD試験値が正常であるにもかかわらず骨折するような人
を識別することが期待される。
ロットであり、SEM画像から直接測定された空隙率レベルと解析した24個の標本にお
けるBMD診断閾値との相関が乏しいことを示す。これは、BMD試験による皮質骨劣化
の取り込みが不十分であることを示す。骨量減少に一致する高空隙率(骨面積の>20%
)を有する標本の約50%(7/13)が、正常BMD(Tスコア>−1)であった。低B
MD(Tスコア<−2.5)を有する標本の50%(2/4)のみが高空隙率(>20%
)であり、残りは空隙率が正常であるにもかかわらず低BMDであった。Tスコアが−1
未満(すなわち、骨減少性又は骨粗鬆症)の10個の標本のうち、5/10(50%)の
みが低空隙率を有し、残りの50%は高空隙率を有していた。
0により測定された空隙率パーセンテージのプロットである。このプロットから明らかな
ように、画像プロセッサ16により定量された空隙率は、直接測定された空隙率とよく相
関した。
度プロファイル曲線内の点m、n、及びoの位置を示す。DICOMファイルからin
vivoで生成され画像プロセッサ16により解析された画像と比べた、密度プロファイ
ル曲線内の点を識別する画像プロセッサ16の能力は、上記(発明の詳細な説明)に提示
した。
)が明らかに識別されることが分かり得る。緻密皮質骨(CD1)及び骨梁状皮質骨(C
D2)の劣化も示される。図35を参照すると、試料1は、組織学的に正常な皮質骨を有
する29歳女性からのものである。これを画像プロセッサ16により確認し、CD1が1
.4%、CD2が4.2%と判明した。これは、均質な皮質骨及びそれに続く皮質骨から
骨髄腔への明確な遷移に相当する。皮質骨はほぼ完全に緻密であり(PPCC=87.5
%)、解析の不適当性に関する部分で述べたように、PTC及びPCTJはそれぞれ1ス
トリップに限られるため存在しない。試料の正常性は、皮質骨脆弱性指数が1.26%で
あることによりさらに確認される。
写真(上図)で視認可能であり、画像プロセッサ16により確認され、CD1及びCD2
はそれぞれ12%及び20%と定量された。試料の劣化が進んだ状態は、緻密皮質骨のパ
ーセンテージ(画像プロセッサ16により57.1%と判定)、骨梁状皮質骨(PTC)
のパーセンテージ(画像プロセッサ16により37.1%と判定)、及び皮質骨脆弱性の
指数(画像プロセッサ16により6.8%と判定)によりさらに確認される。
から5個、非骨折個体から3個)を得て、生きた個体に関するQCTデータファイルを有
するシステム10を試験した。密度プロファイルにおける関連点を識別し、関連指数を画
像プロセッサ16で求めた。以下のことが判明した。
o)を識別すること及び画像と直接SEM測定値とを比較することができた。
った。
像プロセッサ16により評価された)と骨密度との相関が乏しい。これは、2つの技法が
重複するが同じ物を取り込まないことを示唆する。
れた顕微鏡写真及び空隙率スコアと、これらの個体におけるBMD Tスコア値とを示す
。−1未満のBMD Tスコアは骨減少性であるとみなし、−2.5以下のTスコアは骨
粗鬆症である。
す。画像プロセッサ16により求められた指数及びパラメータは、骨折し易い骨を有する
個体と有しない個体との区別を可能にする。
が、組織形態計測を直接使用して測定された活性化率の加齢に伴う増加と同様であること
が分かった。図37Aは、年齢の関数として組織形態計測により直接測定された年間活性
化率(Ac.F)の加齢に伴う増加のプロットである(コンプストン、空隙率は皮質骨内
空隙(ハバース管及びフォルクマン管)内のAC.Fの上昇から増加する。私信)。図3
7Bは、73人の女性において画像プロセッサ16を使用して測定された空隙率の加齢に
伴う増加のプロットである。これら2つの図におけるデータは、同様の傾向を実証する。
梢骨定量的コンピュータ断層撮影(HRpQCT)データから再構成された橈骨遠位端の
グレースケール画像である。図38Bは、骨膜表面の抽出後に画像プロセッサ16により
再構成された、同じ試料の画像であり、画像を背景からセグメント化する画像プロセッサ
16の能力を実証する。画像をBVE値から再構成した。黒(概して内側領域)から赤(
概して外側領域)が、BVE値の増加を表す。画像プロセッサ16は、閾値を使用しない
ので、物質内の全ボクセルの本来の減弱を保持しつつ物質の外部輪郭(この場合は骨の骨
膜表面)を抽出することに留意されたい。これにより、画像プロセッサ16は、背景から
セグメント化された後の物質を、空隙率及び組織石灰化レベルを含め完全に特性化するこ
とができる。
料の別の図である。赤が緻密皮質骨382、薄緑が外側遷移区域384、シアンが内側遷
移区域386、青が骨梁388により占められる骨髄腔である。(内側遷移区域386は
、可視である場合、外側遷移区域384と骨梁388との間にある。図38D及び図38
Eはそれぞれ、外側遷移区域384及び内側遷移区域386のみをグレースケールでプロ
ットしたものである。)白は背景又は周囲筋組織390である。図38F及び図38Gは
、それぞれ図38B及び図38Cのグレースケール版である。
述のように、画像プロセッサ16は、画像内の構造を自動的に識別及び解析することがで
きる。システム10の主要な用途は骨の識別及び解析であるが、画像プロセッサ16の使
用はこの用途に決して限定されない。
るい物体が画像内に見てとれ、明るい物体は骨の断面に似ているが、実際には金属安全ピ
ンの頭部である。この実験は、被験者内の金属異物又は弾丸若しくは硬貨等の他の物体(
おそらく誤飲したもの)の存在をシミュレートするよう設計した。
って、図38Aの画像における明るい物体は安全ピンの頭部の断面である。画像プロセッ
サ16は、この構造を容易に識別し、それを周囲筋組織から分離し、その構造を解析して
、筋組織内の金属体の診断を可能にする。
I1に関連する密度プロファイル曲線である。図40(下図)は、図40の上図に示す密
度プロファイル曲線に関連する関数λ1である。上述のように、λ1は、骨を周囲軟組織
から鑑別することを可能にする関数である。この場合、λ1は、解析された物体(つまり
安全ピンの頭部)と周囲筋組織との分離を可能にする。関数λ1は、物体と周囲筋肉とが
点99で明確に分離されると判定する(図40の下図を参照)。点99は、密度プロファ
イル曲線(図40の上図を参照)及びROI1の画像(図39Bを参照)に示されている
。jは、この場合は点99であるが、構造に隣接する陰影(haziness)(物体に隣接する
白いボケ領域であり、白抜きの四角で示す)のほとんどが周囲軟組織に含まれないように
、λ1により選択されることに留意されたい。この陰影領域は、部分体積効果によるもの
であり、画像プロセッサ16は、λ1を使用して、筋組織における部分体積効果に起因し
たアーチファクトを最小にしつつ物体を周囲筋組織から分離することができる。さらに、
部分体積効果は、アーチファクトの無い物体の始端(点m、この場合は点110)を識別
する画像プロセッサ16の能力に影響を及ぼさない。画像プロセッサ16は、点n(点1
