JP2019500114A - 位置合わせ精度の決定 - Google Patents

Abstract

患者の解剖学的構造物の画像を記述する第１の画像データと第２の画像データ（Ａ、Ｂ）の間の第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するために、コンピュータ（２）が実行する医療データの処理方法であって、解剖学的構造物の第１の画像を記述する第１の画像データ（Ａ）を取得するステップと、解剖学的構造物の第２の画像を記述する第２の画像データ（Ｂ）を取得するステップと、第１の画像データ（Ａ）を、位置合わせアルゴリズムを使用して前記第２の画像データ（Ｂ）へ写像することによって、第１の画像データ（Ａ）の第２の画像データ（Ｂ）への第１の弾性位置合わせを記述する第１の位置合わせデータを決定するステップと、第２の画像データ（Ｂ）を、位置合わせアルゴリズムを使用して前記第１の画像データ（Ａ）へ写像することによって、第２の画像データ（Ｂ）の第１の画像データ（Ａ）への第２の弾性位置合わせを記述する第２の位置合わせデータを決定するステップと、第１の位置合わせデータ及び第２の位置合わせデータに基づいて、第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するステップと、を含むことを特徴とする方法。

Description

本発明は、患者の解剖学的構造物の画像を記述する第１及び第２の画像データの間の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するために、コンピュータが実行する医療データの処理方法、並びにこれに対応するコンピュータプログラム、及びシステムに関する。

弾性位置合わせ（弾性レジストレーション：elastic registration）は、元データセットから、異なる状態において同じ情報を含むと考えられる目標データセットへ点を写像する方法である。医療分野において、弾性位置合わせは一般的に用いられている。例えば、手術において、頭蓋骨または胴体を開いた後の臓器の運動範囲には、多くの場合、不確定性がある。開くことによって生じる動きの大きさを知るために、術中画像が使用される場合がある。しかし、この画像は、術前画像と比較して品質が低い。弾性位置合わせは、これらの２つの画像の間を写像するために一般的に使用される。

弾性位置合わせの別の応用分野は、放射線治療である。放射線治療において、患者を位置決めするための標準的な方法は、コーンビーム・コンピュータトモグラフィーを使用することである。肝臓及び前立腺のような臓器では、このような走査において腫瘍位置を明確に特定するために必要なコントラストが得られない場合が多い。可能な腫瘍位置を算出するために、弾性位置合わせを使用することができる。

理想的な弾性位置合わせでは、すべてのデータ点（ピクセル／ボクセル）の変換ベクトルに誤差がない。実際には、弾性位置合わせの変換ベクトル場は、誤差（位置誤差）を含んでいる。この誤差は、通常、未知であり、したがって、ユーザは、弾性位置合わせの精度を知ることができない可能性がある。

弾性位置合わせにおける誤差の理由の１つは、撮像装置の解像度に限界があることである。別の理由は、撮像法によって導入されるノイズである。さらに、弾性融合によって実物を写像することは、不可能ではないにしても、困難である。さらに、例えば肺または脳のような解剖学的構造物の構造が、第１の画像と第２の画像を取得する間に変化しているもしれない。

このような誤差を推定するための代表的な方法は、現在までのところ目標位置合わせ誤差（target registration error：ＴＲＥ）を計算することである。これを実行するために、弾性位置合わせに複数のランドマークを定義し、それらを写像する必要がある。次いで、ランドマークと写像されたランドマークとの間の距離を使用することによって、ランドマーク毎の誤差を測定することができる。通常、ランドマークと写像されたランドマークは手作業で同定される。ランドマークの生成によって、この方法の実際的な能力は、学問的な場合に限定される。ＴＲＥの別の望ましくない別の特徴は、全てのランドマークに対して、ＴＲＥ中に、元と目標の両方のランドマークの観測者内誤差が含まれることである。

本発明の態様は、弾性位置合わせの位置合わせ精度を決定するための改善された方法、特に、ユーザに弾性位置合わせの予測誤差を提供可能な方法を提供することである。

この問題は、任意の添付独立請求項に係る発明によって解決される。

本発明の利点、有利な特徴、有利な実施形態、及び、有利な態様は、以下に記載され、また、従属請求項に係る発明に含まれる。様々な有利な特徴は、それらを組み合わせることが技術的に合理的かつ実行可能である限り、本発明に従って組み合わせることができる。特に、１つの実施形態が備える特徴は、同一または類似の機能を有する他の実施形態が備える他の特徴と入れ換えることができる。また、１つの実施形態が備える他の実施形態にさらなる機能を補足する特徴は、他の実施形態に追加することができる。

本発明に従って、患者の解剖学的構造物の画像を記述する第１の画像データと第２の画像データの間の第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するために、コンピュータが実行する医療データの処理方法は、解剖学的構造物の第１の画像を記述する第１の画像データを取得するステップを含む。

この方法は、さらに、解剖学的構造物の第２の画像を記述する第２の画像データを取得するステップを含む。第１の画像を取得するステップ及び第２の画像を取得するステップは、同じ方法（ＣＴ、ＭＲ、等々）によって実施されるものであってもよい。例えば、第１の画像と第２の画像は、同じ方法によって、異なる時刻に取られるものであってもよい。別の実施形態において、第１の画像データと第２の画像データは、異なる撮像法により取得されるものであってもよい。第１の画像データ及び第２の画像データは、任意の次元数を有するものであっておよい。

この方法は、さらに、第１の画像データを、位置合わせアルゴリズムを使用して第２の画像データへ写像することによって、第１の画像データの第２の画像データへの第１の弾性位置合わせを記述する第１の位置合わせデータを決定するステップを含む。このステップにおいて、第１の画像データは、目標データである第２の画像データに写像される元データである。

この方法は、さらに、第２の画像データを、位置合わせアルゴリズムを使用して第１の画像データへ写像することによって、第２の画像データの第１の画像データへの第２の弾性位置合わせを記述する第２の位置合わせデータを決定するステップを含む。このステップにおいて、第２の画像データは元データを構成し、目標データである第１の画像データに写像される。

第１の位置合わせデータを決定するステップと第２の位置合わせデータを決定するステップは、同じ位置合わせアルゴリズムを使用する。それでも、第１の位置合わせデータを決定するステップと第２の位置合わせデータを決定するステップは、互いに独立である。言い換えれば、第１の弾性位置合わせを記述する第１の位置合わせデータは、第２の弾性位置合わせを記述する第２の位置合わせデータとは異なる。

さらに、この方法は、第１の位置合わせデータ及び第２の位置合わせデータに基づいて、第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するステップを含む。言い換えれば、誤差解析データを決定するステップは、第１の画像データ（元データ）から第２の画像データ（目標データ）への第１の弾性位置合わせと、第２の画像データ（元データ）から第１の画像データ（目標データ）への第２の弾性位置合わせを含む。誤差解析データは、位置合わせ精度を評価するために使用することができる。したがって、誤差解析データは、位置合わせの品質の指標でもある。

一実施形態において、誤差解析データは、データ処理によって位置合わせ精度と関連付けられるものであってもよい。この際、複数の事例によって訂正関数がトレーニングされるものであってもよい。位置合わせ精度を取得するために、訂正関数が誤差解析データに適用されるものであってもよい。

さらに、取得された誤差解析データは、様々な位置合わせアルゴリズムを評価するために使用されるものであってもよい。この際、グラウンドトルース（ground truth）・データセットが構築されるものであってもよい。例えば、誤差解析データの決定によって示される高い位置合わせ精度を備える、高度に専門化された位置合わせアルゴリズムを使用して、高い信頼性を有するグラウンドトルース写像が構築されるものであってもよい。次いで、この写像を、複数の多目的位置合わせアルゴリズムを順位付けするために使用することができる。例えば、放射線治療において弾性位置合わせを使用して可能な腫瘍の位置を算出するとき、誤差解析データを使用して、腫瘍の予測される位置誤差の不確かさが決定されるものであってもよい。

