JP2019084349A - 医用画像処理装置及び医用画像処理プログラム - Google Patents

Abstract

【課題】解剖学的特徴について所望のビューを取得可能な医用画像処理装置等の提供。【解決手段】本実施形態に係る医用画像処理装置は、少なくとも一つの解剖学的特徴を含むボリュームデータを取得する取得部と、ボリュームデータにおいて少なくとも一つの解剖学的特徴を検出する検出部と、検出された少なくとも一つの解剖学的特徴と参照解剖学的データとの間の複数のレジストレーションに関する第１の確率分布を計算し、第１の確率分布に基づいてボリュームデータにおける候補位置群を決定し、候補位置群を基準として設定される複数の候補画像データと少なくとも一つの解剖学的特徴に関する複数のテンプレートとを用いた局所的なテンプレートマッチングに関する第２の確率分布を計算する計算部と、第１の確率分布と第２の確率分布とに基づいて、複数の候補画像データから少なくとも一つの画像データを選択する選択部と、を具備する。【選択図】 図２

Description

本実施形態は、医用画像処理装置及び医用画像処理プログラムに関する。

患者又はその他の被検体に関する放射線データを取得し、且つ医用画像を得るのに医用撮像データを処理するために、一つ又は複数の医用撮像法を使うことが知られている。

多くの放射線ワークフローは、斜断面（オブリーク断面）再フォーマットに依存することがある。斜断面再フォーマットは、主な解剖学的平面（冠状断面、矢状断面、体軸断面を有することが出来る）のうちの一つではない選択された面に対して実行される、ボリューメトリック撮像データの多断面再フォーマットを具備することが出来る。斜断面再フォーマットは、ボリューメトリック撮像データセットのうちの少なくとも一部分を、選択された面へと再サンプリングすることによって、取得することが出来る。

斜断面再フォーマットは、所定の角度から眺めたかの様に表示される、二次元画像を具備することが出来る。斜断面再フォーマットは、標準的な視点において臨床的に重要な生体構造を示す様に、向けることが出来る。斜断面再フォーマットは、一連の画像を具備することが出来る。係る画像は、互いに並行とすることが出来る。また係る画像は、ビューの主要軸に対し直交とすることも出来る。係るビューの主要軸は、観察者と関心のある生体構造との間の線とすることが出来る。

斜断面再フォーマットは、例えば肩、骨盤、そして膝における関節の筋骨格（ｍｕｓｃｕｌｏｓｋｅｌｅｔａｌ：ＭＳＫ）において使用することが出来る。いくつかのこの様なスタディにおける焦点は、特に特定の角度から眺めた様に、窩における一つの骨の位置のという場合もある。

斜断面再フォーマットのビュー（例えば、関節のビュー）は、時間がかかる、及び／又は、手動での構成が難しいことがある。また斜断面再フォーマットのビューは、自動でも構成するのが難しいことがある。斜断面再フォーマットのビューはよく、滑らかな曲面に対する接線によって、少なくとも部分的に決定することが出来る。状況によっては、係る接線を自動的に計算するのが難しいことがある。

斜断面再フォーマットビューは、複数の患者間でも変わることがよくある。例えば、異なる複数の患者は、特定の解剖学的構造の方位が診断を上手く支援することを確実にするために、異なる角度から眺められることが必要な場合がある。

更に、臨床医が異なることで観察の好みが異なる可能性がある。例えば、異なる臨床医は、僅かに異なる角度から患者の生体構造を観察することを望むことがある。

特開２００７−５４６３６号公報

しかしながら、例えば関節など、解剖学的特徴の所望のビューを取得するための医用画像データ処理については、依然として改善の余地がある。

実施形態に係る医用画像処理装置は、取得部、検出部、計算部、選択部を具備する。取得部は、少なくとも一つの解剖学的特徴を含み被検体を撮像することで得られたボリュームデータを取得する。検出部は、前記ボリュームデータにおいて前記少なくとも一つの解剖学的特徴を検出する。計算部は、前記検出された少なくとも一つの解剖学的特徴と参照解剖学的データとの間の複数のレジストレーションに関する第１の確率分布を計算し、前記第１の確率分布に基づいて前記ボリュームデータにおける候補位置群を決定し、前記候補位置群を基準として前記ボリュームデータに設定される複数の候補画像データと前記少なくとも一つの解剖学的特徴に関する複数のテンプレートとを用いた局所的なテンプレートマッチングに関する第２の確率分布を計算する。選択部は、前記第１の確率分布と前記第２の確率分布とに基づいて、前記複数の候補画像データから少なくとも一つの画像データを選択する。

実施形態に係る装置の概略的なダイヤグラム。 実施形態の方法の概要を描いているフローチャート。 可能性がある変換を表す概略的なダイヤグラム。 肩関節の斜断面再フォーマット画像。 異なる方位を有する、９つの肩関節の斜断面再フォーマット画像。 画像及びテンプレートをマッチングする方法の概要を描いているフローチャート。

実施形態に係る医用画像処理装置１０は、図１に概略的に描かれている。

医用画像処理装置１０は、この場合にはパーソナルコンピュータ（ＰＣ：ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒ）又はワークステーションなどの計算装置１２を備える。係る計算装置１２は、コンピュータ断層（ＣＴ）スキャナ１４と、一つ又は複数のディスプレイ１６と、コンピュータキーボード、マウス又はトラックボールなどの一つ又は複数の入力デバイス１８とに接続される。その他の実施形態において、係る計算装置１２は、ＣＴスキャナ１４に接続されていないことがある。また、計算装置１２は、ネットワークを介してＣＴスキャナ１４に接続されている場合もある。この場合のネットワークは、院内ネットワーク、外部ネットワーク（クラウドネットワークを含む）等、種々のネットワークを利用することができる。

ＣＴスキャナ１４は、患者又はその他の被検体の少なくとも一つの解剖学的特徴を表すボリューメトリック医用撮像データ（ボリュームデータ、三次元データ）を取得するよう構成された任意のスキャナとすることが出来る。本実施形態において、解剖学的特徴とは、肩である。その他の実施形態において、係る解剖学的特徴は、異なる関節、例えば腰、膝、或いは肘の場合がある。更なる実施形態において、ボリューメトリック撮像データは、任意の特徴或いは複数の特徴を表すことがある。例えば、係るボリューメトリック撮像データは、任意の適当な骨或いは臓器を表すことがある。

代わりの実施形態において、ＣＴスキャナ１４は、任意のその他のモダリティにおける撮像データを取得するよう構成されたスキャナによって、置き換えられる或いは補われる。任意のその他のモダリティとは、例えばＣＴスキャナ、ＭＲＩ（磁気共鳴撮像）スキャナ、Ｘ線スキャナ、超音波スキャナ、ＰＥＴ（ポジトロン放出断層撮影）スキャナ、又はＳＰＥＣＴ（単光子放出コンピュータ断層撮影）スキャナである。撮像データは、二次元或いは三次元の場合がある。実施形態の中に、多重二次元スキャンを収集することで、三次元撮像データが取得出来るものがある。後述する斜断面画像データの選択機能は、上述した任意のモダリティによって取得された撮像データを用いることができる。

本実施形態において、ＣＴスキャナ１４によって取得されたボリューメトリック撮像データセットは、メモリ２０に格納されて、その後計算装置１２に提供される。代替的な実施形態において、ボリューメトリック撮像データセットは、医用画像保管通信システム（ＰＡＣＳ）の一部を形成することが出来る、遠隔データストア（図示せず）から供給される。メモリ２０又は遠隔データ格納は、メモリストレージの任意の適切な形を具備することが出来る。

計算装置１２は、撮像データセットを自動的に又は半自動的に処理するための処理リソースを提供し、且つ中央処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）２２を具備する。

計算装置１２は、参照解剖学的データセットと共にボリューメトリック医用撮像データセットをレジストレーションし、且つ確率分布を出力するよう構成されたレジストレーション回路２４と、テンプレートをボリューメトリック医用撮像データセットから取得された二次元画像パッチとマッチさせるよう構成されたテンプレートマッチング回路２６と、選択された画像をディスプレイ１６上に表示するよう構成された表示回路２８と、を含む。特に、計算装置１２は、図２に示した斜断面画像データの選択機能を実現する。

本実施形態において、回路２４、２６、２８は、実施形態の方法を実行することが可能なコンピュータ読み取り可能命令を有するコンピュータプログラムの方法で、計算装置１２でそれぞれ実行される。しかし、その他の実施形態において、様々な回路は一つ又は複数のＡＳＩＣ（特定用途向け集積回路）又はＦＰＧＡ（フィールドプログラマブルゲートアレイ）として実施することが出来る。