15)を即座に識別して、物体のうちアーチファクト(PVE)の無い、また劣化(骨の
場合は骨梁状化とも称する)の無い(free decay)部分を隔離することを可能にする。
び周囲筋肉を識別して隔離する。こうして、その相対密度の計算によるかその絶対密度(
mgHA/cc又はg/cc)の計算によるかを問わず、物体の密度を周囲筋肉の密度と
比較することにより、物体の性質を識別することができる。
した。したがって、物体(実際には安全ピンの頭部)は筋肉よりもはるかに緻密であり、
したがって骨ではない(骨の相対密度は通常は約66%で75%未満であり、筋肉の約3
倍である)。絶対的には、画像プロセッサは、物体の密度を6039mgHA/cc又は
4.6g/cc当量であると判定し、物体が金属に相当する密度を有することを確認した
。(絶対的には、純粋に石灰化した骨の密度は約1200mgHA/cc当量又は約2g
/ccを超えない。)筋組織内に骨よりもはるかに高い密度の物体があることは、異物の
存在を示す。
人間が介入せずに、不特定画像の(すなわち、成分が未知である場合の)物体(又は要素
)を自動的に識別、分離、及び解析するその潜在能力は、他の医療分野(血管石灰化、急
性心筋梗塞、骨折、及び脳卒中の診断等)に応用されるが、医療分野以外にも応用される
ことが想定される。例えば、こうした用途の1つは、人工視覚の作製のための画像プロセ
ッサ16の自動画像解析である。これらの状況では、画像プロセッサ16は、カメラに組
み込まれて画像の同時解析を実施する。画像の解析後、画像プロセッサ16は、意思決定
のために「司令センター」に結果を即座に転送する。このような「司令センター」は、人
物又は具体的な命令を含むソフトウェアであり得る。人工視覚には、医療の内外で多くの
用途がある。医療以外では、画像プロセッサ16は、例えばロボットを制御するために用
いられ得る。
び解析用の、特に骨の自動セグメント化及び解析用の、有用な手段であることを示唆する
。画像プロセッサ16により求められた指数は、皮質骨厚、皮質骨面積、及び皮質骨密度
の単なる測定ではない皮質骨構造の評価を可能にする。
ことができる。例えば、図41Aの上図は、橈骨遠位端の断面図である。図41Bの上図
は、骨(この場合は橈骨)を周囲背景から分離した後に画像プロセッサ16により再構成
された同じ断面を示す。図41Aの下図は、部分体積効果に起因してぼけた、背景と骨と
の間の境界面(すなわち、一部が骨で一部が背景であるボクセル)の拡大図である。しか
しながら、図41Bの下図は、画像プロセッサ16による画像の処理後の同じ移行部であ
る。描画ははるかに鮮明であり、ぼけたボクセル(すなわち、部分体積効果により悪影響
を受けたボクセル)が分離されて背景に残ったので、骨の辺縁がより明確に現れる。
セスには、医療分野の内外で多くの用途がある。
ら分離することができる。図42Aの上図は、脛骨の断面図である。外部境界は、従来の
閾値ベースソフトウェアで描かれている。有意な量の骨がこの境界から外されて誤って背
景に含まれていることが分かり得る。図42Aの下図は、境界の外側の、したがって背景
に誤って含まれた骨の特定部分を示す拡大図である。
ある。画像プロセッサ16が骨を周囲軟組織から明確に分離したことが分かり得る。従来
の閾値ベースソフトウェアにより誤ってセグメント化された領域を、この図の下図に示す
が、画像プロセッサ16がこの領域を背景から正確に分離したことが明らかである。
明が上記で例として説明した特定の実施形態に限定されないことを理解されたい。
り文脈上別段に解する必要がある場合を除き、「備える」という語又はその活用形(vari
ations such as "comprises" or "comprising")は、包括的意味で、すなわち、記述した
特徴の存在を明記するために使用されるのであり、本発明の種々の実施形態におけるさら
に他の特徴の存在又は付加を除外するためではない。
国において共通一般知識の一部を形成しているか又は形成していたことを意味する意図は
ない。
Claims (55)
- 概して密度が異なり相互間に移行部を有する第1物質及び第2物質を備える試料を解析
する方法であって、
前記試料のうち少なくとも前記移行部を含む部分の断面画像において関心領域を規定す
るステップと、
前記関心領域内の前記移行部を横切る前記試料の密度プロファイルを求めるステップと
、
前記第2物質の代表密度を求めるステップと、
前記第1物質及び前記第2物質の鑑別に使用された前記移行部を使用して前記試料を解
析するステップと
を含む方法。 - 請求項1に記載の方法において、前記密度プロファイルから前記第2物質の前記代表密
度を求めるステップを含む方法。 - 請求項1に記載の方法において、前記第1物質と前記第2物質との間の前記密度プロフ
ァイルにおける前記移行部を特定するステップを含む方法。 - 請求項3に記載の方法において、適当な選択点に対する距離関数を使用して前記第1物
質と前記第2物質との間の前記密度プロファイルにおける前記移行部を特定するステップ
をさらに含む方法。 - 請求項3に記載の方法において、前記密度プロファイルにおける前記移行部を特定する
ステップは、前記密度プロファイルにおいて、前記第1物質の代表密度と同じ位置及び前
記第2物質の前記代表密度と同様の又はそれよりも低い密度を有する基準点に最も近い点
を特定するステップを含む方法。 - 請求項3に記載の方法において、前記移行部を特定するステップは、前記関心領域のう
ち前記最大密度差点で境界され前記第2物質を含む部分の前記密度プロファイルにおける
最大変化率点を特定するステップ、又は前記関心領域のうち前記最大密度差点で境界され
前記第2物質を含む部分の前記密度プロファイルにおける最小変化率点を特定するステッ
プを含む方法。 - 請求項3に記載の方法において、前記移行部を特定するステップは、前記密度プロファ
イルの変曲点を特定するステップ、又は前記密度プロファイルの1つ又は複数の部分の2
次導関数を形成するステップを含む方法。 - 請求項1に記載の方法において、前記第1物質の構成を求めるステップをさらに含む方
法。 - 請求項1に記載の方法において、前記試料は骨を含む方法。
- 請求項1に記載の方法において、前記第1物質の劣化又は異常を検出するステップを含
む方法。 - 請求項1に記載の方法において、骨折し易い骨を識別するステップを含む方法。
- 請求項1に記載の方法において、前記関心領域は、前記第1物質と前記試料のうち前記
第2物質、第3物質、又は空洞を含むさらに別の部分との間にある少なくとも1つのさら
に別の移行部を含み、前記方法は、
前記さらに別の部分の代表密度を求めるステップと、
前記関心領域のうち前記最大密度点で境界され前記さらに別の部分を含む部分の前記密
度プロファイルにおけるさらに別の移行部を特定するステップと
をさらに含む方法。 - 請求項13に記載の方法において、前記試料のうち前記密度プロファイルにおける移行
部と前記密度プロファイルにおけるさらに別の移行部との間の部分のみを使用することに