本発明に従う方法の全てのステップは、少なくとも１つのコンピュータの少なくとも１つのプロセッサが実行する／で実行されるものであってもよい。各ステップは、少なくとも１つのユニットが実行するものであってもよい。各ユニットは、ソフトウェアユニットまたはハードウェアユニットであってもよい。

一実施形態において、第１の位置合わせデータを決定するステップは、第１の画像データを第２の画像データに変換するための第１の変換ベクトル場を決定するステップを含み、第２の位置合わせデータを決定するステップは、第２の画像データを第１の画像データに変換するための第２の変換ベクトル場を決定するステップを含む。第１の変換ベクトル場を決定するステップは、第２の変換ベクトル場を決定するステップに依存しない。特に、第２の変換ベクトル場は、第１の変換ベクトル場の逆ベクトルとして決定されるものではない。したがって、第１の画像データの第２の画像データへの写像は、第２の画像データの第１の画像データへの写像に依存しない。

一実施形態において、誤差解析データを決定するステップは、第１の画像データ中のデータ点の元の位置を、第１の位置合わせデータを使用して変換するステップと、変換後の位置を第２の位置合わせデータを使用して変換し、データ点の新規の位置を得るステップと、データ点の元の位置と新規の位置の間の距離を算出し、観測誤差を得るステップと、を含む。観測誤差は、第１の画像データの第２の画像データへの第１の弾性位置合わせによって生じる誤差を含む。観測誤差は、２回の変換の後に、データ点の元の位置と新規の位置との間の距離を算出または測定することによって決定されるものであってもよい。

誤差解析データを決定するステップは、第１の画像データ中の複数のデータ点の観測誤差を決定するステップを含むものであってもよい。したがって、複数の観測誤差が決定されるものであってもよい。複数の観測誤差は、誤差解析データの後処理の対象であってもよい。言い換えれば、複数の観測誤差は、１回の位置合わせのみの実際の誤差（例えば、第１の画像データの第２の画像データへの第１の弾性位置合わせの実際の誤差）を決定するために、解析されるものであってもよい。

一実施形態において、第１の位置合わせデータを決定するステップは、第２の位置合わせデータを決定するステップに依存しない。一実施形態において、位置合わせアルゴリズムは、非対称アルゴリズムであってもよい。すなわち、位置合わせアルゴリズムは、対称的ではないものであってもよい。

一実施形態において、この方法は、関連付け関数を決定するステップを含むものであってもよい。関連付け関数は、観測誤差の位置合わせ品質指標に対する関係を記述するものであってもよい。位置合わせ品質指標の例は、目標位置合わせ誤差（ＴＲＥ）または実際の写像誤差である。目標位置合わせ誤差（ＴＲＥ）は、写像されたランドマークによって決定されるものであってもよい。

関連付け関数は、観測誤差に基づいて実際の写像誤差を推定することを可能にするものである。関連付け関数は、観測誤差を、対応する（例えばグランドトルース・データからの）実際の写像誤差に、特に最小二乗法により、当てはめることによって、決定されるものであってもよい。関連付け関数を使用して、観測誤差から、測定可能な目標位置合わせ誤差を予測することもできる。観測誤差の後処理の一部として、当てはめ（フィッティング）によって、観測誤差の標準偏差のための関数を得ることができる。

観測誤差は、後処理の一部として、様々な種類の統計解析の対象とされるものであってもよい。例えば、観測誤差の最大値、観測誤差の中央値（メディアン）、または観測誤差の標準偏差が決定されるものであってもよい。一実施形態において、後処理の一部として、観測誤差の誤差ヒストグラムが決定されるものであってもよい。

一実施形態において、位置合わせ精度指標（registration accuracy indicator：ＲＡＩ）は、複数の観測誤差と関連付け関数により決定されるものであってもよい。

一実施形態において、この方法は、第１の画像データ中の複数のサンプルデータ点のそれぞれに対して、観測誤差と、実際の写像誤差または目標位置合わせ誤差（ＴＲＥ）とを含む１つの集合を決定するステップと、複数の観測誤差の複数の集合を、複数の実際の写像誤差または目標位置合わせ誤差（ＴＲＥ）に関連付けることによって、関連付け関数を決定するステップとを含む。このように、複数の特定のサンプルデータ点に対して、複数の観測誤差と、複数の実際の写像誤差または目標位置合わせ誤差（ＴＲＥ）が分かれば、複数の観測誤差の複数の集合と、複数の実際の写像誤差または目標位置合わせ誤差（ＴＲＥ）とを、例えば当てはめ（フィッティング）により、関連付けることによって、関連付け関数を決定することができる。したがって、関連付け関数は、当てはめ関数、例えば多項式の当てはめ関数、であってもよい。

一実施形態において、実際の写像誤差を決定するステップは、第１の画像データ中にサンプルデータ点を定めるステップと、第１の画像データ中のサンプルデータ点の元の位置を、第１の位置合わせデータを使用して変換するステップと、サンプルデータ点の変換された位置を特定するステップと、サンプルデータ点の変換された位置と、第１画像中のサンプルデータ点に対応する第２画像中のサンプルデータ点の実際の位置との間の距離を算出するステップと、を含む。

１つまたは複数のサンプルデータ点は、ランドマークを構成するものであってもよい。ランドマークは、第１の画像中の１つまたは複数のサンプルデータ点をユーザが選択することによって定められるものであってもよい。ユーザは、例えば、第１の画像の特定の特徴を、１つまたは複数のサンプルデータ点を含むランドマークとして選択することができる。第１の位置合わせデータを使用してランドマークを変換し、ランドマークの変換された位置を特定し、ランドマークの変換された位置と実際の位置との間の距離を算出することによって、それぞれのランドマークに対して、したがってそれぞれのサンプルデータ点に対して、目標位置合わせ誤差が決定されるものであってもよい。このようにして決定された複数の実際の写像誤差が、上述した関連付け関数の決定に使用されるものであってもよい。

別の実施形態において、実際の写像誤差を決定するステップは、第１の画像データを、第１の位置合わせデータを使用して変換することによって、仮想画像データを算出するステップと、第１の画像データを、位置合わせアルゴリズムを使用して仮想画像データに写像することによって、第１の画像データの仮想画像データへの弾性位置合わせを記述する補助位置合わせデータを決定するステップと、第１画像データ中にサンプルデータ点を定めるステップと、第１の画像データ中のサンプルデータ点の元の位置を、第１の位置合わせデータを使用して変換し、サンプルデータ点の第１の変換された位置を得るステップと、第１の画像データ中のサンプルデータ点の元の位置を、補助位置合わせデータを使用して変換し、サンプルデータ点の第２の変換された位置を得るステップと、第１の変換された位置と第２の変換された位置との間の距離を算出し、実際の写像誤差を得るステップと、を含む。

補助位置合わせデータは、第１の画像データの仮想画像データへの理想的な（誤差のない）位置合わせを記述するものである。したがって、仮想画像データを算出するステップと補助位置合わせデータを決定するステップは、（誤差のない）理想的な弾性位置合わせの基礎を適用するものである。仮想画像データを使用する代わりに、グランドトルース・データセットのグランドトルース・データ、特に、良好な位置合わせ精度を備えた高度に専門化された位置合わせアルゴリズムに基づいて構築された、グランドトルース・データセットのグランドトルース・データを使用するものであってもよい。