計算装置１２は、ハードドライブと、ＲＡＭ、ＲＯＭ、データバスなどのその他のＰＣの構成要素と、様々なデバイスドライバを含むオペレーティングシステムと、グラフィックスカードなどハードウェアデバイスとを含む。このような構成要素は、見やすくするため、図１には示されていない。

図２は、ボリューメトリック医用撮像データセットの斜断面再フォーマットを自動的に構成し且つ表示するための機能（斜断面画像データの選択機能）の概要を描いている、フローチャートである。本実施形態において、斜断面再フォーマットは、患者の肩関節の所望のビューを示すようになっている。図２の方法で、ボリューメトリック医用撮像データセットの参照データのセットへのレジストレーションは、ボリューメトリック医用撮像データセットから生成された一連の画像パッチのそれぞれを、肩関節の所望のビューを表すテンプレートに対してマッチングさせる、テンプレートマッチング処理と組み合わせられる。状況次第で、テンプレートマッチング処理の使用により、レジストレーションのみで取得された場合に提供することが出来る肩関節のビューに比べ、より良い肩関節のビューを提供することが出来る。

ステージ３０で、レジストレーション回路２４は、患者の解剖学的領域を表す撮像データのセットを受け取る。解剖学的領域は、関心のある被検体の少なくとも一つの解剖学的特徴を具備する。本実施形態において、解剖学的領域は、患者の肩及び周辺の生体構造を具備する。更なる実施形態において、レジストレーション回路２４は、例えば、被検体の任意の関節、骨、又は臓器など、被検体の任意の解剖学的特徴又は複数の特徴を表す撮像データを受け取ることが出来る。被検体は、ヒトであってもよいし、獣医的対象であってもよい。

撮像データのセットは、画像ボリュームとして呼ばれることもある。本実施形態において、撮像データセットは、ボリューメトリックＣＴデータセットである。その他の実施形態において、撮像データの任意の適切なタイプを使用することが出来る。

レジストレーション回路２４は、撮像データのセットにおける複数のランドマークを検出する。解剖学的ランドマークは、例えば、骨、臓器、又はその他の解剖学的構造に関して明確に定義された点など、身体構造における認識しやすい点とすることが出来る。

実施形態の中に、ランドマーク検出の方法は次の通りに説明されているものがある。例えば、Ｍｏｈａｍｍａｄ Ａ Ｄａｂｂａｈ、Ｓｅａｎ Ｍｕｒｐｈｙ、Ｈｉｐｐｌｙｔｅ Ｐｅｌｌｏ、 Ｒｏｍａｉｎ Ｃｏｕｒｂｏｎ、Ｅｒｉｎ Ｂｅｖｅｒｉｄｇｅ、Ｓｔｅｗａｒｔ Ｗｉｓｅｍａｎ、Ｄａｎｉｅｌ Ｗｙｅｔｈ、Ｉａｎ Ｐｌｏｏｌｅ、‘Ｄｅｔｅｃｔｉｏｎ ａｎｄ ｌｏｃａｔｉｏｎ ｏｆ １２７ ａｎａｔｏｍｉｃａｌ ｌａｎｄｍａｒｋｓ ｉｎ ｄｉｖｅｒｓｅ ＣＴ ｄａｔａｓｅｔｓ’， Ｐｒｏｃ． ＳＰＩＥ ９０３４， ＭＥＤＩＣＡＬ Ｉｍａｇｉｎｇ ２０１４： Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ， ９０３４１５ （Ｍａｒｃｈ ２１， ２０１４）； ｄｏｉ：１０．１１１７／１２．２０３９１５７は、ここに番号を記載することにより、組み込まれるものとする。その他の実施形態において、任意のランドマーク検出法を使用することが出来る。

ステージ３２で、レジストレーション回路２４は、複数の参照ランドマーク位置を具備する参照解剖学的データのセットを取得する。本実施形態において、複数の参照ランドマーク位置は、上記で参照した通りＤａｂｂａｈにおいて説明された１２７の解剖学的ランドマークに対する位置を具備する。その他の実施形態において、任意の適当なランドマークに対する位置を使用することが出来る。

本実施形態において、参照ランドマーク位置は解剖学的アトラスにおけるランドマークに対する位置であり、本実施形態においての係るアトラスは合成アトラスである。解剖学的アトラスにおけるランドマークの位置は、専門家によって以前に決定されたものとすることもあるし、又は任意の適切な方法によって取得されたものとすることもある。その他の実施形態において、参照ランドマーク位置は、例えば任意の適切なアトラス又はバーチャル生体構造データなど、任意の適切な参照データセットにおけるランドマークの位置の場合もある。

ステージ３２での参照ランドマーク位置のうちの少なくともいくつかは、ステージ３０において検出された通り、解剖学的構造に関する同じ明確に定義された点に対応する。例えば、胸部ランドマークのセットは、合成アトラスにおいてマークされていることがあり、且つ対応する胸部ランドマークは、撮像データセットにおいて検出することが出来る。

画像ボリューム（ステージ３０からの）における及びアトラス（ステージ３２からの）における対応するランドマークの位置が与えられて、レジストレーション回路２４は、レジストレーション処理を実行する。係るレジストレーション処理は、画像ボリュームにおける及びアトラスにおけるランドマークを共にレジストレーションすることを具備する。また係るレジストレーション処理は、点に基づくレジストレーションと呼ぶことが出来る。

検出されたランドマークは、少なくとも三つの非共線的ランドマークを具備する。対応するランドマークの位置は、参照解剖学的データにおいて上記少なくとも三つの非共線的ランドマークにおいて提供される。少なくとも三つの非共線的な点は、三次元空間における三次元の被検体の方位を完全に決定するために使用することが出来る。ランドマークの任意の適切な数を使用することが出来る。

本実施形態において、レジストレーション処理は、アフィンレジストレーションを具備する。係るアフィンレジストレーションは、平行移動、回転、及び／又は、スケーリングを具備することが出来る。スケーリングは、異方性とすることが出来る。本実施形態においては、逐次最小二乗法が使用される。その他の実施形態において、例えば任意の点ベースのレジストレーションなど、任意の適切なレジストレーション処理を使用することが出来る。実施形態の中に、レジストレーションは背骨や歪みを使用するものがある。また実施形態の中に、レジストレーション処理は非グリッドレジストレーションを具備するものもある。

本実施形態において、ステージ３０で検出されたランドマークの位置とアトラスにおけるランドマークの位置との関係は、ベイズ線形回帰を使用してモデル化される。検出されたランドマークとアトラスランドマークとの係る関係は、線形変換に加えガウシアンノイズによってモデル化される。

線形モデルは、次の式（１）の様に推定することができる。

ｙは撮像セットにおける検出されたランドマークの位置を表し、ｘはアトラスにおける対応するランドマークの位置を、φは撮像データセットの座標空間とアトラスの座標空間との変換、そしてεはゼロの平均を有するノイズガウシアン分布とσ^２の分散とである。

特定の変換φの下での対応する参照ランドマーク位置ｘが与えられた検出されたランドマークｙのセットの位置についての確率分布は、以下の式（２）の様に書き表すことが出来る。

右辺は、特定の変換φの下での対応する参照ランドマーク位置ｘが与えられた検出されたランドマークｙのセットの条件付き確率である。

上記の確率分布は、検出点ｙｉと変換された参照φｘｉとの間のエラーにわたる単変量ガウシアン分布を具備する。これは、φの観点からｙの確率の簡素な公式化と考えることが出来る。

その他の実施形態において、ノイズは、任意の適当な関数でモデル化することが出来る。例えば、ノイズは、多変量ガウシアンでモデル化することが出来、多変量ガウシアンにおいて変換φにおける各パラメータに関するエラーに対して個別の平均及び分散が存在する。多変量ガウシアンを使用することにより、変換のいくつかの部分（例えば、スケール）が、変換のその他の部分に比べより大きな確実性を以て知ることが出来るという事実を、反映することが出来る。その様な実施形態において、検出されたランドマークと変換された参照ランドマークとの間のローエラーにわたって分布がモデル化されることはない。代わりに、候補変換の各パラメータにおけるエラーが使用される。方法は、候補変換と候補変換の最も簡素な食い違い（ｖａｒｉａｎｔ）との間の差を定量化することが出来る。係る差は、参照ランドマークをその対応する検出されたランドマークへと完全にマップする。

変換がΦ（ｘ，ｙ）によって示された場合、次にこの使用へと適用された多変量ガウシアンは、次の式（３）の様に書き表すことが出来る。

ここでφは候補変換に対するパラメータのベクトルであり、Σはφのこれらのパラメータの共分散行列、そしてΦ（ｘ，ｙ）はｘのｙへの理想的な変換マッピングのパラメータ化であり、ここでΦ（ｘ，ｙ）はパラメータ化φと同じ形式におけるベクトルである。エラーは、それ自身の分散を使用する変換の各パラメータに対して計算される。異なるエラーは、異なるスケールを使用することが出来る。異なるスケールは、異なる重みを有する異なるエラーの効果を有することが出来る。