より、前記第1物質をさらに解析するステップを含む方法。 - 請求項13に記載の方法において、前記密度プロファイルにおける前記さらに別の移行
部を特定するステップは、前記密度プロファイルにおいて、最大密度差点と同じ位置及び
前記さらに別の部分の前記代表密度と同じ密度を有するさらに別の基準点に最も近い点を
特定するステップを含む方法。 - 請求項1に記載の方法において、密度プロファイル解析器が前記密度プロファイルを求
めるのに使用するために選択される前記関心領域の位置を、該関心領域の位置を調整する
ことにより最適化するステップをさらに含む方法。 - 請求項1に記載の方法において、複数の関心領域をマージするステップを含む方法。
- 請求項1に記載の方法において、前記密度プロファイルの1つ又は複数の変曲点を識別
するステップ、又は前記密度プロファイルの1つ又は複数の変曲点を識別することにより
前記試料内の複数のコンパートメントを規定するステップを含む方法。 - 請求項1に記載の方法において、前記第1物質は骨であり、前記方法は、前記試料内の
複数のコンパートメントを規定し、該コンパートメントは、
骨膜境界及び皮質骨の始端により境界されるコンパートメントと、
皮質骨の始端及び緻密皮質骨の始端により境界されるコンパートメントと、
緻密(又は硬質)皮質骨コンパートメントと、
骨梁状皮質骨コンパートメントと、
皮質骨−骨梁移行部コンパートメントと、
骨梁コンパートメントと
のいずれか1つ又は複数を含む方法。 - 請求項1に記載の方法において、前記第1物質は骨であり、前記方法は、前記試料内の
複数のコンパートメントを規定し、該コンパートメントは、
骨膜境界及び緻密皮質骨の始端により境界されるコンパートメントと、
緻密皮質骨の始端及び外側遷移区域の始端により境界されるコンパートメントと、
外側遷移区域と、
内側遷移区域と、
骨梁コンパートメントと
のいずれか1つ又は複数を含む方法。 - 請求項1に記載の方法において、骨構造の解析時に部分体積効果を最小化するステップ
、又は部分体積効果を最小化しつつ画像内の構造の寸法を求めるステップを含む方法。 - 請求項1に記載の方法において、骨梁様の外観を呈する皮質骨の割合を求めるステップ
を含む方法。 - 請求項1に記載の方法において、緻密皮質骨、皮質骨実質部、又は骨梁状皮質骨の皮質
骨厚の平均を求めるステップを含む方法。 - 請求項1に記載の方法において、前記試料は骨試料を含み、前記部分は、前記試料の骨
梁部分及び前記試料の皮質骨部分を含む方法。 - 請求項1に記載の方法において、前記試料の内部領域を撮像するステップを含む方法。
- 請求項1に記載の方法において、前記撮像するステップはコンピュータ断層撮影撮像を
含む方法。 - 請求項1に記載の方法において、前記試料の前記部分は橈骨ストリップを含む方法。
- 請求項1に記載の方法において、前記試料の複数の部分を撮像するステップと、該部分
のそれぞれの密度プロファイルを求めるステップとを含む方法。 - 請求項1に記載の方法において、前記試料内の骨を自動的に識別するステップを含む方
法。 - 請求項1に記載の方法において、
皮質骨、骨梁状皮質骨、又は遷移区域の厚さと、
皮質骨又は骨梁状皮質骨の面積と、
皮質骨、骨梁状皮質骨、又は遷移区域の空隙率と、
皮質骨又は骨梁状皮質骨がその絶対厚又は絶対面積に関係なく正常であるか否かと、
皮質骨又は骨梁状皮質骨が吸収されているか否かと、
前記プロファイルの解析からの骨梁構成及び空隙率と
からなる群からのいずれか1つ又は複数の指数を求めるステップを含む方法。 - 請求項1に記載の方法において、前記皮質骨コンパートメントと前記骨梁コンパートメ
ントとの間の差異の欠如を判定するステップを含む方法。 - 請求項1に記載の方法において、前記試料の骨膜に囲まれた領域内の非骨組織を識別す
るステップを含む方法。 - 請求項1に記載の方法において、前記第1物質の半径、周囲長、若しくは断面積を求め
るステップ、又は前記第1物質の断面2次モーメント若しくは慣性モーメントを求めるス
テップを含む方法。 - 請求項1に記載の方法において、骨の周囲における点毎の骨の断面の質量調整断面2次
モーメントを求めるステップ、又は骨の断面の断面係数若しくは質量調整断面係数を求め
るステップを含む方法。 - 請求項1に記載の方法において、骨の断面の座屈比又は質量調整座屈比を求めるステッ
プを含む方法。 - 請求項1に記載の方法において、骨の断面の面積又は周囲長を求めるステップを含む方
法。 - 請求項1に記載の方法において、骨の断面の極慣性モーメント係数若しくは質量調整極
慣性モーメントを求めるステップ、又は骨の周囲における点毎の骨の断面の半径を求める
ステップを含む方法。 - 請求項1に記載の方法において、前記試料内の骨梁を識別するステップと、1つ又は複
数の骨梁指数を求めるステップとを含む方法。 - 請求項1に記載の方法において、周囲筋組織を参照対象として使用して骨の石灰化度を
求めるステップを含む方法。 - 請求項1に記載の方法において、前記第2物質の減弱を参照対象として使用して前記関
心領域内の成分又は要素の絶対密度又は相対密度を求めるステップを含む方法。 - 請求項1に記載の方法において、前記第2物質の減弱を参照対象として使用して前記関
心領域内の物体又は構造の絶対密度又は相対密度を求めるステップを含む方法。 - 請求項1に記載の方法において、前記試料は骨試料であり、前記方法は、前記試料の少
なくとも一部を示す1つ又は複数の指数を求めるステップと、該1つ又は複数の指数から
前記試料内の異常を識別するステップとを含む方法。 - 請求項1に記載の方法において、前記試料は骨試料であり、前記方法は、異常皮質骨、
異常骨梁コンパートメント、又は異常皮質骨及び異常骨梁コンパートメントの両方を有す
ることに基づき、前記試料が異常か否かを判定するステップを含む方法。 - 請求項1に記載の方法において、壊死組織塊と周囲健常軟組織との間の減弱の差により
、該周囲健常組織から前記壊死組織塊を識別し解析するステップと、腎臓結石を識別し解
析するステップと、石灰化した若しくは他の腫瘍を識別し解析するステップと、非医療分
野における画像内の物体を識別及び解析するステップとを含む方法。 - 請求項1に記載の方法において、前記試料を解析するステップは、回転アーム幅を使用
して、又は前記画像の並進を使用して、又は前記画像の回転及び並進を使用して前記画像
を解析するステップを含む方法。 - 概して密度が異なり相互間に移行部を有する第1物質及び第2物質を備える試料を解析
する方法であって、
前記試料のうち少なくとも前記移行部を含む部分の断面画像において関心領域を規定す
るステップと、
前記試料の前記部分が局所的に線形となるアーム幅を求めるステップと、
前記アーム幅の回転、該アーム幅の並進、又は該アーム幅の回転及び並進の両方により
、前記画像を解析するステップと
を含む方法。 - 概して密度が異なり相互間に移行部を有する第1物質及び第2物質を備える試料を解析
するシステムであって、