一実施形態において、誤差解析データを決定するステップは、複数の前記観測誤差から少なくとも１つの統計的パラメータを決定するステップを含む。統計的パラメータは、例えば、観測誤差の平均値、または、観測誤差の標準偏差であってもよい。

一実施形態において、誤差解析データを決定するステップは、第１画像データ中に少なくとも１つのデータ領域を定めるステップと、少なくとも１つのデータ領域中の複数のデータ点の複数の前記観測誤差に関する少なくとも１つの局所的な統計的パラメータを決定するステップと、を含む。勿論、第１の画像データ中に複数のデータ領域が定められるものであってもよく、それぞれのデータ領域に対して少なくとも１つの局所的な統計的パラメータが決定されるものであってもよい。例えば、データ領域を定めるステップは、第１の画像中のウィンドウをユーザが選択することによって達成されるものであってもよい。

定められたデータ領域は、大きな写像誤差が予想される重要領域を含むものであってもよい。このような領域は、例えば、第１の画像の記録と第２の画像の記録との間に、解剖学的構造物（例えば、肺または脳）その中を動く領域である。データ領域は、統計的に有意な数の観測誤差が含まれるように選択されるものであってもよい。算出された観測誤差の局所的な統計的パラメータは、それぞれのデータ領域の中央位置に保存されるものであってもよい。局所的な統計的パラメータに基づいて、弾性位置合わせにより有意義な局所誤差が決定されるものだってもよい。

一実施形態において、本方法は、第１の画像データ中の少なくとも１つの重要構造物の位置を記述する重要構造物データを取得するステップと、重要構造物の位置と、第１の画像データ中の少なくとも１つのデータ領域の位置との間の距離を算出するステップと、を含む。

重要構造物データを取得するステップは、解剖学的構造物のモデルを記述する地図データを取得するステップを含む。重要構造物は、解剖学的構造物中の（外科医にとって）着目すべき領域であってもよい。重要構造部は、例えば腫瘍であってもよい。重要構造物の位置と、第１の画像データ中の少なくとも１つのデータ領域の位置との間の距離を算出することによって、少なくとも１つのデータ領域中の観測誤差に関する局所的な統計的パラメータと、重要構造物とを関連付けることができる。言い換えれば、ユーザは、定められたデータ領域中の観測誤差が、重要構造物を含む領域と関連するかどうか評価することができる。

本発明は、さらに、コンピュータのプロセッサで実行されたとき、または、コンピュータのメモリーにロードされたとき、上述した方法をコンピュータに実行させるプログラム、及び／または、このプログラムが、特に非一時的な形式で、保存されたプログラムストレージ媒体に関連する。

さらに、本発明は、プロセッサとメモリーとを含むコンピュータであって、上述したプログラムがプロセッサで実行されているか、もしくはメモリーにロードされている、及び／または、上述したプログラムストレージ媒体を含んでいる、コンピュータに関連する。

本発明に従う方法は、例えば、コンピュータが実行する方法である。コンピュータは、例えば、本発明に従う方法の全てのステップまたは幾つかのステップ（すなわち、全てのステップよりも少数のステップ）を実行することができる。コンピュータが実行する方法の一実施形態は、データ処理方法を実行するためにコンピュータを使用することである。コンピュータは、例えば電子工学的及び／または光学的に、データを（工学的に）処理するために、例えば、少なくとも１つの処理装置（プロセッサ）と例えば少なくとも１つの記憶装置（メモリー）とを含んでいる。処理装置は、例えば、半導体である物質または混合物、例えば少なくとも部分的にｎ型及び／またはｐ型の半導体からなる。この半導体は、例えばII族、III族、ＩＶ族、Ｖ族、ＶＩ族の半導体材料のうちの少なくとも１つであり、例えば（ドープされた）ケイ素及び／またはガリウム・ヒ素である。上述した算出（計算）ステップは、例えば、コンピュータが実行する。算出（計算）するステップ、または決定する（特定する、定める、判別する）ステップは、例えば、技術的方法のフレームワーク、例えばプログラムのフレームワーク、においてデータを決定する（特定する、定める、判別する）ステップである。コンピュータは、例えば、任意の種類のデータ処理装置であり、例えば電子的データ処理装置である。コンピュータは、例えば、デスクトップ型パーソナルコンピュータ、ノートブック型パーソナルコンピュータ、ネットブック型パーソナルコンピュータ等の、一般的にコンピュータと見なされる装置であってもよい。但し、コンピュータは、例えば携帯電話機または埋め込み型プロセッサ等の、任意のプログラム可能な装置であってもよい。

コンピュータは、例えば、複数の「下位コンピュータ」のシステム（ネットワーク）を含むものであってもよい。ここで、各下位コンピュータは、それ自体がコンピュータに相当する。「コンピュータ」という用語は、クラウドコンピュータ、例えばクラウドサーバを含む。「クラウドコンピュータ」という用語は、クラウドコンピュータシステムを含む。クラウドコンピュータシステムは、例えば、少なくとも１つのクラウドコンピュータからなるシステムを含み、例えばサーバファームのように、動作可能に相互接続された複数のクラウドコンピュータを含む。好ましくは、クラウドコンピュータは、ワールドワイドウェブ（ＷＷＷ）のような広域ネットワークに接続される。このようなクラウドコンピュータは、全てワールドワイドウェブに接続された複数のコンピュータからなるいわゆるクラウド中に存在する。このような基盤構造は、「クラウドコンピューティング」に使用される。クラウドコンピューティングには、特定のサービスを提供するコンピュータの物理的位置及び／または構成についてエンドユーザが知る必要のない計算、ソフトウェア、データのアクセス及びストレージサービスが含まれる。この点において「クラウド」という用語は、例えば、インターネット（ワールドワイドウェブ）の暗喩として使用される。例えば、クラウドは、サービスの１つとして計算の基盤構造を提供する（ＩａａＳ）。クラウドコンピュータは、本発明に係る方法を実行するために使用されるオペレーティングシステム及び／またはデータ処理アプリケーションの仮想ホストとして機能するものであってもよい。クラウドコンピュータは、例えば、Ａｍａｚｏｎ Ｗｅｂ Ｓｅｒｖｉｃｅｓ（登録商標）によって提供される Ｅｌａｓｔｉｃ Ｃｏｍｐｕｔｅ Ｃｌｏｕｄ（ＥＣ２）である。

コンピュータは、例えば、データの入出力及び／またはアナログ−デジタル変換を実行するためのインタフェースを含む。このデータは、例えば、物理的特性を表すデータ及び／または工学的信号から生成されたデータである。工学的信号は、特に、（工学的）検出装置（例えば、マーカーデバイスを検出するための装置）及び／または（工学的）分析装置（例えば、画像化の方法を実行する装置）であり、この場合、工学的信号は、例えば、電気信号または光信号である。工学的信号は、例えば、コンピュータにより受信または出力されたデータを表す。

コンピュータは、好ましくは、表示装置に動作可能に結合される。表示装置は、コンピュータによって出力された情報を、例えばユーザに対して、表示することを可能にする。表示装置の一例は、拡張現実デバイス（拡張現実メガネとも呼ばれる）であり、これをナビゲーションのための「ゴーグル」として使用することができる。このような拡張現実メガネの特定の例は、グーグル社製のグーグル・グラス（登録商標）である。拡張現実デバイスは、ユーザ相互作用による情報のコンピュータへの入力と、コンピュータによって出力された情報の表示の両方に使用することができる。表示装置の別の例は、標準的なコンピュータ用モニターである。このモニターには、例えば、表示装置上に画像情報のコンテンツを表示するために使用される信号を生成するためのコンピュータからの表示制御データを受信するために、コンピュータと動作可能に結合される液晶ディスプレイが含まれる。このようなコンピュータ用モニターの特定の実施形態は、デジタル・ライトボックスである。モニターは、例えば携帯型の、可搬型のデバイスであってもよく、例えば、スマートホン、またはパーソナル・デジタル・アシスタント、または、デジタル・メディア・プレーヤーであってもよい。