上記ランドマーク位置に対する確率分布は、ボリューメトリック撮像データセットにおけるランドマークの位置ｙ、アトラスにおける対応する参照ランドマークの位置ｘ、そして分散σｘ２が与えられた変換φに対する確率分布を取得するために、使用することが出来、以下の式（４）の様に表すことができる。

ここで、Ｐ（φ｜ｘ，σ_ｘ ^２）＝Ｐ（φ）なのは、φ⊥ｘ且つφ⊥σ^２だからである。

次の式（５）の仮定を置いた場合、以下の式（６）を取得することができる。

実施形態において、（ｙ_ｉ−φ_ｘｉ）^２／σ_ｘ ^２及び（φ−μ_φ）^２／σ_φ ^２は、異なる次元を有するベクトル量である。候補変換と平均との差をスカラー値、δ（φ−μ_φ）^２／σ_φ ^２へとマップする計量δ：Ｔ→Ｒが存在する。

本実施形態において、確率分布は、ベイズ線形回帰を使用して取得される。その他の実施形態において、確率分布を出力する任意の回帰処理を使用することが出来る。

確率分布は、変換にわたる確率分布、又は変換パラメータの値にわたる確率分布、と呼ぶことが出来る。確率分布は、複数のレジストレーションのそれぞれに対する個別のレジストレーション確率を提供すると考えることが出来る。複数のレジストレーションのそれぞれは、異なる変換を有している。各異なる変換は、変換パラメータのセットに対する異なる値を有し、本実施形態における異なる値は平行移動、回転、そしてスケーリングパラメータを具備する。

本実施形態のレジストレーション法は、単一の変換の代わりに確率分布が取得される、いくつかの公知のレジストレーション法と異なる場合がある。例えば、レジストレーションの一つの公知の方法は、二乗エラーを最小化するために変換パラメータについて線形回帰を使用するが、この方法は、変換パラメータ値の単一のセットを生み出すことが出来るが、確率分布は生み出すことが出来ない。

その他の実施形態において、レジストレーション確率の分布を生み出す任意の回帰法を使用することが出来るが、例えばランドマーク間のベストフィットと合致すると考えることが出来るような任意の回帰法である。レジストレーション法（例えば、相互情報の逐次最適化）とランドマークとの任意の適当な組み合わせは、確率分布を提供することが出来る。確率分布は、ランドマークへの変換の適応におけるエラーのモデル化から取得することが出来る。モデル化はランドマークについて最小二乗を実行することにより取得することが出来る変換と適度によく合致する、という条件が課されることがある。これにより、ゼロ平均を有するエラーを仮定することが出来るということを許可する。

確率分布の使用により、ランドマーク対応からの情報をその他の入力と組み合わせることが可能になることがある。

図３は、ランドマーク間の対応によって決定された確率分布からサンプリングされた、三つの可能な変換を表している。白丸５０は、画像ボリュームにおける検出されたランドマークのセットを表している。黒丸５２は、例えばアトラスにおけるランドマークなど、参照ランドマークを表している。ランドマークと参照ランドマークとの間の第一の可能な変換が、第一の矢印のセット５４によって表されている。また第二の可能な変換は、第二の矢印のセット５６によって表されている。更に第三の可能な変換は、第三の矢印のセット５８によって表されている。

図３において、確率の低下は、矢印のセットの色の濃さ（不透明度）の低下によって表されている。第一の変換は、最も高い確率を有し、第一の矢印５４の高い不透明度によって表されている。第二の変換は、より低い確率を有し、第二の矢印５６のより低い不透明度によって表されている。第三の変換は、最も低い確率を有し、第三の矢印５８の低い不透明度によって表されている。

ステージ３４で、レジストレーション回路２４は、レジストレーション確率分布から最も確からしいレジストレーションを選択する。係る最も確からしいレジストレーションは、最も高いレジストレーション確率を有する変換パラメータ値のセット（「最も確からしい変換」とも呼ぶことが出来る）に従って、撮像データを変換する、レジストレーションとすることが出来る。下記の検討において、レジストレーションと関連した変換を言及することで、異なるレジストレーションについて論じることにする。本実施形態において、係る変換は、アフィン変換である。

最も確からしい変換を選択した後、レジストレーション回路２４は、最も確からしい変換での開始となる、確率分布における変換を通して検索の処理を開始する。

ステージ３６で、レジストレーション回路２４は、最も確からしい変換における変換パラメータのそれぞれに対する更なる値をサンプリングすることにより、更なる候補変換を生成する。変換パラメータのそれぞれに対する更なる値をサンプリングすることは、変換パラメータに対する一つ又は複数の異なる値を取得するために、現在の値を変換パラメータに対して調整することを具備することが出来る。この一つ又は複数の異なる値は、近傍値と呼ぶことが出来る。

本実施形態において、レジストレーション回路２４は、変換の各パラメータに対し（例えば、平行移動パラメータ、回転パラメータ、そして回転パラメータそれぞれに対し）、二つの新たな候補変換を生成する。各パラメータに対して、第一の新たな候補変換は、最も確からしい変換におけるパラメータに対する値から固定された値を引くことにより、生成される。第二の新たな候補変換は、固定値を最も確からしい変換におけるパラメータに対する値へと追加することにより、生成される。候補変換の結果として生じる数は、２ｎ＋１であり、ここでｎは変換φにおけるパラメータ数である。

その他の実施形態において、新たな候補変換は、固定された確率しきい値によって最も確からしい変換における各パラメータに対する値をアップデートすることにより、候補変換（候補位置群）の検索をガイドすることができる。各変換パラメータに関する確率分布の勾配は、確率分布から分かっていることがあるので、固定された確率しきい値により値をアップデートすることが可能な場合がある。更なる実施形態において、任意の適切な方法が、新たな候補変換を生成するのに使用することが出来る。新たな候補変換は、変換パラメータのうちの任意の一つ、又は変換パラメータの任意の組み合わせ、に対する現在の値に近傍する値をサンプリングすることで取得することが出来る。

実施形態の中に、変換パラメータを通して検索するために勾配降下アプローチを使用することが出来るものがある。この処理は、最急勾配に従うことにより、新たな候補変換を選択することが出来る。係る勾配降下アプローチは、下記に更に説明される。

ステージ３６の出力は、候補変換（候補位置群）のセットである。係る候補変換のセットは、最も確からしい変換と、最も確からしい変換におけるパラメータ値に近傍するパラメータ値をサンプリングすることにより取得された更なる候補変換と、を具備する。本実施形態において、候補変換のセットは、２ｎ＋１の候補変換を具備し、ここでｎは変換φにおけるパラメータ数である。

ステージ３８で、レジストレーション回路２４は、ステージ３６での出力であった候補変換のそれぞれに対する個別のビューを取得するために、撮像データセットを処理する。係るビューは、二次元撮像データであれば斜断面の向きに、三次元撮像データであれば視線方向に対応する。また係るビューによって向きが設定される画像データは、例えば二次元画像データ、二次元画像パッチ、二次元スラブ画像データ、二次元スラブ画像パッチ、三次元画像データ、三次元画像パッチであり、候補画像データ、又は候補画像領域としても呼ぶことが出来る。係るビューは、多くの場合にユーザに表示されないことがあるにもかかわらず、そして全体として撮像データセットへと関連付けるのではなく撮像データセットのサブセットに関連することにもかかわらず、画像或いは画像パッチと呼ぶことが出来る。

本実施形態において、各ビューは、撮像データセットの個別の斜断面再フォーマットを具備する。

レジストレーション回路２４は、ユーザによって定義が出来るようなプロトコルを格納する。係るプロトコルは、肩の所望の斜断面再フォーマットビューを取得するための詳細を具備する。係るプロトコルは、例えば、テンプレート画像、バウンディングボックス（ｂｏｕｎｄｉｎｇ ｂｏｘ）の位置及び方位を特定する行列、そして係るバウンディングボックスのサイズを特定するいくつかの次元を具備することが出来る。また係るプロトコルは、例えばウインドウレベルなど、いくつかの表示パラメータを具備することが出来る。

その他の実施形態において、レジストレーション回路２４は、任意の適切な生体構造の所望のビューを取得するための、一つ又は複数のプロトコルを格納することが出来る。

図４は、肩甲骨と上腕骨の上部との間の関節窩６２を示す透視から肩の斜断面再フォーマット画像６０を示している。図４の透視図は、肩関節を観察するための、所望の、又は要求された透視図であると考えることが出来る。本実施形態において、レジストレーション回路２４により格納されたプロトコルは、図４において示された様な斜断面再フォーマットを生み出すためのプロトコルである。