前記試料のうち少なくとも前記移行部を含む部分の断面画像において関心領域を選択す
る関心領域選択器と、
前記関心領域内の前記移行部を横切る前記試料の密度プロファイルを求め、前記第2物
質の代表密度を求め、且つ前記第1物質及び前記第2物質を鑑別するための前記移行部を
使用して前記試料の解析を行う密度プロファイル解析器と、
前記解析の結果を出力する出力部と
を備えるシステム。 - 請求項47に記載のシステムにおいて、前記密度プロファイル解析器が前記密度プロフ
ァイルを求めるのに使用するために選択される前記関心領域の位置を最適化するよう構成
された関心領域位置調整器を備えるシステム。 - 請求項47に記載のシステムにおいて、複数の関心領域をマージするよう構成された関
心領域マージャを含むシステム。 - 請求項47に記載のシステムにおいて、前記密度プロファイル解析器は、前記第1物質
と前記第2物質との間の前記密度プロファイルにおける移行部を特定するよう構成される
システム。 - 請求項47に記載のシステムにおいて、排気可能な試料チャンバを備えるシステム。
- 請求項47に記載のシステムにおいて、前記試料は、前記第1物質の解析用の参照対象
としての役割を果たすよう前記第1物質の周りに位置付けられた又は位置付け可能な既知
の特性を有する第2物質を含むシステム。 - 請求項1〜45のいずれか1項に記載の方法を実施するよう構成した、概して密度が異
なり相互間に移行部を有する第1物質及び第2物質を備える試料を解析するシステム。 - コンピュータ又はコンピュータのプロセッサにより実行されると、前記コンピュータ又
は該コンピュータのプロセッサに請求項1〜45のいずれか1項に記載の方法を実施させ
る実行可能な命令又はソフトウェア。 - 実行可能な命令又はソフトウェアが設けられたコンピューティングデバイスであって、
前記実行可能な命令又はソフトウェアは、前記コンピューティングデバイス又は該コンピ
ューティングデバイスのプロセッサにより実行されると、前記コンピューティングデバイ
ス又は該コンピューティングデバイスのプロセッサに請求項1〜45のいずれか1項に記
載の方法を実施させるコンピューティングデバイス。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2009904407 | 2009-09-11 | ||
AU2009904407A AU2009904407A0 (en) | 2009-09-11 | Analysis method and system |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015245868A Division JP6208735B2 (ja) | 2009-09-11 | 2015-12-17 | 解析方法及び解析システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018008094A true JP2018008094A (ja) | 2018-01-18 |
JP6475300B2 JP6475300B2 (ja) | 2019-02-27 |
Family
ID=43731867
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012528197A Active JP5859966B2 (ja) | 2009-09-11 | 2010-09-10 | 解析方法及び解析システム |
JP2015245868A Active JP6208735B2 (ja) | 2009-09-11 | 2015-12-17 | 解析方法及び解析システム |
JP2017171266A Active JP6475300B2 (ja) | 2009-09-11 | 2017-09-06 | 解析方法及び解析システム |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012528197A Active JP5859966B2 (ja) | 2009-09-11 | 2010-09-10 | 解析方法及び解析システム |
JP2015245868A Active JP6208735B2 (ja) | 2009-09-11 | 2015-12-17 | 解析方法及び解析システム |
Country Status (8)
Country | Link |
---|---|
US (5) | US9064320B2 (ja) |
EP (2) | EP2476095A4 (ja) |
JP (3) | JP5859966B2 (ja) |
CN (2) | CN107610096B (ja) |
AU (3) | AU2010292991B2 (ja) |
CA (1) | CA2809286C (ja) |
IN (1) | IN2012DN03065A (ja) |
WO (1) | WO2011029153A1 (ja) |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586400B2 (en) * | 2018-02-23 | 2020-03-10 | Robert E Douglas | Processing 3D medical images to enhance visualization |
US9058665B2 (en) * | 2009-12-30 | 2015-06-16 | General Electric Company | Systems and methods for identifying bone marrow in medical images |
WO2012092533A1 (en) | 2010-12-31 | 2012-07-05 | General Electric Company | Method and system to estimate visceral adipose tissue by restricting subtraction of subcutaneous adipose tissue to coelom projection region |
US9179884B2 (en) | 2010-12-31 | 2015-11-10 | General Electric Company | Normalized metrics for visceral adipose tissue mass and volume estimation |
WO2012092535A1 (en) | 2010-12-31 | 2012-07-05 | General Electric Company | Method and system to improve visceral adipose tissue estimate by measuring and correcting for subcutaneous adipose tissue composition |