「データの取得」という語句には、例えば、（コンピュータが実行する方法のフレームワークにおいて）コンピュータが実行する方法またはプログラムによってデータが決定されることが含まれる。データの決定には、例えば、物理量を測定し、その測定値を、例えばデジタルデータのような、データに変換すること、及び／または、そのデータをコンピュータにより計算すること、特に、本発明に従う方法のフレームワークにおいてデータを計算することが含まれる。例えば、「データの取得」の意味には、コンピュータが実行する方法またはプログラムが、例えば別のプログラム、該方法の先行するステップ、またはデータストレージ媒体からのデータを、例えばコンピュータが実行する方法またはプログラムによる後の処理のために、受け取ることまたは取り出すことも含まれる。したがって、「データの取得」は、例えば、データを受け取るために待機すること及び／またはそのデータを受け取ることを意味する場合もある。受け取られたデータは、例えば、インタフェースを介して入力されるものであってもよい。「データの取得」は、コンピュータが実行する方法またはプログラムが、例えばデータストレージ媒体（例えば、ＲＯＭ、ＲＡＭ、データベース、ハードドライブ等）のようなデータ源から、または（例えば、別のコンピュータまたはネットワークから）インタフェースを介して、データを（能動的に）受け取るまたは取り出すためのステップを実行することを意味する場合もある。データは、取得ステップに先行する追加のステップを実行することによって、「使用のために準備される」ものであってもよい。データは、この追加のステップに従って、取得されるために生成されるものであってもよい。例えば、データは、（例えば、分析装置によって）検出またはキャプチャーされるものであってもよい。

その代わりに、または、それに追加して、データは、追加のステップに従って、例えばインタフェースを介して入力されるものである。例えば、生成されたデータは、（例えばコンピュータに）入力されるものであってもよい。データは、（取得ステップに先行する）追加のステップに従って、本発明に従う方法またはプログラムのフレームワークにおいてそのデータが利用可能となるようにデータストレージ媒体（例えば、ＲＯＭ、ＲＡＭ、ＣＤ、及び／または、ハードドライブ）にデータを保存する追加のステップを実行することにより、準備されるものであってもよい。したがって、「データの取得」には、取得されるべきデータを取得するように及び／または準備するように、装置に指令することも含まれ得る。

特に、取得ステップには、侵襲的手順は含まれない。この侵襲的手順は、身体に対する実質的な物理的干渉を意味し、医療の専門家によって実施されることを要するともともに、必要とされる専門的配慮と技能をもって実施された場合でも、健康に対する実質的な危険性を伴うものである。特に、データを取得すること、例えばデータを決定することには、外科的処置は含まれておらず、かつ、特に、人間または動物の身体を手術または治療を用いて処置するステップは含まれていない。本発明に係る方法によって使用される様々なデータを区別するために、データは、「ＸＹデータ」等のように記載（または、参照）され、このデータが記述する情報（好ましくは、「ＸＹ情報」等と呼ばれる）の観点から定義される。

本発明は、コンピュータ上で実行されるプログラムであって、コンピュータ上で実行されたときに、本明細書に記載された方法のうちの１つ、複数、または全てのステップをコンピュータに実行させるプログラム、及び／または、上記プログラムが（特に、非一時的な形式で）保存されたプログラムストレージ媒体、及び／または、上記プログラムストレージ媒体を含むコンピュータ、及び／または、例えば本明細書に記載された方法の任意のまたは全てのステップを実行するために適したコード手段を含むプラグラム（例えば、上記プログラム）を表す情報を搬送する（物理的な、例えば電気的な、例えば工学的に生成された）信号波、例えばデジタル信号波、にも関する。

本発明のフレームワークにおいて、コンピュータプログラム要素は、ハードウェア及び／または（ファームウェア、常駐型ソフトウェア、マイクロコード等を含む）ソフトウェアによって実現される。本発明のフレームワークにおいて、コンピュータプログラム要素は、コンピュータプログラム製品の形をとるものであってもよい。コンピュータプログラム製品は、コンピュータが使用可能な、例えばコンピュータが読み取り可能な、データストレージ媒体として実現されるものであってもよい。このデータストレージ媒体には、指令実行システム上でまたは指令実行システムと関連して使用するために、このデータストレージ媒体内に具体的に表されている、コンピュータが使用可能な、特にコンピュータが読み取り可能なプログラム指令、「コード」、または「コンピュータプログラム」が含まれる。このような指令実行システムは、コンピュータであってもよい。コンピュータは、本発明に従うコンピュータプログラム要素及び／またはプログラムを実行するための手段を含むデータ処理装置、特に、コンピュータプログラム要素を実行するためのデジタルプロセッサ（中央処理装置またはＣＰＵ）を含み、さらに、任意選択で、コンピュータプログラム要素を実行するために使用されるデータ、及び／または、コンピュータプログラム要素を実行することによって生成されたデータを保存するための揮発性記憶装置（特に、ランダムアクセスメモリーまたはＲＡＭ）を含むデータ処理装置である。

本発明のフレームワークにおいて、コンピュータが使用可能な、例えばコンピュータが読み取り可能な、データストレージ媒体は、指令実行システム、指令実行装置、または指令実行デバイス上で、または、これらのシステム、装置、デバイスと関連して使用するためのプログラムについて、それを含む、それを保存する、それと通信する、それを伝搬させる、またはそれを輸送することが可能な任意のデータストレージ媒体とすることができる。コンピュータが使用可能な、例えばコンピュータが読み取り可能な、データストレージ媒体は、例えば、電子的、磁気的、光学的、電磁的、赤外線、または半導体のシステム、装置、またはデバイスであってもよく、もしくは、例えばインターネットのような伝搬媒体であってもよいが、これらに限定されるものではない。コンピュータが使用可能なまたはコンピュータが読み取り可能なデータストレージ媒体は、プログラムが印刷された紙または他の適切な媒体ですらあってもよい。それは、例えば、紙または他の適切な媒体を光学的にスキャンすることによりプログラムを電子的に取り込み、次いで、適切な手段によりコンパイル、インタープリット、または、他の処理をすることが可能であるからである。好ましくは、データストレージ媒体は、不揮発性のデータストレージ媒体である。

本明細書に記載されたコンピュータプログラム製品、並びに、任意のソフトウェア及び／またはハードウェアは、例示的な実施形態において、本発明の機能を実施するための様々な形をとるものである。コンピュータ及び／またはデータ処理装置は、特に、ガイダンス情報を出力するための手段を含むガイダンス情報装置を含むものであってもよい。ガイダンス情報は、例えば、視覚的指示手段（例えば、モニター及び／またはランプ）による視覚的な方法、及び／または、聴覚的指示手段（例えば、スピーカー及び／またはデジタル音声出力装置）による聴覚的な方法、及び／または、触覚的指示手段（例えば、振動要素または機器に組み込まれた振動要素）による触覚的な方法により、例えばユーザに対して、出力されるものであってもよい。本明細の目的に対して、コンピュータは工学的コンピュータであり、例えば工学的な（例えば触知可能な）構成要素、例えば機械的な構成要素、及び／または、電子的な構成要素を含むものである。本明細書にこのように記載された任意の装置は、工学的かつ例えば触知可能な装置である。

身体のｎ次元画像は、空間内の実際の物体（例えば、手術室内の身体部位）の各点の空間位置が、ナビゲーションシステムに保存された画像（ＣＴ、ＭＲ、等々）の画像データ点に割り当てられるときに、位置合わせされる。