プロトコルは、ボックスの位置及び方位を定義する。本実施形態において、対象生体構造（この場合は、肩）がボックスの中心に来る様に、ボックスは位置している。プロトコルは、如何にボックスが束縛されるかについても定義する。またプロトコルは、ボックスのサイズ及び形状を定義する。本実施形態において、バウンディングボックスは、その頂点の座標によって特定される。その他の実施形態において、束縛されているボックスは、例えば一つの頂点、各軸にそった方位及び次元に対するベクトルを使用することにより、任意の適切な方法により特定することが出来る。

プロトコルは、ボックスにおける少なくとも一つの画像面も定義する。本実施形態において、画像面はボックスの中心に定義されている。例えば、画像はボックスの一つの軸の中心に位置することがあるし、またボックスのその他の二つの軸についてボックスのフルサイズにわたって広がっていることもある。その他の実施形態において、画像面又は複数の画像面は、任意の適切な方法で定義することが出来る。

本実施形態において、ボックスが置かれている対象生体構造は、肩である。プロトコルは、参照解剖学的データに関連してボックスの位置、方位や境界を記載する。係る参照解剖学的データは、本実施形態において、ランドマークのレジストレーションで使用されたアトラスである。ボックスを使用して定義された再フォーマットにおける中心面との対象生体構造の交点が、必要な透視図から生体構造（この場合には、肩）を示す様に、ボックスは向けられる。係るボックスは、任意でアライメントすることが出来る。本実施形態の中に、再フォーマットの境界を定義するボックスの位置、方位、及び／又は、サイズは、拘束されないものがある。本実施形態の中に、ボックスの位置、方位、及び／又は、サイズは、画像ボリュームのサイズ及び形によってのみ強制されるものがある。例えば、ボックスは、画像ボリュームにおいて主として位置することがある。

本実施形態においてプロトコルは、肩の斜断面再フォーマット表示を自動的に構成するためのものである。その他の実施形態において、係るプロトコルは、任意の解剖学的特徴を表示するためのものとすることが出来る。一つ以上のプロトコルをレジストレーション２４に格納することが出来る。例えば、多重関節を観察するためのプロトコルを格納することが出来る。実施形態の中に、新たなプロトコルはレジストレーション回路２４にユーザによって定義する、及び／又は、ユーザによって格納することが出来るものがある。また実施形態の中に、ステージ２の処理の更なるステージは、新たなプロトコルを自動化するために、変更を必要としない場合があるものもある。

プロトコルからの情報は、候補変換のそれぞれに対する個別のビューを取得するために、撮像データセットの処理において使用される。以下に、候補変換のうちの一つに対するビューを取得するための撮像データセットの処理を説明する。以下に説明される処理は、候補変換のそれぞれに対して繰り返される。その他の実施形態において、複数のビューが、候補変換のそれぞれに対して取得することが出来る。例えば、ビューは、ビューの主軸に対して直角に定義された複数の面のそれぞれに対して、取得することが出来る。実施形態の中に、図２の方法は、例えば多重の、異なる解剖学的特徴のビューを取得するために、多重プロトコルに対して使用することが出来る。

レジストレーション回路２４は、プロトコルによって定義されたボックスを撮像データセットの座標空間へと変換するために、候補変換を使用する。ボックスは、アトラスの肩に位置しているので、変換されたボックスは、撮像データセットにおける肩に少なくとも近似的に位置するであろうということを期待することが出来る。

レジストレーション回路２４は、アトラスに定義された、ボックスにおける対象領域の座標を使用する画像パッチを選択する。対象領域は、テンプレートに対応する。レジストレーション回路２４は、候補変換を使用して、対象領域の座標を撮像データセットの座標空間へと変換する。レジストレーション回路２４は、その後撮像データセットにおいてマップされた座標で画像パッチをサンプルする。

撮像データセットにおけるボックスの位置、方位、そしてスケールは、プロトコルによって定義されたボックスに基づいて、また候補変換に基づいている。係るスケーリングは、異方性である。一つの軸に対するスケーリングパラメータについての値は、もう一つの軸からパラメータをスケーリングするための値とは異なる場合がある。

レジストレーション回路２４は、対象領域を示している斜断面再フォーマットビューを取得するために、ボックスの内側の撮像データセットの部分を処理する。本実施形態における対象領域とは、ボックスの中心面である。

レジストレーション回路２４は、ステージ３８で取得されたサンプルされた画像パッチをテンプレートの座標空間へと変換する。係るサンプルされた画像パッチの変換は、サンプルされた画像パッチのスケーリングを具備する。本実施形態において、画像パッチは、アトラスアライメントされ、画像パッチをテンプレートの座標空間へと変換するために使用される二次元長方形、且つ唯一の変換は、スケーリングである。その他の実施形態において、異なる変換を使用することが出来る。

サンプルされた画像パッチを取得するための撮像データセットの処理は、候補変換のそれぞれに対して実行される。

候補変換は、全て異なるパラメータ値を有するので、異なる画像パッチが候補変換のそれぞれに対して取得される。例えば、異なる候補変換は、僅かに異なる角度からの肩を示す画像パッチという結果になることがある。

図５は、複数の異なる候補変換に対して取得された複数の画像パッチの例を示している。各候補変換は、異なる変換パラメータ値を有する。図５において、候補変換は、少なくとも一つの回転パラメータに対して異なる値を有する。画像パッチは、従って異なる方位を有する異なる面についての斜断面再フォーマットなのである。上記複数の方位のうちのいくつかは、上記複数の方位のその他の方位に比べて関節窩についてのより良いビューを表すことが出来る。

ステージ４０で、マッチング回路２６は、テンプレートをステージ３８で生成された候補画像データ（例えば画像パッチ）のそれぞれとマッチングするために、テンプレートマッチング処理を実行する。係るテンプレートは、テンプレート画像、テンプレートパッチ、又はテンプレート画像パッチなどと呼ぶことも出来る。係るテンプレートは、肩の所望のビューを表す。

図２の処理の目的として、所望の方位から生体構造（この場合には、肩）を示す斜断面再フォーマットビューの取得するためという場合がある。本実施形態において、再フォーマットは、標準的な方位で二次元画像から診断を可能にする対象生体構造を表すよう意図する場合がある。正しい方位での画像パッチは、対象生体構造が特定の形状を有する様にして、対象生体構造を表すことがある。テンプレートマッチング処理は、方位の正しさの計測として、係る形状を使用することが出来る。本実施形態において、正しい方位での画像パッチは、関節が容易に目に見える様に、肩を表す画像パッチとすることが出来る。

本実施形態において、テンプレートは、アトラスの斜断面再フォーマットである。テンプレートは、図４に示された斜断面再フォーマットビューと同じ場合があり、図４においては関節窩がはっきり見えている。その他の実施形態において、任意の適切なテンプレートを使用することが出来る。係るテンプレートは、任意の所望のビューから任意の適切な生体構造を示すことが出来る。

ステージ４０のテンプレートマッチング処理は、画像パッチそれぞれを、所望のビューを表すテンプレートへとマッチングすることにより、改善されたビューを提供するために使用することが出来る。状況次第では、所望のビューがレジストレーション単独で確実に取得することが出来ないことがある。例えば、最も確からしい変換を使用してビューを単に生成することは、所望の生体構造の良いビューを示す画像、例えば関節窩の良いビューでの画像をいつも生み出すとは限らないことがある。患者間の変化、及び／又は、スキャンに対して患者がどの様に位置したかの差は、最善のレジストレーションが生体構造の最善のビューを提供しないということを意味する場合がある。

図６は、本実施形態のテンプレートマッチング処理の概要を示すフローチャートである。係るテンプレートマッチングは、画像パッチとテンプレートとの類似性を計測するためと考えることが出来る。

図６のフローチャートの第一ステージで、マッチング回路は、レジストレーション回路２４から画像パッチ７０を受け取る。係るマッチング回路２６は、画像のノイズレベルを減らすために、例えば平滑化フィルタを適用することにより、画像パッチ７０を平滑化することも出来る。

図６のフローチャートの第二ステージで、マッチング回路２６は、エッジフィルタを画像パッチ７０へと適用することにより、エッジマップ７２を生成する。係るエッジマップは、任意の適切なエッジ検出アルゴリズムを使用して取得することが出来る、複数のエッジを具備する。本実施形態において、エッジフィルタにより生み出されたエッジは、閉輪郭である必要は無い。

図６のフローチャートの第三ステージで、マッチング回路２６は、エッジマップ７２からのエッジ距離マップ７４を生成する。本実施形態において、エッジ距離マップの各ピクセルは、エッジマップ７２におけるピクセル及び最も近いエッジの間の距離を表す値を有する。

図６のフローチャートの第四ステージで、マッチング回路２６は、テンプレートに対するエッジ距離マップ７６から、候補画像パッチに対するエッジ距離マップ７４を引く。

本実施形態において、テンプレートに対するエッジ距離マップ７６は、図２の処理の前に一度計算され、且つマッチング回路２６によって格納される。テンプレートに対するエッジ距離マップ７６は、画像パッチ７０に対するエッジ距離マップ７４を取得するために上記で説明されたのと同じ様な方法を使用して、テンプレートから取得することが出来る。エッジフィルタは、テンプレートに対するエッジマップを取得するために、テンプレートへと適用される。エッジ距離は、その後テンプレートに対するエッジマップを使用して生成される。

テンプレートに対するエッジ距離マップから画像パッチ７０に対するエッジ距離マップ７４を引くことにより、差分マップ７８という結果になる。係る差分マップ７８における各ピクセルは、画像パッチ７０に対するエッジ距離マップ７４におけるピクセルの値とテンプレートに対するエッジ距離マップ７６におけるピクセルの値との間の差を表す値を有する。

マッチング回路２６は、差分マップ７８に基づいてマッチング確率を決定する。本実施形態において、マッチング確率は、差分マップ７８における各ピクセルのシグモイドの積である。

テンプレートをＴ、候補変換φにより決定された候補画像パッチをＩφと置く。

次の式（７−１）を画像Ｉφに対するエッジマップへと適用された距離変換の結果とし、式（７−２）をテンプレートＴに対するエッジマップへと適用された距離変換の結果とする。

また、次の式（８）で表されるＬ（ｉ，ｊ）を、Ｉφ所定のテンプレート画像におけるｉ番目、ｊ番目のピクセルでの損失と置く。

損失Ｌ（ｉ，ｊ）は束縛されていないので、次の式（９）の様に表すことができる。

シグモイドσは、実数を０と１との間の値域へとマップするσ_ｘ＝１／（１＋ｅ^−ｘ）によって定義された関数σ：Ｒ→［０，１］である。

重みωｉ，ｊは、画像パッチ、及び／又は、テンプレートにおいて全ての位置にわたる。重みは、画像の最も重要なエリアでの損失の重要性を増やすために、使用される。重みωｉ，ｊが三次元ガウシアンである場合に、重みはパッチの中心で損失の重要性（ｓｉｇｎｉｆｉｃａｎｃｅ）を増やす（或いはエッジでは減らす）。その他の実施形態において、より複雑な重み付けスキームを使用することが出来る。例えば、臨床専門家は、点、エッジ、或いは領域をハイライトするかを尋ねられることがある。点、エッジ、又は領域は、彼ら専門家の意見によると、ビューの精確さにおいて最も決定力を持つものである。最も高い損失は、専門家によって特定された点、エッジ、又は領域で割り当てることが出来る。重み付けは、これらの点、距離、領域からの距離と共に減少することがある。

Ｐ（Ｉφ｜Ｔ）は、その後テンプレートＴが与えられた画像パッチＩφのマッチング確率を提供するが、ここでマッチング確率は０と１との間の値である。Ｐ（Ｉφ｜Ｔ）の計算は、規格化ステップを提供すると考えることが出来る。

実施形態の中に、使用される類似計量は、各ピクセルでのパッチとテンプレートとの差のシグモイドの積というものがある。その他の実施形態において、計量を確率へと規格化することが出来るということを条件に、任意の類似計量を使用することが出来る。また実施形態の中に、類似計量は問題になっている生体構造に依存することが出来るものがある。

平滑化された画像パッチにわたってエッジマップへと適用された距離変換についてテンプレートマッチングを実行することにより、有益な勾配を提供することが出来る。

マッチングは、可能な限り、エッジのセットをアライメントするために使用される。エッジマッチングについてのナイーブなアプローチ、例えば、二つの二値エッジ要素を要素の観点と一緒に掛けるようなアプローチは、エッジが厳密にマッチしない場合に、近いエッジがどの程度正しくあるかを確認することが出来ない。ナイーブなエッジの代わりにエッジ距離マップを使用することにより、エッジの近似は計量に加わる。各ボクセルでその正しい位置からある距離に存在するエッジは、任意の点で対象エッジと交わらない場合であっても、高いスコアを受け取るだろう。その理由は、係るエッジの累積距離は低いままだからである；極めて似ていない形状は、著しくより多い点で対象エッジとたとえ交差したとしても、係る交差の点の外側でのその距離が理由で、この計量の下では低い点数を受け取るだろう。少ない点でたまたま交差するランダムノイズは、二つが何回交差するかにかかわらず、構造はテンプレートに関係無いという事実を反映し低い点数を受け取るだろう。更に、この類似は角度／程度（ｄｅｇｒｅｅｓ）の余地があり、意味のある勾配を有すると考えることが出来る。変換パラメータへの変更は、計量に対する値を円滑に変えることとなり、これにより少数のサンプルを使用して推定される予定の最適な変化を承認することが出来る。この方法において円滑でない計量（例えば、単純な交差法）は、明確に定義された勾配を有することが出来ず、従ってサンプルは、基礎にあるパラメータが変えられるにつれて計量が如何に変化するかに関する情報を提供しない場合がある。

更なる実施形態において、テンプレートマッチング処理は、エッジマップ及び／又は距離変換を取得することを具備しないことがある。

テンプレートマッチング処理は、ステージ３８で取得された画像パッチのそれぞれに対して実行される。

各候補変換の評価における最終ステップは、ランドマークからの先行情報が与えられた、候補変換に対するマッチングの確率を計算することである。

ステージ４２で、マッチング回路２６は、ステージ４０で決定されたマッチング確率と組み合わせて、ステージ３２で決定されたレジストレーション確率分布を使用して各候補変換に対する結合確率を決定する。候補変換に対する結合確率は、候補変換に対するレジストレーション確率を先行確率として与えた場合に、画像パッチを候補変換とテンプレートとに対するマッチングの確率を具備する。

形式上、次の様に置く。θは変換パラメータ（関数としての変換及び関数のパラメータ化の両方は、上記でφによって以前に示されていたことに留意）、ＬＤは検出されたランドマーク位置（上記ではｘと示されていた）、ＬＡはアトラスランドマーク位置（上記ではｙと示されていた）を、ＩＴはテンプレート画像パッチ、Ｉθはθに対する候補画像パッチ、である。

候補変換が正しいという後方の確率は、テンプレートマッチとランドマークレジストレーションとが与えられた場合に、以下の式（１０）の様に表すことが出来る。

ランドマークとテンプレートとのマッチは、変換が与えられた場合に条件付きで独立しているという仮定の下、テンプレートマッチ及び検出されたランドマークの結合確率ｐ（Ｉθ，ＬＤ｜θ，ＩＴ，ＬＡ）、テンプレートマッチｐ（Ｉθ｜θ，ＩＴ）と検出されたランドマークｐ（ＬＤ｜θ，ＬＡ）との確率の積へと分解する。従って、以下の式（１０）の様に表すことができる。

ここで、最後の行は、変換についての先行ｐ（θ｜ＩＴ，ＬＡ）がテンプレート又はアトラスランドマークから独立しているという事実に従う。

先行ｐ（θ）は、特定のボリュームに関する任意の情報が無い場合での変換にわたる確率分布を表す。いくつか実施形態において、先行ｐ（θ）は、ガウシアンとしてモデル化される。例えば、尤度がガウシアンの様にモデル化された場合に、先行をガウシアンの様にモデル化することで、よりシンプルな数学という結果になることがある。

先行ｐ（θ）がガウシアンとしてモデル化された場合に、二つのパラメータによって説明することが出来る―つまり平均値と分散である。

アトラスから新たなボリュームへの最も確からしい変換は、恒等変換に近い（変換は、全ての点をそれ自体へとマップする）ということを期待することが出来る。従って、実施形態の中には、恒等変換は平均且つ小さな平行移動が選ばれ、回転、そしてスケールは分散として選ばれる。

実施形態の中に、ランドマークを無視する、変換にわたる先行ｐ（θ）は、再フォーマットに対する訓練セットから推測することが出来るものがある。また実施形態の中に、先行ｐ（θ）は、ランドマークに対する最大確率分布とすることが出来るものもある。グラウンドトゥルースが訓練データのセットに対して公知の場合がある。訓練データの各セットに対する補正変換は、グラウンドトゥルースを使用して取得することが出来、また変換の平均及び分散は、先行ｐ（θ）を定義するために取ることが出来る。

一度、個別の結合確率が候補変換のそれぞれに対して計算されたら、マッチング回路２６は、最も高い結合確率を有する候補変換のうちの一つを選び取る。係る最も高い結合確率を有する候補変換のうちの一つは、テンプレートへと最適なマッチを提供すると考えることが出来る。