ITPI20110054A1 (it) * | 2011-05-16 | 2012-11-17 | Echolight S R L | Apparato ad ultrasuoni per valutare lo stato della struttura ossea di un paziente |
JP6103829B2 (ja) * | 2012-06-21 | 2017-03-29 | キヤノン株式会社 | 画像診断支援装置、画像診断支援方法、画像診断支援システムおよびプログラム |
US20130089186A1 (en) * | 2011-10-05 | 2013-04-11 | General Electric Company | X-ray calibration device |
CN104040326B (zh) * | 2012-01-20 | 2017-03-01 | 株式会社尼康 | X线装置、方法、构造物的制造方法 |
CN104602638B (zh) | 2012-06-27 | 2017-12-19 | 曼特瑞斯医药有限责任公司 | 用于影响对组织进行治疗的系统 |
WO2015035443A1 (en) * | 2013-09-13 | 2015-03-19 | Straxcorp Pty Ltd | Method and apparatus for assigning colours to an image |
US10292670B2 (en) | 2013-12-04 | 2019-05-21 | Elekta Ltd. | Method and system for dose calculation based on continuous material indexing |
US10675113B2 (en) | 2014-03-18 | 2020-06-09 | Monteris Medical Corporation | Automated therapy of a three-dimensional tissue region |
US9700342B2 (en) * | 2014-03-18 | 2017-07-11 | Monteris Medical Corporation | Image-guided therapy of a tissue |
WO2015143025A1 (en) | 2014-03-18 | 2015-09-24 | Monteris Medical Corporation | Image-guided therapy of a tissue |
US10460508B2 (en) | 2014-06-12 | 2019-10-29 | Siemens Healthcare Gmbh | Visualization with anatomical intelligence |
CN104573218A (zh) * | 2015-01-04 | 2015-04-29 | 秦晓亮 | 一种三维打印孔隙优化及快速建模方法 |
JP2016131573A (ja) * | 2015-01-15 | 2016-07-25 | キヤノン株式会社 | トモシンセシス撮影の制御装置、放射線撮影装置、制御システム、制御方法及びプログラム |
US10819881B1 (en) | 2015-03-12 | 2020-10-27 | Igor Vladimir Smolyar | System and method for encryption/decryption of 2-D and 3-D arbitrary images |
EP3098780A1 (en) * | 2015-05-28 | 2016-11-30 | Galgo Medical, S.L. | A method, a system and a computer program for determining data defining an estimate of the thickness and density of a tissue structure of interest from imaging data |
CA2990155C (en) * | 2015-07-29 | 2022-04-19 | Perkinelmer Health Sciences, Inc. | Systems and methods for automated segmentation of individual skeletal bones in 3d anatomical images |
JP6920376B2 (ja) * | 2015-07-29 | 2021-08-18 | ペルキネルマー ヘルス サイエンシーズ, インコーポレイテッド | 3d解剖画像における個々の骨格の骨の自動化されたセグメンテーションのためのシステムおよび方法 |
CA2997190A1 (en) * | 2015-09-04 | 2017-03-09 | Straxcorp Pty Ltd | Method and apparatus for identifying a gap between objects in an image |
EP3423976B1 (en) * | 2016-03-03 | 2024-02-21 | CurveBeam Al Limited | Method and apparatus for identifying and quantifying abnormality |
US10813618B2 (en) * | 2016-06-08 | 2020-10-27 | Koninklijke Philips N.V. | Test object for calibration of an x-ray imaging device |
DE102016211935B4 (de) | 2016-06-30 | 2019-06-06 | Sauer Gmbh | Vorrichtung und Verfahren zur Prozessüberwachung bei einem Auftragschweiß-Verfahren |
CN106204624A (zh) * | 2016-07-25 | 2016-12-07 | 武汉大学 | 一种检测图像结构变化的方法 |
US11089941B2 (en) * | 2017-05-04 | 2021-08-17 | Boston Scientific Scimed, Inc. | Medical system for identifying material to be removed from a patient and related methods |
US11188800B1 (en) * | 2018-04-03 | 2021-11-30 | Robert Edwin Douglas | Method and apparatus for improved analysis of CT scans of bags |