画像の位置合わせ（レジストレーション）は、様々なデータの集合を、１つの座標系に変換する処理である。データは、複数の写真、及び／または、様々なセンサ、様々な時刻、もしくは様々な視点からのデータであってもよい。画像の位置合わせは、コンピュータビジョン、医療イメージング、及び、人工衛星からの画像及びデータの編集または解析において使用される。位置合わせは、これらの様々な測定によって取得されたデータを比較または統合することを可能にするために必要となるものである。

ランドマークは、定められた解剖学的身体部位の要素であり、この要素は、複数の患者の同じ解剖学的身体部位中で常に同一であるか、または、高い類似性をもって再現されるものである。典型的なランドマークは、例えば、大腿骨の上顆、あるいは、椎骨の横突起及び／または後突起の先端部である。点（主要点または補助点）は、このようなランドマークを表すものであってもよい。身体部位の特徴的解剖学的構造物上に（例えば、その表面上に）存在するランドマークによって、このような構造物を表すことができる。ランドマークは、解剖学的構造物の全体、または一点のみ、または部分を表すものであってもよい。ランドマークは、例えば、解剖学的構造物（例えば、主要な構造物）上に存在するものであってもよい。このような解剖学的構造物の例は、腸骨稜の後面である。ランドマークの別の例は、寛骨臼の縁部によって（例えば、上記縁部の中央として）定められるものである。別の例において、ランドマークは、寛骨臼の底部または最深点を表し、これは、多数の検出点から得られる。このように、１つのランドマークは、例えば、多数の検出点を代表する場合もある。上述したように、ランドマークは、身体部位の特徴的構造物に基づいて定められた解剖学的特徴を表すものであってもよい。さらに、ランドマークは、２つの身体部位の相対運動によって定められる解剖学的特徴（例えば、寛骨臼に対して動くときの大腿骨の回転中心）を表すものであってもよい。

好ましくは、解剖学的部位の一般的な三次元形状を記述する（例えば「定義する」、より具体的には「表す」及び／または「である」）地図データが取得される。したがって、この地図データは、解剖学的部位の地図を表す。地図は、典型的には、複数のオブジェクトの一般モデルからなる。複数のオブジェクトの一般モデルは、全体として複雑な構造を構成する。例えば、地図は、複数の人体から（例えば、このような人体の画像を含む医療画像データから）収集された解剖学的情報から生成された、患者の身体（例えば、身体部位）の統計モデルを構成する。したがって、原理的には、地図データは、複数の人体の医療画像データの統計分析の結果を表す。この結果は、画像として出力されるものであってもよく、この場合、地図データは、医療画像データを含むか、または医療画像データと比較可能である。このような比較は、例えば、地図データと医療画像データとの間の画像融合を行う画像融合アルゴリズムを適用することによって実施することができる。この比較の結果は、地図データと医療画像データの類似尺度であってもよい。

その解剖学的構造が地図データを生成するための入力として用いられる複数の人体は、有利には、例えば性別、年齢、民族、身体寸法（例えば、大きさ及び／または質量）、及び病態のうちの少なくとも１つのような共通の特徴を共有しているものである。解剖学的情報は、例えば人体の解剖学的構造を記述するものであり、例えば人体に関する医療画像情報から抽出される。例えば、大腿骨の地図は、大腿骨頭、大腿骨頚、大腿骨体、大転子、小転子、及び遠位端をオブジェクトとして含み、これらの全体で完全な構造が構成される。脳の地図は、例えば、終脳、小脳、間脳、脳橋、中脳、及び延髄をオブジェクトとして含み、これらの全体で複雑な構造を構成する。このような地図の１つの応用例は、医療画像の区画化（セグメンテーション）である。区画化において、画像データの点（ピクセルまたはボクセル）に照合された地図のオブジェクトを割り当て、それによって画像データを複数のオブジェクトに区画化するために、地図は医療画像と照合され、画像データが照合された地図と比較される。

医学分野において、撮像法（撮像モダリティ及び／または医療撮像モダリティとも呼ばれる）は、人の身体の解剖学的構造物（例えば、柔組織、骨、臓器等）の画像データ（例えば、２次元画像データまたは３次元画像データ）を生成するために使用される。「医療撮像法」という用語は、（有利には装置に基づく）撮像法（所謂、医療撮像モダリティ及び／または放射線撮像法）を意味するものとして理解されている。それらは、例えば、コンピュータトモグラフィー（ＣＴ）及びコーンビーム・コンピュータトモグラフィー（ＣＢＣＴ、例えばボリューメトリックＣＢＣＴ）、Ｘ線トモグラフィー、磁気共鳴トモグラフィー（ＭＲＴまたはＭＲＩ）、従来のＸ線、ソノグラフィー及び／または超音波検査、並びに、陽電子放射トモグラフィーである。このようにして生成された画像データは、「医療画像データ」とも呼ばれる。分析装置は、例えば、装置に基づく撮像法において、画像データを生成するために使用される。撮像法は、特に医療診断のために使用され、画像データによって記述される画像を生成するために解剖学的身体を分析するものである。撮像法は、特に、人の身体中の病変を検出するために使用される。しかし、解剖学的構造物中の変化（例えば、構造物（組織）中の病変）の幾つかは、検出可能ではない可能性があり、したがって、撮像法によって生成された画像中で視認できない可能性がある。例えば、腫瘍は、解剖学的構造中の病変の例に相当する。腫瘍が成長すると、膨張した解剖学的構造物を示すといわれる。この膨張した解剖学的構造物は、検出可能ではない（例えば、膨張した解剖学的構造物の一部のみが検出可能である）可能性がある。例えば、原発脳腫瘍または悪性度の高い脳腫瘍は、造影剤が腫瘍に浸透するように使用された場合、通常、ＭＲＩ走査で見ることができる。ＭＲＩ走査は、撮像法の一例に相当する。このような脳腫瘍のＭＲＩ走査の場合、ＭＲＩ画像中の（造影剤が腫瘍に浸透したことによる）信号強調部が、固形腫瘍塊を示すものと考えられる。したがって、この腫瘍は検出可能であり、特に、撮像法によって生成された画像で識別可能である。これらの「増感」腫瘍と呼ばれる腫瘍に加えて、脳腫瘍の約１０％は走査で識別可能ではなく、例えば、撮像法によって生成された画像でユーザが見た時に視認可能ではないと考えられている。

画像融合は、弾性画像融合または剛体画像融合であり得る。剛体画像融合の場合、二次元画像のピクセル及び／または三次元画像のボクセル間の相対位置は固定されている。一方、弾性画像融合の場合、相対位置は変化することができる。

本出願において、「弾性位置合わせ（elastic registration）」、「弾性融合（elastic fusion）」、及び「非剛体位置合わせ（deformable registration）」という用語は、同義語として使用される。さらに、本出願において、「弾性画像融合」という用語の代わりに、「画像モーフィング（image morphing）」という用語も使用されるが、両者は同じ意味である。

弾性画像変換（例えば、弾性画像融合の変換）は、例えば、１つのデータセット（例えば、例えば第１の画像のような、第１のデータセット）から別のデータセット（例えば、例えば第２の画像のような、第２のデータセット）への継ぎ目のない遷移が可能となるように設計される。この変換は、例えば、第１及び第２のデータセット（画像）のうちの一方が、例えば第１及び第２の画像のうちの他方における同じ場所に対応する構造物（例えば、対応する画像要素）が配置されるように、変形されるものである。第１及び第２の画像のうちの一方から変換された変形（変換）画像は、例えば、第１及び第２の画像のうちの他方と可能な限り類似する。好ましくは、最適な類似度が得られる変換を見つけるために、（数値的）最適化アルゴリズムが適用される。この類似度は、好ましくは、類似性の尺度（以下では、「類似尺度」ともいう）によって測られる。

最適化アルゴリズムのパラメータは、通常、最適化パラメータとなるパラメータについての２つのステップの間の変化量を決定する。これらそれぞれのステップの結果は、例えば、変形場のベクトルである。この変形場を画像データに適用することによって、２つの画像の間の類似性が決定される。これらのベクトルは、最適化アルゴリズムによって最大の類似度が生じるように決定される。したがって、最大の類似度は、最適化アルゴリズムに対する条件、特に拘束条件を表す。ベクトルの後端は、例えば変換される第１及び第２の画像のうちの一方のボクセル位置にあり、ベクトルの先端は、変換された画像の対応するボクセル位置にある。好ましくは、これらの複数のベクトルは、例えば画像から全てのデータ点に対して準備される。好ましくは、変換（変形）に対する（他の）複数の拘束条件があり、これは、例えば、異常な変換（例えば、全てのボクセルが同じ位置に移動するような変換）を回避するためである。これらの拘束条件には、例えば、変換が正則であるという条件が含まれる。この拘束条件は、例えば、変形場（例えば、ベクトル場）の行列から計算されるヤコビ行列式が、ゼロよりも大きいことを意味する。また、これらの拘束条件には、変換（変形）された画像が自己交差しないという条件も含まれる。また、拘束条件には、例えば、画像と同時にかつ対応する態様で構造格子が変換される場合、構造格子が、そのどの位置でも折り重ならないという条件が含まれる。

最適化問題は、例えば、反復により解かれる。この反復は、例えば最適化アルゴリズム、例えば一階の最適化アルゴリズムによって実行される。一階の最適化アルゴリズムは、例えば勾配降下アルゴリズムである。最適化アルゴリズムの他の例には、滑降シンプレックスアルゴリズムのような、微分を使用しない最適化アルゴリズム、または、広義ニュートン法に基づくアルゴリズムのような、高階の微分を使用するアルゴリズムが含まれる。最適化アルゴリズムは、好ましくは、局所的最適化を実行するものである。但し、複数の局所最適解が存在する場合、例えばシミュレーテッド・アニーリングまたは遺伝的アルゴリズムのような大域的アルゴリズムを使用するものであってもよい。線形最適化問題の場合には、例えばシンプレックス法を使用することができる。

最適化アルゴリズムの各ステップにおいて、ボクセルは、例えば、特定の方向に特定の大きさで、類似度が増大するように移動される。この大きさは、好ましくは、所定の限界値よりも小さく（例えば、画像の直径の１／１０、または１／１００、または１／１０００よりも小さい）、また、例えば、隣接するボクセル間の距離に略等しいかまたはそれよりも小さいものである。大きな変形は、例えば（反復の）ステップ数を増大させることにより実行することができる。

特に、本発明には、侵襲的手順は含まれない。この侵襲的手順は、身体に対する実質的な物理的干渉を意味し、医療の専門家によって実施されることを要するともともに、必要とされる専門的配慮と技能をもって実施された場合でも、健康に対する実質的な危険性を伴うものである。例えば、本発明は、医療用インプラントを解剖学的構造物に固定するためにその医療用インプラントの位置を定めるステップ、または、その医療用インプラントを解剖学的構造物に固定するステップ、または、医療用インプラントを固定させるように解剖学的構造物を準備するステップを含まない。特に、本発明には、どんな外科的または治療的な活動も含まれていない。

以下に、本発明の好適な実施形態を表す添付図面を参照して、本発明が説明される。但し、本発明の範囲は、図面に開示される特定の特徴によって制限されるものではない。

図１は、誤差解析データを決定するための方法を示すフローチャートである。 図２は、弾性融合及び本方法の適用の間の誤差の形成を示す模式図である。 図３は、目標位置合わせ誤差（ＴＲＥ）を観測誤差（Ｅ_Ｍ）に対して示すグラフである。 図４は、観測誤差（Ｅ_Ｍ）の平均を実際の誤差の平均に対して示すグラフである。 図５は、観測誤差（Ｅ_Ｍ）の標準偏差を実際の誤差の標準偏差に対して示すグラフである。 図６は、本方法を実行するコンピュータを示す図である。

図１は、患者の解剖学的構造物の画像を記述する第１及び第２の画像データの間の第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するための方法を示すフローチャートである。「弾性位置合わせ」、「弾性融合」、及び「非剛体位置合わせ」の用語は、同義語として使用される。

ステップＳ０１は、解剖学的構造物の第１の画像を記述する第１の画像データ（容積Ａ）を取得するステップを含む。ステップＳ０２は、解剖学的構造物の第２の画像を記述する第２の画像データ（容積Ｂ）を取得するステップを含む。画像データは、上述した撮像法のうちの任意の１つによって提供されるものであってもよい。

ステップＳ０３は、位置合わせアルゴリズムを使用して第１の画像データを第２の画像データへ写像することによって、第１の画像データから第２の画像データへの第１の弾性位置合わせを記述する第１の位置合わせデータを決定するステップを含む。ステップＳ０４は、位置合わせアルゴリズムを使用して第２の画像データを第１の画像データへ写像することによって、第２の画像データから第１の画像データへの第２の弾性位置合わせを記述する第２の位置合わせデータを決定するステップを含む。

ステップＳ０５は、第１の位置合わせデータと第２の位置合わせデータに基づいて、第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するステップを含む。任意選択のステップＳ０６において、決定された誤差解析データは、さらに、後処理方法により処理されるものであってもよい。

図２は、開示される方法の間の誤差の形成を示す模式図である。第１の画像データＡ中のデータ点Ｐ_Ａは、第１の変換ベクトルＴ_ＡＢによって第２の画像データＢ中のデータ点Ｐ_Ｂ’に変換される。第１の変換ベクトルＴ_ＡＢは、第１の位置合わせデータに含まれる。第１の画像データＡ中のデータ点を第２の画像データＢ中のデータ点に変換することは、第１の画像データ中のデータ点の元の位置を、第２の画像データＢ中の変換された位置に変換することを意味する。

さらに、図２には、第１の画像データＡ中のデータ点Ｐ_Ａの第２の画像データＢ中のデータ点Ｐ_Ｂ’への変換が、正しくないことが示されている。画像データＢにおいて、Ｐ_Ａに対応するデータ点はＰ_Ｂである。仮定上のベクトルＴ_Ｒが、Ｐ_ＡからＰ_Ｂへの実際の変換を記述する。データ点Ｐ_Ｂ’とデータ点Ｐ_Ｂは、第１の変換ベクトルＴ_ＡＢによる変換の実際の写像誤差Ｅ_ＡＢを表す距離によって分離されている。開示される方法の１つの態様は、実際の写像誤差Ｅ_ＡＢを推定することである。

図２に示すように、第２の画像データ中のデータ点Ｐ_Ｂ’は、第２の変換ベクトルＴ_ＢＡによって、第１の画像データ中のデータ点Ｐ_Ａ’に変換される。第２の変換ベクトルＴ_ＢＡは、第２の位置合わせデータに含まれる。さらに、データ点Ｐ_Ｂ’は、実際の変換ベクトルの逆ベクトルＴ_Ｒ ^−１によって、第１の画像データ中のデータ点Ｐ_Ａ’’に変換される。データ点Ｐ_Ａ’とデータ点Ｐ_Ａ’’との間の距離は、第２の変換ベクトルＴ_ＢＡにおける誤差Ｅ_ＢＡを表す。

第１の変換ベクトルＴ_ＡＢの実際の写像誤差Ｅ_ＡＢと第２の変換ベクトルＴ_ＢＡの誤差Ｅ_ＢＡを、直接測定することはできない。

データ点Ｐ_Ａとデータ点Ｐ_Ａ’の間の距離は観測誤差Ｅ_Ｍを表し、この観測誤差Ｅ_Ｍは測定することができる。観測誤差Ｅ_Ｍは、次の式によって表される。
Ｅ_Ｍ＝｜Ｔ_ＢＡ（Ｔ_ＡＢ（Ｐ_Ａ））−Ｐ_Ａ｜＝Ｅ_ＡＢ＋Ｅ_ＢＡ

次の式に従って、複数の観測誤差Ｅ_Ｍにより位置合わせ精度指標（ＲＡＩ）を決定することができる。ここで、ｆは、関連付け関数である。

一実施形態において、観測誤差Ｅ_Ｍは、実際の写像誤差Ｅ_ＡＢまたは目標位置合わせ誤差（ＴＲＥ）に関連させることができる。但し、次のような仮定が置かれる。

−位置合わせアルゴリズムは対称的ではない。
−位置合わせに偏りはない。すなわち、位置合わせの系統誤差（過小推定または過大推定）は存在しない。
−観測誤差Ｅ_Ｍは、実際の誤差Ｅ_ＡＢ＋Ｅ_ＢＡの周りに正規分布に従って散らばっている。
−変換ベクトル場は、大きな勾配を有していない。
−実際の写像誤差Ｅ_ＡＢは、大きな勾配を有していない。

図３には、患者１から患者５までの５つのデータセットに関して、目標位置合わせ誤差（ＴＲＥ）が、観測誤差Ｅ_Ｍに対して示されている。図３には、上述した仮定を満たす特定の位置合わせアルゴリズムに対して、観測誤差Ｅ_Ｍと目標位置合わせ誤差ＴＲＥは、基本的には、尺度因子を除いて（平均して）同じであることが示されている。したがって、観測誤差Ｅ_Ｍは、実際に、弾性融合の位置合わせ精度について有用な指標を提供するものである。

図３に示す最小二乗法による当てはめ関数は、観測誤差Ｅ_Ｍの、目標位置合わせ誤差（ＴＲＥ）に対する関係を記述する関連付け関数の一例である。このような関連付け関数を使用して、観測誤差Ｅ_Ｍから、測定可能な目標位置合わせ誤差（ＴＲＥ）を予測することができる。同様に、誤差の標準偏差について、このような関連付け関数を得ることができる。このような全ての当てはめステップは、任意選択の後処理ステップの一部であってもよい。

上述したように仮定することによって、観測誤差Ｅ_Ｍを、実際の写像誤差Ｅ_ＡＢに関連させることができる。データ点Ｐ_Ａのデータ点Ｐ_Ｂ’への写像による誤差が小さい限り、データ点Ｐ_Ｂ’のデータ点Ｐ_Ａ’への写像は、データ点Ｐ_Ｂ’のデータ点Ｐ_Ａ’’への写像に近いものとなる。これが成り立つ場合、観測誤差Ｅ_Ｍの分布は、混合ガウス分布に類似する。この知識を用いて、実際の誤差分布を解析的に導出することができる。上述した仮定の下において、実際の誤差Ｅ_ＡＢの標準偏差は、観測誤差Ｅ_Ｍの標準偏差よりも小さい。

上述したように、目標位置合わせ誤差（ＴＲＥ）の使いやすさは、限定的なものである。実際の写像誤差を決定する方法は、第１の画像データＡを、第１の位置合わせデータを使用して変換することによって、仮想画像データを算出するステップと、第１の画像データＡを、位置合わせアルゴリズムを使用して仮想画像データに写像することによって、第１の画像データの仮想画像データへの弾性位置合わせを記述する補助位置合わせデータを決定するステップと、第１画像データ中にサンプルデータ点を定めるステップと、第１の画像データ中のサンプルデータ点の元の位置を、第１の位置合わせデータを使用して変換し、サンプルデータ点の第１の変換された位置を得るステップと、第１の画像データ中のサンプルデータ点の元の位置を、補助位置合わせデータを使用して変換し、サンプルデータ点の第２の変換された位置を得るステップと、第１の変換された位置と前記第２の変換された位置との間の距離を算出し、実際の写像誤差Ｅ_ＡＢを得るステップと、を含んでいる。言い換えれば、仮想画像データは、実際の変換ベクトル場を使用することによって算出される。

サンプルデータ点は、（理想的な）第１の位置合わせデータを含む変換ベクトル場を使用して変換され、また、補助位置合わせデータによっても変換される。これらの２種類の変換されたデータ点の間の距離を算出することによって、補助位置合わせデータに対する実際の写像誤差Ｅ_ＡＢが得られる。同様に、実際の写像誤差Ｅ_ＡＢは、第１の位置合わせデータ及び第２の補助位置合わせデータの逆を使用して算出されるものであってもよい。

図４及び図５に示すテストでは、位置合わせを悪化させるために、仮想画像データにノイズが付加された。図４には、観測誤差Ｅ_Ｍの平均値が、上述した方法により決定された実際の誤差Ｅ_ＡＢの平均値に対してプロットされている。図５には、観測誤差Ｅ_Ｍの標準偏差が、実際の誤差Ｅ_ＡＢの標準偏差に対し、プロットされている。観測誤差Ｅ_Ｍの平均値と実際の誤差Ｅ_ＡＢの平均値とを比較すると、観測誤差Ｅ_Ｍは、実際の誤差Ｅ_ＡＢと完全には一致しないことが分かる。図４及び図５には、観測誤差Ｅ_Ｍの実際の誤差Ｅ_ＡＢとの関連を記述すする関連付け関数が描画されている。これらの関連付け関数は、線形関数を使用して、最小二乗法による当てはめによって得られたものである。他の当てはめ関数も適用可能である。

観測誤差Ｅ_Ｍは、未処理の形で、位置合わせを順位付けする、または、結果が特定の制限内にあるかどうかのしきい値を設定するために使用されるものであってもよい。さらに、観測誤差Ｅ_Ｍは、（測定可能な）目標位置合わせ誤差（ＴＲＥ）のような参照モデルを生成するために使用されるものであってもよい。さらに、上述したように、観測され、累積された誤差Ｅ_Ｍは、実際の写像誤差Ｅ_ＡＢと関連付けられるものであってもよい。

画像データ中にデータ領域を定め、そのデータ領域内のデータ点に対して得られる観測誤差の統計的パラメータを決定することによって、局所的な統計的パラメータが決定されるものであってもよい。特に、定められたデータ領域は、画像データにわたって移動するスライド領域であってもよい。複数の定められたデータ領域中の観測誤差に対して局所的な統計的パラメータを算出することによって、有意義な局所的誤差を生成することができる。

さらに、データ領域は、例えば患者の肺または肝臓などの特定の解剖学的構造物に関して定められるものであってもよい。この場合、このように定められたデータ領域中のデータ点の観測誤差は、その解剖学的構造物に特有のものとなる。局所的誤差を決定することによって、ユーザの弾性位置合わせに関する有用な情報が得られる。例えば、写像が不良な領域をハイライト化することができ、それによって、解釈を誤る危険性を最小化することができる。さらに、局所的誤差は、画像データ中の重要構造物（例えば、腫瘍）を含む領域に関して決定されるものであってもよい。重要構造物に関連させて局所的誤差に関する情報をユーザに提供することによって、位置合わせ精度のさらに有意義な評価が可能となる。この際、ユーザに位置合わせ誤差の信頼区間が提供されるものであってもよい。

図６には、プロセッサ３、メモリー４、及びインタフェース５を含むコンピュータ２が示されている。コンピュータ２は、例えばマウス、キーボード、または接触感知面のような入力ユニット６、例えばディスプレイ、スピーカー、または触感生成ユニットのような出力ユニット７に接続されている。コンピュータ２に、本発明に従う方法を実行させるプログラムは、コンピュータのメモリー４にロードされているものであってもよい。一実施形態において、このプログラムは、コンピュータ２に含まれるか、またはコンピュータ２に接続されたプログラムストレージ媒体に保存されているものであってもよい。

Claims (14)

1. 患者の解剖学的構造物の画像を記述する第１の画像データと第２の画像データ（Ａ、Ｂ）の間の第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するために、コンピュータ（２）が実行する医療データの処理方法であって、
   −前記解剖学的構造物の第１の画像を記述する第１の画像データ（Ａ）を取得するステップと、
   −前記解剖学的構造物の第２の画像を記述する第２の画像データ（Ｂ）を取得するステップと、
   −前記第１の画像データ（Ａ）を、位置合わせアルゴリズムを使用して前記第２の画像データ（Ｂ）へ写像することによって、前記第１の画像データ（Ａ）の前記第２の画像データ（Ｂ）への第１の弾性位置合わせを記述する第１の位置合わせデータを決定するステップと、
   −前記第２の画像データ（Ｂ）を、位置合わせアルゴリズムを使用して前記第１の画像データ（Ａ）へ写像することによって、前記第２の画像データ（Ｂ）の前記第１の画像データ（Ａ）への第２の弾性位置合わせを記述する第２の位置合わせデータを決定するステップと、
   −前記第１の位置合わせデータ及び前記第２の位置合わせデータに基づいて、前記第１の弾性位置合わせの位置合わせ精度を記述する誤差解析データを決定するステップと、
   を含むことを特徴とする方法。
2. 前記第１の位置合わせデータを決定するステップは、前記第１の画像データ（Ａ）を前記第２の画像データ（Ｂ）に変換するための第１の変換ベクトル場を決定するステップを含み、前記第２の位置合わせデータを決定するステップは、前記第２の画像データ（Ｂ）を前記第１の画像データ（Ａ）に変換するための第２の変換ベクトル場を決定するステップを含み、前記第１の変換ベクトル場を決定するステップは、前記第２の変換ベクトル場を決定するステップに依存しないこと、を特徴とする請求項１に記載の方法。
3. 前記誤差解析データを決定するステップは、
   −前記第１の画像データ（Ａ）中のデータ点（Ｐ_Ａ）の元の位置を、前記第１の位置合わせデータを使用して変換するステップと、
   −変換後の位置を前記第２の位置合わせデータを使用して変換し、前記データ点の新規の位置（Ｐ_Ａ’）を得るステップと、
   −前記データ点の元の位置と新規の位置（Ｐ_Ａ、Ｐ_Ａ’）の間の距離を算出し、観測誤差（Ｅ_Ｍ）を得るステップと、を含むことを特徴とする請求項１または２に記載の方法。
4. 前記誤差解析データを決定するステップは、前記第１の画像データ（Ａ）中の複数のデータ点（Ｐ_Ａ）の観測誤差（Ｅ_Ｍ）を決定するステップを含むことを特徴とする請求項３に記載の方法。
5. 前記観測誤差（Ｅ_Ｍ）の実際の写像誤差（Ｅ_ＡＢ）に対する関係を記述する関連付け関数を決定するステップを含む、ことを特徴とする請求項４に記載の方法。
6. 前記第１の画像データ（Ａ）中の複数のサンプルデータ点（Ｐ_Ａ）のそれぞれに対して、観測誤差（Ｅ_Ｍ）と、実際の写像誤差（Ｅ_ＡＢ）または目標位置合わせ誤差とを含む１つの集合を決定するステップと、複数の観測誤差（Ｅ_Ｍ）の複数の集合と、複数の実際の写像誤差（Ｅ_ＡＢ）または目標位置合わせ誤差とを関連付けることによって、前記関連付け関数を決定するステップと、を含むことを特徴とする請求項５に記載の方法。
7. 前記実際の写像誤差（Ｅ_ＡＢ）を決定するステップは、
   −前記第１の画像データ（Ａ）中にサンプルデータ点を定めるステップと、
   −前記第１の画像データ（Ａ）中の前記サンプルデータ点の元の位置を、前記第１の位置合わせデータを使用して変換するステップと、
   −前記サンプルデータ点の変換された位置を特定するステップと、
   −前記サンプルデータ点の変換された位置と、前記第１画像（Ａ）中の前記サンプルデータ点に対応する前記第２画像中のサンプルデータ点の実際の位置との間の距離を算出するステップと、
   を含むことを特徴とする請求項５または６に記載の方法。
8. 前記実際の写像誤差（Ｅ_ＡＢ）を決定するステップは、
   −前記第１の画像データ（Ａ）を、前記第１の位置合わせデータを使用して変換することによって、仮想画像データを算出するステップと、
   −前記第１の画像データ（Ａ）を、前記位置合わせアルゴリズムを使用して前記仮想画像データに写像することによって、前記第１の画像データ（Ａ）の前記仮想画像データへの弾性位置合わせを記述する補助位置合わせデータを決定するステップと、
   −前記第１画像データ（Ａ）中にサンプルデータ点を定めるステップと、
   −前記第１の画像データ（Ａ）中の前記サンプルデータ点の元の位置を、前記第１の位置合わせデータを使用して変換し、前記サンプルデータ点の第１の変換された位置を得るステップと、
   −前記第１の画像データ（Ａ）中の前記サンプルデータ点の元の位置を、前記補助位置合わせデータを使用して変換し、前記サンプルデータ点の第２の変換された位置を得るステップと、
   −前記第１の変換された位置と前記第２の変換された位置との間の距離を算出し、前記実際の写像誤差（Ｅ_ＡＢ）を得るステップと、
   を含むことを特徴とする請求項５または６に記載の方法。
9. 前記誤差解析データを決定するステップは、複数の前記観測誤差（Ｅ_Ｍ）から少なくとも１つの統計的パラメータを決定するステップを含むことを特徴とする請求項４から８のいずれか１項に記載の方法。
10. 前記誤差解析データを決定するステップは、前記第１画像データ（Ａ）中に少なくとも１つのデータ領域を定めるステップと、少なくとも１つの前記データ領域中の複数のデータ点の複数の前記観測誤差（Ｅ_Ｍ）に関する少なくとも１つの局所的な統計的パラメータを決定するステップと、を含むことを特徴とする請求項９に記載の方法。
11. 前記第１の画像データ（Ａ）中の少なくとも１つの重要構造物の位置を記述する重要構造物データを取得するステップと、前記重要構造物の位置と、前記第１の画像データ（Ａ）中の少なくとも１つの前記データ領域の位置との間の距離を算出するステップと、を含むことを特徴とする請求項１０に記載の方法。
12. 前記重要構造物データを取得するステップは、解剖学的構造物のモデルを記述する地図データを取得するステップを含むことを特徴とする請求項１１に記載の方法。
13. コンピュータ（２）のプロセッサ（３）で実行されたとき、または、コンピュータ（２）のメモリー（４）にロードされたとき、請求項１から１２のいずれか１項に記載された方法を前記コンピュータ（２）に実行させるプログラム、及び／または、前記プログラムが、特に非一時的な形式で、保存されたプログラムストレージ媒体。
14. プロセッサ（３）とメモリー（４）とを含むコンピュータ（２）であって、請求項１３に記載のプログラムが前記プロセッサ（３）で実行されているか、もしくは前記メモリー（４）にロードされている、または、請求項１３に記載のプログラムストレージ媒体を含んでいる、ことを特徴とするコンピュータ。

Images