ステージ３６から４２までは、選択処理と呼ぶことが出来る。係る選択処理は、候補変換の生成、結合確率を取得するために各候補変換から生成された画像パッチのテンプレートへのマッチング、そして最も高い結合確率を有する候補変換のうちの一つの選択、を具備する。

ステージ４４で、レジストレーション回路２４は、結合確率が収束したかどうかを判定する。係る結合確率が収束していなければ、図２のフローチャートはステージ３６へと戻る。

本実施形態において、ステージ３６から４２までの選択処理の多重逐次が実行される。各逐次において、新たな候補変換は、以前の逐次に従って、現在の最善な候補変換と呼ぶことの出来る、最も高い結合確率を有する候補変換に対するパラメータ値に近傍するパラメータ値をサンプリングすることにより、取得される。マッチング回路２６は、現在の最善な候補変換及びその近傍に対するテンプレートマッチングを評価する。マッチング回路２６は、テンプレートマッチング確率をステージ３２で決定された分布の下での各候補変換に対する先行確率と組み合わせる。マッチング回路２６は、画像パッチ（テンプレートをマッチングする）に対する結合確率と候補変換ｐ（Ｉθ，ＬＤ｜θ，ＩＴ，ＬＡ）の下での検出されたランドマーク（参照ランドマークをマッチングする）とを計算する。係る結合確率の計算は、ランドマークからの推定とテンプレートからの推定とのマッチの二つの推定、を積分する手段を提供すると考えることが出来る。マッチング回路２６はそれから、結合確率に基づいて新たに最も確からしい候補変換を選択する。各選択処理の終わりで、フローチャートは、レジストレーション回路２４が更なる選択処理を実行するかどうかを判定するステージ４４へと進む。

ステージ３６から４４までは、結合確率が収束するまで繰り返される。本実施形態において、最も高い結合確率を有する候補変換が、ある逐次から次の逐次へと実質的に同じままである場合に、係る結合確率は収束するであろうと考えることが出来る。例えば、最も高い結合確率を有する候補変換から候補変換の新たなセットの生成が、最も高い結合確率を有する新たな候補変換を何も生み出さない場合である。その他の実施形態において、任意の適切な収束基準を使用することが出来る。

実施形態の中には、ステージ３６から４４までの逐次検索処理が勾配降下検索を具備するものもある。ステージ３２で取得されたレジストレーション確率の分布は、最適なテンプレートマッチに対する勾配降下検索を拘束する。結合確率の構造は、検索を通知する勾配を与える。レジストレーション確率の分配を使用することにより、検索される候補変換数は減ることがある。

実施形態の中に、確率における改良がしきい値を下回った場合に、係る降下は収束したと考えることが出来るものがある。当該しきい値は、経験的に決定することが出来る。例えば、いくつかのサンプリング法は、徐々に小さくなるようなステップを取ることがある。しきい値を設定することにより、新たな候補を評価する、多数の逐次に時間を費やすのを避けることが出来る。係る新たな候補は、既存の候補と機能的には一致するが、厳密には一致しないと考えることが出来る。

ステージ４６で、マッチング回路２６は、結合確率が収束する候補変換を選択する。表示回路２８は、選択された候補変換を使用して以前に生成された画像パッチを受け取り、且つディスプレイ１６上に係る画像パッチを表示する。その他の実施形態において、表示回路２８は、選択された候補変換を使用して画像パッチを生成することが出来る。

表示された画像は、所望の方位から、例えば診断において使用される標準的な方位から、生体構造（この場合には、肩）を表示する。

簡単にするために、実施形態は、各候補変換に対して単一の画像パッチが生成されるものとして説明してきた。その他の実施形態では、各候補変換に対して一連の画像パッチを生み出すことが出来る。例えば、画像パッチは、再フォーマットバウンディングボックスの主軸に沿ってサンプルされた面について生成することが出来る。係る一連の画像パッチは、ステージ４６でユーザに表示することが出来る。

レジストレーション確率及びマッチング確率の組み合わせを使用して変換（従って、ビュー）を選択することにより、レジストレーションのみを使用して取得されたビューに比べて、所望のビューにより近いビューを取得することが出来る。ビューにおいて示された様な生体構造の形状のテンプレートとの類似は、ビューを生み出すために使用された変換の精確性の程度として使用することが出来る。

ビューの類似の概念は、解剖学的構造間の関連によって、つまり各患者に関連して決定することが出来る。解剖学的構造間の関連が変わる可能性のある場所は、特定の時間で患者に関連していると考えることが出来る。

図２の方法は、ビューの自動的な再構成を提供することが出来る。係るビューの自動的な再構成は、そうでなければ生み出すことが難しい及び／又は時間のかかる場合がある。例えば、経験豊富なＸ線技師であっても、所望のビューを生み出すのに撮像データをアライメントするのに、数分掛かることがある。

状況次第で、ビューを生み出すために使用された時間及び／又は処理電力は、レジストレーションを第一に実行することなくテンプレートマッチングを実行することにより、自動的な再構成を提供しようと試みがされた場合に比べて、少ないことがある。確率分布は、計算され且つ評価された候補変換数を減らすために、使用することが出来る。候補の順序は、確率分布の下で最も確からしい処理や基準から開始して選択することが出来る。

可能なテンプレート方位及び位置の検索空間は、多くの極小値を持ち、非常に大きい場合があり、係る大きな空間により、消耗的な検索を難しい又は不可能なものにすることがある。固定された形状テンプレートは、患者間の違いを明らかにすることが出来ない。レジストレーション処理をまず使用し、その次に係るレジストレーション処理から取得された変換を使用してテンプレートマッチングを実行することにより、可能なテンプレート方位及び位置の空間検索を制限することが出来るのである。スケーリングを承認することにより、患者間の違いを考慮に入れることが出来る。

図２の実施形態において、入力において検出されたランドマークは、アトラスにおけるランドマークへとレジストレーションされる。係るレジストレーション処理は、線形モデルを使用する。ランドマークレジストレーションを具備するレジストレーション処理の使用は、単一の変換だけでなく、変換にわたる分布も計算を可能にすることが出来る。変換にわたる分布は、テンプレート検索を誘導するために使用することが出来る。

ランドマークレジストレーションからアフィン変換を計算することにより、テンプレート画像は、各候補位置で異方的にスケールすることが出来、これにより患者間の違いを考慮に入れるのを許可することがある。

図２の方法において、レジストレーション確率は、単にテンプレートマッチングの処理を初期化するために使用される訳ではない。代わりに、レジストレーション確率は、テンプレートマッチング確率と組み合わせて使用される。処理の後の方のステージにおけるレジストレーション確率を維持することで、精確さ及び／又は速さが改善されるという場合がある。

状況次第で、図２の方法は、新たなプロトコルを自動化するための修正を必要としないことがある。また状況次第で、図２の方法は、プロトコル又はテンプレートが対象の生体構造に対して適切な場合に、方法への入力である任意のプロトコル及びテンプレートに対して、使用することが出来る。方法のその他のステージ（例えば、レジレストレーション処理やテンプレートマッチング処理）は、任意の特定の生体構造に特有でないことがある。状況によっては、図２の方法を異なる生体構造、及び／又は、異なるビューに適用することが、容易な場合もある。

テンプレートは、生体構造の所望のビューを表しているとして、ユーザによって選択された一つ又は複数の画像に基づく場合がある、実施形態が存在する。テンプレートは、アトラスから、又はその他の参照データから導出することが出来る。係るテンプレートは、同じ空間において参照ランドマークとして定義されるので、従って、参照ランドマークに対するレジストレーションもテンプレートに対するレジストレーションとして役割する。

テンプレートは、専門家によって以前に生み出された複数の画像、例えば、一人又は複数のＸ線技師によって手動で以前に生み出された斜断面再フォーマット画像など、に基づいている実施形態がある。

状況次第で、臨床医が異なることで特定の生体構造を視覚化するために使用される精確なビューに対する好みが異なることがある。従って、特定の解剖学的特徴（例えば、肩）に対して一つ以上のテンプレートを格納することが出来る実施形態がある。異なるテンプレートは、異なる臨床医の異なる好みのビューを表すことが出来る。特定の臨床医に対するビューを生み出す際に、係る特定の臨床医のための好ましいテンプレートを使用することが出来る。

テンプレートビューを取得するために、個別の臨床医（例えば、個別の放射線科医）によって選択された、及び／又は、使用された複数のビューを取得し、且つ複数のビューを処理することを具備する訓練処理によって、テンプレートが生み出される実施形態が存在する。その様な実施形態において、ランドマークは、複数のビューが取られたボリュームに対し組み合わされる。ランドマーク組み合わせの任意の適切な方法を使用することが出来る。例えば、ランドマーク位置の平均は、患者間の違いが単純なアフィン変換と上手くモデル化出来るような状況において、使用することが出来る。

図２の実施形態において、テンプレートは二次元画像である。その他の実施形態において、テンプレートは三次元画像とすることも出来る。プロトコルは、候補変換から撮像データの三次元領域を生成することが出来る。テンプレートは、撮像データの三次元領域へとマッチさせることが出来る。

図２の方法は、同じ撮像データの多重の異なるビューを取得するために、多重の異なるテンプレートで実行することが出来る、実施形態がある。

実施形態の中に、単一のビューは、一つ以上のテンプレートを使用して取得することが出来るものがある。例えば、視覚化されるべき生体構造が二つの骨の間の関節であれば、二つのテンプレートを使用することが出来る。第一のテンプレートは、第一の骨の所望のビューを、且つ第二のテンプレートは、第二の骨の所望のビューを、示すことが出来る。個別のテンプレートマッチング確率は、テンプレートのそれぞれに対して取得することが出来る。レジストレーション、及び／又は、ビューは、テンプレートマッチング確率及びレジストレーション確率の両方を組み合わせることにより、選択することが出来る。

いくつかの実施形態において、部分毎に基づく多アフィンモデルがテンプレートを組み合わせるのに使用される。生体構造は、ボックスのセットとしてモデル化され、各ボックスは独立してレジストレーションされている。結合された成分の各ペアに対する追加モデルは、部分的なアフィンモデルの間に中心が置かれたビューの方位を決定する際に、部分的なアフィンモデルの方位の重みを説明する。実施形態の中に、係る重みは、各要素との重複の割合を具備するものがある。また実施形態に、係る重みは、結合組織の物理的特性に基づいているものもある。

図２の方法は、斜断面ビューの自動化再構成を提供する。図２の処理において、斜断面再フォーマットビューが取得され、且つディスプレイ１６上に表示される。その他の実施形態では、図２の方法の最後に何もビューが表示されないものがある。またある実施形態においては、ステージ４６が省略されるものもある。選択された変換、及び／又は、選択された変換を使用して取得された斜断面再フォーマットビューを格納することが出来る、又は更なる処理の実行において使用することが出来る。実施形態の中に、図２の方法は、ディスプレイ無しでの計算装置で、又はグラフィカルデータの生産又は操作を意図とした任意のハードウェア無しで、実行される。

いくつかの実施形態において、図２の方法の出力は、一つ又は複数の対象ビューを明確にする変換行列である。

いくつかの実施形態において、自動的に再構成された斜断面ビューは、導出されたシリーズとしてエクスポート用に使用される。状況次第で、医用撮像スキャンから取得された医用撮像データの全てではないが、ＰＡＣＳに格納することが出来る。代わりに、どのデータを保存するかについて選択をすることは出来る。例えば、元々収集された薄いスライスのセットを格納する代わりに、より厚いスライスのセットを格納することが出来る。いくつかの実施形態において、選択された斜断面再フォーマットビューは、ＰＡＣＳに格納されたデータの一部として、格納することが出来る。

いくつかの実施形態において、斜断面再フォーマットは、ＰＡＣＳに送られる前に自動で実行される。また状況によっては、自動的な再フォーマットは、オリジナルデータを格納する、或いは後でオリジナルデータを操作する、必要を未然に防ぐことが出来る。

いくつかの実施形態において、斜断面再フォーマットは、予測処理法（ａｎｔｉｃｉｐａｔｏｒｙ ｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄ）の一部として実行されるものがある。その処理法とは、例えば、スキャンに適用出来る全てのアルゴリズムは、係るスキャンの収集後に直ちに適用される方法である。

いくつかの実施形態において、計算装置は、斜断面再フォーマットのセットを生成するために、適切なタイプのスキャンであることを決定する。再フォーマットは、その後自動的に生成される。いくつかの実施形態において、計算装置は、バックエンドサーバである。またいくつかの実施形態において、計算装置は、ユーザフェースを有さない。

いくつかの実施形態において、大量の格納されたデータを解析することが出来、且つ斜断面再フォーマットは、例えば適当な関節を示す任意のデータセットなど、斜断面再フォーマットが適当であると考えられる任意のデータセットに対して自動的に生成される。

いくつかの実施形態において、自動的に再構成された斜断面再フォーマットビューは、相互作用三次元アプリケーションにおけるアライメントツールとして使用される。例えば、三次元画像は、選択された変換に従う方位で、最初に表示することが出来る。ユーザは、その後に方位を手動で調整することが出来る。

多くの異なる実施形態において、図２の方法（画像を表示する最終ステージ４６があっても無くても）は、三次元空間における二次元画像を位置させ且つ方位付けるために使用することが出来る。係る二次元画像は、任意であると考えることが出来る。当該二次元画像は、身体における任意の位置での任意の適当な生体構造を表すことが出来る。いくつかの実施形態において、二次元画像の位置及び方位付けは、テンプレートの検出可能なランドマーク及び外観にのみ基づくことが出来る。

いくつかの実施形態において、図２の方法は、スキャン計画におけるバウンディング面を見つけ出すために使用される。状況により、医用スキャンが手動でセットアップされることが好ましくない場合がある。スキャンの自動的な配置が好まれる場合がある。例えば、ガントリの自動的なティルトを使用することが出来る。場合によって、例えば、回転でデータを再フォーマットすることは、精確さがいくらか失われることがあるので、データが軸でアライメントされているなど、収集される予定のデータに対する好みが存在する場合がある。図２の方法は、後続スキャンのためのバウンディング面を決定するために、スキャンの方位が軸でアライメントされたデータから所望のビューを取得するのに適している様に、初期スキャンデータのセットについて実行することが出来る。

いくつかの実施形態において、図２の方法は、撮像データ入力を、方位不変でないアルゴリズムへとアライメントするために使用される。例えば、画像パッチは、図２の方法を使用して取得され且つ再度方位付けられ、また畳み込みニューラルネットワークへと入力することが出来る。

またいくつかの実施形態において、図２の方法は、部分的な三次元データを三次元アトラスへとレジストレーションを実行するために使用することが出来る。レジストレーションは、入力の代わりにアトラスにおける面を局所化することにより、実行することが出来る。

図２を参照に表されたアルゴリズムは、二セットの画像を使用する。その二セットの内の一つはボリューメトリックである。画像パッチは、テンプレートをマッチするために、回転される。アトラス（テンプレートのソースである）として使用されたデータセットは、ランドマークをレジストレーションすることが出来るという条件で、二次元とすることが出来る。

更なる実施形態において、アトラスデータセットは、複数のスライスを具備する。既存の三次元データは、アトラスデータセットへとレジストレーションされる。例えば、アトラスデータセットの各スライス、又は各スライスの中心におけるパッチは、テンプレートとして使用することが出来る。三次元データセットをアトラスへとレジストレーションすることにより（アトラス或いはテンプレートを三次元データセットへとレジストレーションするよりも）、三次元レジストレーションに対する二次元のロバストな形式化を提供することが出来る。

三次元データが与えられれば、二次元テンプレートは、データが同じ面において存在し、且つその面における（同じ）方位に存在するように回転することにより、より良いマッチへと変換することが出来る拘束として振る舞うことが出来る。

状況によって、アトラスが二次元で入力が三次元である場合は、アトラスから引き出された唯一の撮像データが二次元テンプレートである様にして、ランドマークをレジストレーションすることが出来るという条件で、上記で説明されたようなアトラスが三次元で入力が三次元に比べて明らかに複雑でないことがある。

より複雑な状況とは、二次元入力データを既存の三次元ボリュームとマッチングするという場合がある。これに対し、上記の説明を逆に適用することにより、レジストレーションを生成することが出来ることがある。三次元アトラスにおける所定のテンプレートのマッチについての検索の代わりに、入力の中心をテンプレートとして取り、且つ当該入力テンプレートにマッチするパッチに対するアトラスを検索することで、二次元入力画像におけるテンプレートを動的に定義することが出来る。この場合もやはり、二次元におけるランドマークの機能的な検出を有することに依存する場合がある。状況次第で、三次元におけるランドマークを検出することが難しい場合がある。再構成される予定の特定のビューは、アトラスにおいて定義出来るかもしれない何らかのビューとは対照的に、入力画像において捉えられたビューとすることが出来る。

上記で説明された実施形態において、三次元撮像データは、アトラスデータへとレジストレーションされる。その他の実施形態において、二次元撮像データは、図２を参照に上記で説明された方法と同様の方法を使用して、アトラスデータへとレジストレーションすることが出来る。

二次元撮像データが与えられれば、可能な変換の範囲は非常に狭まる。テンプレート及び二次元撮像データが同じ面又は同様の面から捉えられていない限り、テンプレートによってもたらされた拘束を満たすことは難しい場合がある。いくつかの実施形態において、投影は、テンプレートマッチングを明らかにすることが出来る。

特定の実施形態は、ランドマークレジストレーションから導出された確率分布により導かれたテンプレート検索で、医用画像の自動的なアライメントに対する方法を提供する。係る方法とは、以下の通りとすることが出来る。
１．入力ボリュームにおけるランドマークを検出する。
２．検出されたランドマークからアトラスまでの変換にわたる確率分布を計算する。
３．収束するまで、最も確からしい変換で開始する。

３．１現在の最も確からしい変換に近傍する新たな候補変換を計算する。

３．２各候補変換に対し、
３．２．１変換によって決定された候補画像パッチを計算する。

３．２．２パッチがアトラスにおけるテンプレート画像パッチとマッチする確率を計算する。

３．２．３ランドマークによって決定された変換について先行確率が与えられてマッチの確率を計算する。

３．３現在の候補に比べてより高い確率を有する新たな候補が無い場合に収束を迎え、そうでなければ新たな逐次に対する最も確からしい候補を選択する。

検討された変換は、異方性スケーリングを可能とする通常のアフィンの場合がある。候補画像パッチは、テンプレートにより良くマッチするために、変換の下で異方的にスケールすることが出来る。

結果的な方法は、次の様にすることが出来る。
１．入力ボリュームにおけるランドマークを検出する。
２．検出されたランドマークからアトラスまでのアフィン変換にわたる確率分布を計算する。
３．収束するまで、最も確からしい変換で開始する。

３．１現在の最も確からしい変換に近傍する新たな候補変換を計算する。

３．２各候補変換に対し、
３．２．１異方性スケーリングを候補に入れながら、変換によって決定された候補画像パッチを計算する。

３．２．２パッチがアトラスにおけるテンプレート画像パッチとマッチする確率を計算する。

３．２．３ランドマークによって決定された変換について先行確率が与えられてマッチの確率を計算する。

３．３現在の候補に比べてより高い確率を有する新たな候補が無い場合に、収束を迎え、そうでなければ新たな逐次に対する最も確からしい候補を選択する。

本明細書では、特定の回路について説明してきた。代わりの実施形態では、これらの回路のうち１つ又は複数の機能は単一の処理リソース又はその他の構成要素によって提供可能であり、或いは、単一の回路によって提供される機能は、組み合わされた２つ以上の処理リソース又はその他の構成要素によって提供可能である。単一の回路への言及は、その回路の機能を提供する複数の構成要素が互いに離れているかどうかに関わらず、その様な構成要素を包含し、複数の回路への言及は、それらの回路の機能を提供する単一の構成要素を包含する。

特定の実施形態について説明してきたが、これらの実施形態は、例として提示したにすぎず、本発明の範囲を限定することを意図したものではない。実際に、本明細書で説明する新規な方法及びシステムは、様々なその他の形態で具体化することができる。その上、本明細書で説明される方法及びシステムの形態における様々な省略、置き換え、及び変更は、本発明の趣旨から逸脱することなく行うことが出来る。添付の特許請求の範囲及びその等価物は、本発明の範囲に含まれるこの様な形態又は変形形態を包含することを意図するものである。

１０…医用画像処理装置、１２…計算装置、１４…ＣＴスキャナ、１６…ディスプレイ、１８…入力デバイス、２０…メモリ、２２…ＣＰＵ、２４…レジストレーション回路、２６…テンプレートマッチング回路、２６…レジストレーション回路、２８…表示回路、６０…斜断面再フォーマット画像、６２…関節窩、７０…画像パッチ、７２…エッジマップ、７４…エッジ距離マップ、７６…エッジ距離マップ、７８…差分マップ

Claims (16)

1. 少なくとも一つの解剖学的特徴を含み被検体を撮像することで得られたボリュームデータを取得する取得部と、
   前記ボリュームデータにおいて前記少なくとも一つの解剖学的特徴を検出する検出部と、
   前記検出された少なくとも一つの解剖学的特徴と参照解剖学的データとの間の複数のレジストレーションに関する第１の確率分布を計算し、前記第１の確率分布に基づいて前記ボリュームデータにおける候補位置群を決定し、前記候補位置群を基準として前記ボリュームデータに設定される複数の候補画像データと前記少なくとも一つの解剖学的特徴に関する複数のテンプレートとを用いた局所的なテンプレートマッチングに関する第２の確率分布を計算する計算部と、
   前記第１の確率分布と前記第２の確率分布とに基づいて、前記複数の候補画像データから少なくとも一つの画像データを選択する選択部と、
   を具備する医用画像処理装置。
2. 前記複数の候補画像データは、二次元データ又は三次元データであり、
   前記選択された画像データに対応する二次元画像又は三次元画像を生成する画像生成部と、
   前記生成された二次元画像又は三次元画像を表示する表示部と、
   をさらに具備する請求項１記載の医用画像処理装置。
3. 前記計算部は、前記第１の確率分布に基づいて前記複数のレジストレーションに対応した複数の変換を取得する請求項１又は２記載の医用画像処理装置。
4. 前記計算部は、
   前記第１の確率分布に基づいて最大確率を有する変換を選択し、
   前記最大確率を有する変換を用いて、前記ボリュームデータから前記候補位置群を決定する、
   請求項３記載の医用画像処理装置。
5. 前記計算部は、前記第１の確率分布と前記第２の確率分布とを用いた結合確率を計算し、
   前記選択部は、前記結合確率に基づいて前記複数の候補画像データから少なくとも一つの画像データを選択する、
   請求項１乃至４のうちいずれか一項記載の医用画像処理装置。
6. 前記計算部は、前記結合確率を逐次処理により計算する請求項５記載の医用画像処理装置。
7. 前記計算部は、
   前記複数のレジストレーションのそれぞれに対応する変換を用いて前記第１の確率分布を計算し、
   前記候補位置群に基づいて前記ボリュームデータに複数のビューに対応した前複数の候補画像データを設定し、
   前記複数のビューに対応した前複数の候補画像データと複数のテンプレートとを用いた局所的な前記テンプレートマッチングを実行して、前記第２の確率分布を計算する、
   請求項１乃至６のうちいずれか一項記載の医用画像処理装置。
8. 前記計算部は、所定の収束条件を満たすまで前記逐次処理を実行する請求項６又は７記載の医用画像処理装置。
9. 前記計算部は、前記候補位置群の検索をガイドするために前記第１の確率分布を使用する請求項１乃至８のうちいずれか一項記載の医用画像処理装置。
10. 前記計算部は、勾配降下法を用いて前記検索を実行する請求項９記載の医用画像処理装置。
11. 前記計算部は、前記候補位置群によって決定されるオブリーク断面を基準として、前記複数の候補画像データを設定する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
12. 前記計算部は、前記レジストレーションにおいて、前記検出された少なくとも一つの解剖学的特徴を参照解剖学的データにおいて対応する少なくとも一つの解剖学的特徴にマッピングする請求項１乃至１１のうちいずれか一項記載の医用画像処理装置。
13. 前記参照解剖学的データは、アトラスデータ、バーチャル生体構造データのうちの少なくとも一つを有する請求項１乃至１２のうちいずれか一項記載の医用画像処理装置。
14. 前記計算部は、
    前記ボリュームデータにおいて設定された複数の候補画像データのそれぞれについて、前記候補位置群のエッジを検出して距離マップを生成し、
    前記複数の候補画像データのそれぞれに関する前記距離マップと、前記複数のテンプレートのそれぞれに関する距離マップとを用いて前記局所的なテンプレートマッチングを実行する、
    請求項１乃至１３のうちいずれか一項記載の医用画像処理装置。
15. 前記少なくとも一つの解剖学的特徴は関節を含む請求項１乃至１４のうちいずれか一項記載の装置。
16. コンピュータに、
    少なくとも一つの解剖学的特徴を含み被検体を撮像することで得られたボリュームデータを取得させる取得機能と、
    前記ボリュームデータにおいて前記少なくとも一つの解剖学的特徴を検出させる検出機能と、
    前記検出された少なくとも一つの解剖学的特徴と参照解剖学的データとの間の複数のレジストレーションに関する第１の確率分布を計算させ、前記第１の確率分布に基づいて前記ボリュームデータにおける候補位置群を決定させ、前記候補位置群を基準として前記ボリュームデータに設定される複数の候補画像データと前記少なくとも一つの解剖学的特徴に関する複数のテンプレートとを用いた局所的なテンプレートマッチングに関する第２の確率分布を計算させる計算機能と、
    前記第１の確率分布と前記第２の確率分布とに基づいて、前記複数の候補画像データから少なくとも一つの画像データを選択させる選択機能と、
    を実現させる医用画像処理プログラム。