US20200170604A1 (en) * | 2018-12-04 | 2020-06-04 | Howmedica Osteonics Corp. | CT Based Probabilistic Cancerous Bone Region Detection |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
US11263497B2 (en) | 2019-06-21 | 2022-03-01 | StraxCorp Pty. Ltd. | Method and system for machine learning classification based on structure or material segmentation in an image |
US11170245B2 (en) | 2019-06-21 | 2021-11-09 | StraxCorp Pty. Ltd. | Method and system for selecting a region of interest in an image |
US11087463B2 (en) | 2019-06-21 | 2021-08-10 | StraxCorp Pty. Ltd. | Image analysis method and system for assessing bone fragility |
US11375962B2 (en) * | 2019-08-05 | 2022-07-05 | Linev Systems, Inc. | Fast foreign object scanner for scanning human bodies |
CN110660044B (zh) * | 2019-08-30 | 2023-03-17 | 博志生物科技(深圳)有限公司 | 骨组织结构形态异常的快速检测方法及电子装置 |
WO2021035712A1 (zh) * | 2019-08-30 | 2021-03-04 | 博志生物科技(深圳)有限公司 | 骨组织结构形态异常的快速检测方法及电子装置 |
US11337644B2 (en) * | 2020-01-06 | 2022-05-24 | M2Test S.R.L. | Method, device and machine for calculating an index representative of the properties of a material of the bone type |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
AU2021205821A1 (en) | 2020-01-07 | 2022-07-21 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
CN115192065A (zh) * | 2021-04-05 | 2022-10-18 | 佳能医疗系统株式会社 | 超声波诊断装置 |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0595940A (ja) * | 1991-10-14 | 1993-04-20 | Fuji Photo Film Co Ltd | 骨計測装置 |
JPH07289542A (ja) * | 1994-04-20 | 1995-11-07 | Hamamatsu Photonics Kk | 骨塩量測定方法および装置 |
JP2000126168A (ja) * | 1998-10-22 | 2000-05-09 | Teijin Ltd | 骨画像処理方法及び骨強度評価方法 |
US20020181755A1 (en) * | 2001-05-09 | 2002-12-05 | Sooyeul Lee | Method for measuring bone mineral density by using X-ray image |
JP2007523916A (ja) * | 2004-02-26 | 2007-08-23 | オステオロジックス エイ/エス | 壊死性骨状態の予防又は治療用のストロンチウム含有化合物 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5480439A (en) * | 1991-02-13 | 1996-01-02 | Lunar Corporation | Method for periprosthetic bone mineral density measurement |
US5228068A (en) | 1992-09-14 | 1993-07-13 | Lunar Corporation | Device and method for automated determination and analysis of bone density and vertebral morphology |
US5673303A (en) | 1995-04-19 | 1997-09-30 | Wright State University | Method and apparatus for the evaluation of structural width and density by computed tomography |
US5594775A (en) | 1995-04-19 | 1997-01-14 | Wright State University | Method and apparatus for the evaluation of cortical bone by computer tomography |
EP0898766A1 (en) * | 1996-05-06 | 1999-03-03 | Torsana Osteoporosis Diagnostics A/S | A method of estimating skeletal status |
JP2002507917A (ja) * | 1997-07-04 | 2002-03-12 | トルサナ オステオポロシス ダイアグノスティクス アクティーゼルスカブ | 脊椎動物の骨質又は骨格状態を評価するための方法 |
IL121773A0 (en) * | 1997-09-15 | 1998-02-22 | Elscint Ltd | Method for improving CT images having high attenuation objects |
US5931795A (en) | 1997-11-07 | 1999-08-03 | Manly; Philip | Method for evaluating human bone strength |
US6625303B1 (en) * | 1999-02-01 | 2003-09-23 | Eastman Kodak Company | Method for automatically locating an image pattern in digital images using eigenvector analysis |
ATE279145T1 (de) * | 1999-04-20 | 2004-10-15 | Sectra Pronosco As | Vorrichtung zur abschätzung der knochenmineraldichte mittels röntgenbildmessungen |
US7660453B2 (en) * | 2000-10-11 | 2010-02-09 | Imaging Therapeutics, Inc. | Methods and devices for analysis of x-ray images |
US6816564B2 (en) * | 2000-11-08 | 2004-11-09 | The Johns Hopkins University | Techniques for deriving tissue structure from multiple projection dual-energy x-ray absorptiometry |
US6744911B1 (en) * | 2000-11-22 | 2004-06-01 | General Electric Company | Tomographic segmentation |
KR100419573B1 (ko) * | 2000-12-14 | 2004-02-19 | 한국전자통신연구원 | 엑스선 영상을 이용한 해면골 발달정도 측정 방법 |
JP2004057804A (ja) * | 2002-06-05 | 2004-02-26 | Fuji Photo Film Co Ltd | 骨関節評価方法、装置およびそのためのプログラム |
JP4373682B2 (ja) | 2003-01-31 | 2009-11-25 | 独立行政法人理化学研究所 | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 |
JP2007524438A (ja) * | 2003-03-25 | 2007-08-30 | イメージング セラピューティクス,インコーポレーテッド | 放射線画像処理技術における補償の方法 |
US7727153B2 (en) | 2003-04-07 | 2010-06-01 | Sonosite, Inc. | Ultrasonic blood vessel measurement apparatus and method |
EP1732575B1 (en) | 2004-02-26 | 2010-12-29 | Osteologix A/S | Strontium-containing compounds for use in the prevention or treatment of necrotic bone conditions |
US7869860B2 (en) * | 2005-11-14 | 2011-01-11 | University Of Washington | Method for enhancing the accuracy of PET/CT images |
JP2007151609A (ja) * | 2005-11-30 | 2007-06-21 | Canon Inc | 骨計測装置及びその方法 |
CN101199429B (zh) * | 2006-12-13 | 2012-06-06 | 计算机逻辑公司 | 超声波骨评估的方法和装置 |
JP4992456B2 (ja) * | 2007-02-16 | 2012-08-08 | コニカミノルタエムジー株式会社 | 骨疾患評価システム |
CN101085091A (zh) * | 2007-06-11 | 2007-12-12 | 中国人民解放军第二军医大学 | 一种用于防治骨质疏松症的中药提取物及其制备方法 |
US7706501B2 (en) | 2007-09-07 | 2010-04-27 | Carestream Health, Inc. | Method and apparatus for measuring long bone density of small-animals |
CN101271574B (zh) * | 2008-03-20 | 2010-09-08 | 华南师范大学 | 三维可视化的方法、装置 |
-
2010
- 2010-09-10 CN CN201710698270.8A patent/CN107610096B/zh active Active
- 2010-09-10 CN CN201080051311.0A patent/CN102648482B/zh active Active
- 2010-09-10 AU AU2010292991A patent/AU2010292991B2/en active Active
- 2010-09-10 EP EP10814817.2A patent/EP2476095A4/en not_active Ceased
- 2010-09-10 JP JP2012528197A patent/JP5859966B2/ja active Active
- 2010-09-10 US US13/395,379 patent/US9064320B2/en active Active
- 2010-09-10 WO PCT/AU2010/001181 patent/WO2011029153A1/en active Application Filing
- 2010-09-10 IN IN3065DEN2012 patent/IN2012DN03065A/en unknown
- 2010-09-10 CA CA2809286A patent/CA2809286C/en not_active Expired - Fee Related
- 2010-09-10 EP EP21182562.5A patent/EP3940634A1/en active Pending
-
2015
- 2015-05-22 US US14/720,004 patent/US9378566B2/en active Active
- 2015-06-25 AU AU2015203523A patent/AU2015203523B2/en active Active
- 2015-12-17 JP JP2015245868A patent/JP6208735B2/ja active Active
-
2016
- 2016-06-23 US US15/191,079 patent/US9566038B2/en active Active
-
2017
- 2017-01-04 US US15/398,116 patent/US9877691B2/en active Active
- 2017-09-06 JP JP2017171266A patent/JP6475300B2/ja active Active
-
2018
- 2018-01-24 US US15/879,126 patent/US10182781B2/en active Active
- 2018-01-25 AU AU2018200612A patent/AU2018200612B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0595940A (ja) * | 1991-10-14 | 1993-04-20 | Fuji Photo Film Co Ltd | 骨計測装置 |
JPH07289542A (ja) * | 1994-04-20 | 1995-11-07 | Hamamatsu Photonics Kk | 骨塩量測定方法および装置 |
JP2000126168A (ja) * | 1998-10-22 | 2000-05-09 | Teijin Ltd | 骨画像処理方法及び骨強度評価方法 |
US20020181755A1 (en) * | 2001-05-09 | 2002-12-05 | Sooyeul Lee | Method for measuring bone mineral density by using X-ray image |
JP2007523916A (ja) * | 2004-02-26 | 2007-08-23 | オステオロジックス エイ/エス | 壊死性骨状態の予防又は治療用のストロンチウム含有化合物 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6475300B2 (ja) | 解析方法及び解析システム | |
Muehlematter et al. | Vertebral body insufficiency fractures: detection of vertebrae at risk on standard CT images using texture analysis and machine learning | |
Sindeaux et al. | Fractal dimension and mandibular cortical width in normal and osteoporotic men and women | |
Gordon et al. | Image-based assessment of spinal trabecular bone structure from high-resolution CT images | |
Borggrefe et al. | Association of osteolytic lesions, bone mineral loss and trabecular sclerosis with prevalent vertebral fractures in patients with multiple myeloma | |
Ganesan et al. | Accurately diagnosing uric acid stones from conventional computerized tomography imaging: development and preliminary assessment of a pixel mapping software | |
Czyz et al. | The computed tomography-based fractal analysis of trabecular bone structure may help in detecting decreased quality of bone before urgent spinal procedures | |
Glüer | The use of bone densitometry in clinical practice | |
Jennane et al. | A variational model for trabecular bone radiograph characterization | |
Graham | Detecting low bone mineral density from dental radiographs: a mini-review | |
Harrar et al. | The fractal dimension correlated to the bone mineral density | |
Chen et al. | Thyroid nodule detection using attenuation value based on non-enhancement CT images | |
Niu et al. | A deep-learning system for automatic detection of osteoporotic vertebral compression fractures at thoracolumbar junction using low-dose computed tomography images | |
JP2005304872A (ja) | 骨折予知判定システム及び骨折予知判定方法 | |
Guglielmi et al. | Male Osteoporosis and Imaging | |
Shi | PERFORMANCE EVALUATION OF NEW IMAGING TECHNOLOGIES FOR IN VIVO ASSESSMENT OF BONE HEALTH | |
WO2005008585A1 (en) | Method and apparatus for analyzing biological tissue images | |
Lee et al. | Quantification of Risk Factors for Osteoporosis using Thresholding Technique based on Trabecular Microarchitectures of the Proximal Femur | |
Boehm et al. | Texture analysis of clinical radiographs using radon transform on a local scale for differentiation between post-menopausal women with and without hip fracture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180605 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180921 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6475300 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |