JP2019518296A - 画像データ内のノイズ低減 - Google Patents

Abstract

入力画像データセットをフィルタリングするためのシステムが開示されている。入力信号値の複数のシーケンスの各シーケンスが、異なる属性に対応し、入力信号値が、属性およびサンプリング・ポイントｉに関連付けされる。少なくとも１つのプロセッサ４が、サンプリング・ポイントおよび属性に対応する出力信号値の計算をコントロールするべく構成される。特定のサンプリング・ポイントｉについて、かつ属性のセットのうちの複数の異なる属性のそれぞれについて、重みを入力信号値に、サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについての信号値との間における類似度に基づいて関連付けする。またシステムは、入力信号値および重みに基づいて重み付け合計も計算する。属性は、場所または周波数である。

Description

本発明は、入力画像データセットのフィルタリングに関する。さらに本発明は、ノイズ低減、特に医用画像データ等の画像データ内のノイズ低減に関する。

Ｘ線放射が、癌を誘発するリスクを増加させることから、Ｘ線コンピュータ断層撮影（ＣＴ）スキャンは、画質と患者の放射線被曝量との間のトレードオフによって制限される。概して言えば、放射線量は、合理的に達成可能な限り低く（ＡＬＡＲＡ：Ａｓ Ｌｏｗ Ａｓ Ｒｅａｓｏｎａｂｌｙ Ａｃｈｉｅｖａｂｌｅ）維持される必要がある。これは、造影剤の注射後のある時間にわたる複数の逐次的な３Ｄ ＣＴスキャンからなる４Ｄ ＣＴ灌流法（ＣＴＰ）スキャンの場合に特に重要である。逐次スキャン毎に使用可能な放射線量が、したがって制限され、結果としてそれが高いレベルのノイズを招いている。

大脳コンピュータ断層撮影灌流法（ＣＴＰ）スキャンは、急性脳卒中、くも膜下出血、または頚動脈閉塞症等の脳血管性疾患を伴う患者内の異常灌流のエリアを検出するべく獲得される。４Ｄ ＣＴＰスキャンは、ある時間にわたる複数の逐次的な３Ｄ ＣＴスキャンからなる。したがって、患者の放射線被曝を低減するために、逐次スキャン毎に使用可能なＸ線放射の量を制限し、その結果、高いレベルのノイズがもたらされる。異常灌流のエリアの検出には、脳血液量（ＣＢＶ）、平均循環時間（ＭＴＴ）、および脳血流（ＣＢＦ）といった灌流パラメータがＣＴＰデータから演繹される。灌流パラメータ、特に特異値分解を決定するアルゴリズムは、非常にノイズに敏感である。より堅牢な結果を得るために、標準特異値分解（ＳＶＤ）用のグローバル・ノイズ・スレッショルドが使用され、ブロック循環行列ＳＶＤが、振動指数を使用する。しかしながら、振動指数が使用された場合でさえ、ＣＢＦマップの質は、ノイズ・レベルの増加とともに大幅に減少する。したがって、ノイズ低減は、ＣＴＰ分析のための重要な前処理ステップである。４Ｄ灌流データ内においては、異なる組織タイプが、時間−強度プロファイル（４次元）内の差によって特徴付けされる。たとえば、健康な組織は、梗塞のリスクのあるエリアとは異なる時間−強度プロファイル、造影剤の集積および洗い出しを有し、白質の時間−強度プロファイルは、灰白質のそれとは異なる。灌流データにおけるノイズ低減の目標の１つは、したがって、灌流パラメータの決定に重要な時間−強度プロファイルを保存しつつノイズを低減することである。

非特許文献１は、灌流パラメータの決定に使用される時間−強度プロファイル（４次元）を保存する一方で、４Ｄ ＣＴＰスキャン内のノイズを低減する時間−強度プロファイル類似性（ＴＩＰＳ）バイラテラル・フィルタを開示している。

画像内の各ピクセル値が、類似する近隣ピクセル値の重み付け平均に置換される。ガウス接近関数ｃ（ξ，ｘ）は、次式のとおりに定義される。

３Ｄ重み付け平均カーネルが使用され、それにおいては、重みが３Ｄユークリッド距離および４次元の類似性に基づく。ＴＩＰＳ関数（ｐ（ξ，ｘ））は、次式のとおりに定義される。

これにおいて、ζ（ξ，ｘ）は、ボクセルｘと近隣ボクセルξにおける時間−強度プロファイルの間の自乗差の合計（ＳＳＤ）測度である。変量σζは、類似性関数ｐの勾配の決定によってフィルタ強度に影響を及ぼすフィルタ・パラメータである。ＳＳＤ測度は、次式のとおりに定義される。

これにおいて、Ｔは、時間次元のサイズ、Ｉ（ｘ（ｘ，ｙ，ｚ，ｔ））は、時間ポイントｔにおけるボクセルｘ（ｘ，ｙ，ｚ）の強度値、Ｉ（ξ（ｘ，ｙ，ｚ，ｔ））は、時間ポイントｔにおける近隣ボクセルξ（ｘ，ｙ，ｚ）の強度値である。

バイラテラル・フィルタリングの式は、４Ｄデータセット内の各ボクセルｘについて、次式のとおりに定義される。

これにおいて、ｍ、ｎ、およびｏは、ｘ、ｙ、およびｚ方向それぞれにおけるカーネル・サイズの半分であり、ｃ（ξ，ｘ）は、式１によって定義されるとおりの接近関数、ｐ（ξ，ｘ）は、式２によって定義されるとおりのＴＩＰＳ関数、ｎ（ｘ）は、次式のとおりに定義される正規化係数である。

ＴＩＰＳフィルタは、最適選択されたフィルタ・パラメータσｄ、σζ、および半分のカーネル・サイズｍ、ｎ、およびｏが与えられる特定の条件下において良好に機能する。しかしながら、ボクセルｘの時間−強度プロファイルにもっとも類似する近隣ボクセルξの時間−強度プロファイルを選ぶ類似性測度ｐによって生じる本質的な限界が存在する。その結果、ＴＩＰＳフィルタリング後の時間−強度プロファイルが、オリジナルのボクセルｘのプロファイルと類似しすぎのまま残り、最適に達しないノイズ低減をもたらす可能性がある。それに加えて、半分のカーネル・サイズｍ、ｎ、およびｏによって与えられる類似性プロファイルを見つける上での空間的制約がある。フィルタ・カーネル内に類似する時間−強度プロファイルを伴うボクセルが充分にない場合には、効果的なノイズ抑圧を作成するフィルタリングに使用されるプロファイルが少なすぎることになる。

『ティップス・バイラテラル・ノイズ・リダクション・イン・４Ｄ ＣＴ・パーフージョン・スキャンズ・プロデューセズ・ハイクオリティ・セレブラル・ブラッド・フロー・マップス（ＴＩＰＳ ｂｉｌａｔｅｒａｌ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｉｎ ４Ｄ ＣＴ ｐｅｒｆｕｓｉｏｎ ｓｃａｎｓ ｐｒｏｄｕｃｅｓ ｈｉｇｈ−ｑｕａｌｉｔｙ ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｆｌｏｗ ｍａｐｓ』フィジックス・イン・メディシン・アンド・バイオロジー（ＰＨＹＳＩＣＳ ＩＮ ＭＥＤＩＣＩＮＥ ＡＮＤ ＢＩＯＬＯＧＹ） ５６ （２０１１） ３８５７−３８７２， ｄｏｉ：１０．１０８８／００３１−９１５５／５６／１３／００８。

測定データを包含するデータセットのフィルタリングのための改良されたフィルタを有することは好都合であろう。

この開示の態様によれば、入力画像データセットをフィルタリングするためのシステムが提供される。システムは、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含する入力データセットを処理するべく構成され、それにおいて各シーケンスは、属性のセットのうちの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）は、属性ｘおよびサンプリング・ポイントｉに関連付けされる。システムは、サンプリング・ポイントｉおよび属性ｘに対応する出力信号値Ｉ＊（ｘ，ｉ）の計算をコントロールするべく構成された少なくとも１つのプロセッサを包含し、その計算は、次の内容を包含する。
●特定のサンプリング・ポイントｉについて、かつ属性のセットのうちの複数のＭ個の異なる属性ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）のそれぞれについて、重みｗ（ｘ，ｙ_ｋ，ｉ）を入力信号値Ｉ（ｙ_ｋ，ｉ）に、サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについての信号値Ｉ（ｘ，ｊ）およびＩ（ｙ_ｋ，ｊ）の間における類似度Ｓ_ｉ（ｘ，ｙ_ｋ）に基づいて関連付けすることと、
●入力信号値Ｉ（ｙ_ｋ，ｉ）および重みｗ（ｘ，ｙ_ｋ，ｉ）に基づいて、ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）についての重み付け合計を計算すること。

入力信号値Ｉ（ｘ，ｉ）は、ノイズに起因するランダム・エラーを含んでいる。重み付け合計に起因して、出力信号値内のランダム・ノイズが、入力信号値と比較すると低減される。しかしながら、各属性ｙ_ｋに関連付けされる重みが、ｙ_ｋの信号値のシーケンスと属性ｘの信号値のシーケンスの間における類似性に基づくことから、入力信号のシーケンス内の特徴は、出力信号値の中に保存され、加重平均ステップにおいて失われることはない。ｙ_ｋとｘの入力信号値のシーケンスの間における類似性がより高いほど、より大きな重みが割り当てられる。フィルタリング後のサンプリング・ポイントｉを類似性測度の計算から除外することによって、出力信号に対するサンプリング・ポイントｉにおけるランダム・ノイズの影響がなくなる。サンプリング・ポイントｉにおけるノイズは、したがって、ほかのすべてのサンプリング・ポイントにおけるノイズから分離される。これによりフィルタが、サンプリング・ポイントｉにおけるノイズをはるかに受けにくくなる。

属性は、場所または周波数とすることができる。場所は、たとえば、ボクセル等のボリュメトリック領域、またはピクセル等の２次元の領域とすることが可能である。周波数は、たとえば信号値が周波数ドメインで表現されるとき、周波数または周波数の範囲とすることが可能である。

重みｗ（ｘ，ｙ_ｋ，ｉ）は、属性ｘと属性ｙ_ｋの間の差に非依存である。これらの属性の間の差とは独立の重みを選択することによって、出力信号値Ｉ＊（ｘ，ｉ）の計算に寄与するべくより多くの入力信号値を使用することが可能になる。このように、類似する入力信号値Ｉ（ｙ，ｉ）を伴う属性を識別することが可能であり、それが結果として、向上したフィルタをもたらす。たとえば、類似する組織タイプは、それらの組織タイプが存在するボクセル間の距離とは無関係に、類似する信号値に帰結し得る。同一組織タイプの信号値を平均し、データセット内に表現されている組織についての情報を失うことなく、ノイズを低減することが可能である。また、類似性の測度Ｓ_ｉ（ｘ，ｙ_ｋ）は、属性ｘとｙ_ｋの間の差とは独立であるとすることができる。

たとえば、属性が場所になる場合には、重みｗ（ｘ，ｙ_ｋ，ｉ）が、場所ｘと場所ｙ_ｋの間の距離と独立に決定することができる。また同様に、類似性の測度Ｓ_ｉ（ｘ，ｙ_ｋ）は、場所ｘと場所ｙ_ｋの間の差とは独立であるとすることができる。

プロセッサは、あらかじめ決定済みの制約を類似度Ｓ_ｉ（ｘ，ｙ）が満たす属性のセットのうちの属性ｙの中から、ｋ＝１，…，Ｍとして、複数の異なる属性ｙ_ｋを選択するべく構成され得る。このように、選択を行うことによって、システムは、より計算効率よくフィルタ結果を計算することが可能である。類似度Ｓ_ｉ（ｘ，ｙ）を使用して属性ｙを選択することによってもまだ、フィルタ結果は良好である。

プロセッサは、あらかじめ決定済みの制約を類似度Ｓ_ｉ（ｘ，ｙ）が満たす属性ｙのランダム選択として、複数の異なる属性ｙ_ｋを選択するべく構成できる。ランダム選択は、実験の中で良好な結果をもたらした。

特定の実装においては、あらかじめ決定済みの制約が、属性ｘと属性ｙ_ｋの間の差に制約を課さない。このように、加重平均に使用される属性の選択は、属性の間の差によって制限されない。たとえば、属性が場所を表すとき、この差を距離とすることができる。この距離は、ボクセルの選択においてなんらの役割も演じない。

サンプリング・ポイントｉは、時間ポイントに対応させることができる。したがって、属性ｘに関連付けされる入力信号値のシーケンスは、時間信号を表すことができる。

サンプリング・ポイントｉは、測定のシーケンスを表すことができる。たとえば、測定のシーケンスを、時間的な動きまたは変化を捕捉するべく実行することが可能である。たとえば、灌流の検討においてこれを応用することが可能である。

場所は、ボリューム・データセット内のボクセルの場所、またはピクチャ・データセット内のピクセルの場所を表すことができる。

場所は、ガントリ上にマウントされた検出器の位置およびガントリの位置を表すことができる。したがって、信号値は、任意の断層撮影の復元の実行前の、ガントリ上のセンサのセンサ値とすることができる。

プロセッサは、入力データセットの動き補償を実行し、かつ動き補償後の入力信号値に基づいて出力信号値を計算するべく構成できる。このように、入力信号値のシーケンスは、より正確に固定された場所に対応し、それがフィルタリング結果を向上させる。

入力信号値は、コンピュータ断層撮影（ＣＴ）データ、コンピュータ断層撮影灌流（ＣＴＰ）データ、磁気共鳴撮影（ＭＲＩ）データ、単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）データ、および陽電子放射断層撮影（ＰＥＴ）データのうちの少なくとも１つを包含し得る。

システムは、出力データセットに基づく画像を表示するべく構成された表示器を包含できる。このことは、多くのノイズが除去された画像の観察を可能にする。

システムは、入力データセットを生成する少なくとも１つのセンサを包含する医用画像装置を包含することができる。

本発明の別の態様によれば、入力画像データセットをフィルタリングする方法が提供される。入力データセットが、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含し、それにおいて各シーケンスは、属性のセットのうちの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）は、属性ｘおよびサンプリング・ポイントｉに関連付けされる。この方法は、
サンプリング・ポイントｉおよび属性ｘに対応する出力信号値Ｉ＊（ｘ，ｉ）の計算を包含し、その計算は、
特定のサンプリング・ポイントｉについて、かつ属性のセットのうちの複数のＭ個の異なる属性ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）のそれぞれについて、重みｗ（ｘ，ｙ_ｋ，ｉ）を入力信号値Ｉ（ｙ_ｋ，ｉ）に、サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについての信号値Ｉ（ｘ，ｊ）とＩ（ｙ_ｋ，ｊ）の間における類似度Ｓ_ｉ（ｘ，ｙ_ｋ）に基づいて関連付けすることと、
入力信号値Ｉ（ｙ_ｋ，ｉ）および重みｗ（ｘ，ｙ_ｋ，ｉ）に基づいて、ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）についての重み付け合計を計算することと、を包含する。

方法は、プロセッサ・システムにここで示した方法のステップを実行させるインストラクションを包含するコンピュータ・プログラム・プロダクトの形式で実装することができる。

当業者は理解することになろうが、上で述べた特徴は、有用と思われる任意の方法で組み合わせても良い。それに加えて、システムに関して述べた修正および変形は、同様に、方法およびコンピュータ・プログラム・プロダクトに適用でき、方法に関して述べた修正および変形は、同様に、システムおよびコンピュータ・プログラム・プロダクトに適用できる。

以下、本発明の態様を、図面の参照とともに、例示により明らかにする。これらの図面は、図式的なものであり、正確な縮尺率で描かれてはいない場合がある。

入力画像データセットをフィルタリングするためのシステムを含む画像化システムを示したブロック図である。 入力画像データセットをフィルタリングする方法を示したフローチャートである。 脳のダイナミックＣＴ画像化における類似性フィルタの応用例を示した図である。 胸のダイナミックＰＥＴ画像化における類似性フィルタの応用例を示した図である。

以下の詳細な説明の中で本発明の特徴をより詳細に説明する。この中に開示されている詳細は、当業者によるこの開示の理解の補助として意図されている。しかしながら、詳説される例には、この開示の範囲を限定することが意図されていない。むしろ、当業者には、この開示の修正および変形が数多く明らかになるかも知れないが、その種の変形および修正は、付随する特許請求の範囲およびそれらの均等によって定義されるとおりの本発明の精神ならびに範囲の中にある。

この開示の態様によれば、改良された類似性フィルタが提供される。本発明のさらなる態様によれば、類似性測度を使用して、２つのボクセルの間における類似性を決定するために、一方のボクセルの時間依存の挙動と他方のボクセルの時間依存の挙動とを比較する類似性フィルタが提供される。

この開示のさらなる態様によれば、４Ｄコンピュータ断層撮影灌流（ＣＴＰ）スキャン内のノイズを低減する一方、灌流パラメータを決定するために時間−強度プロファイル（４次元）を保存する時間−強度プロファイル類似性（ＴＩＰＳ）フィルタが提供される。

この開示のさらなる態様によれば、複数回サンプリングされた（時間的）変量（ｎ次元）のピクセル化データ内のランダム・ノイズを低減する方法が提供される。

さらなる態様によれば、現在の（または、いくつかの近隣の）測定だけでなく――望ましい場合には――ノイズ低減のための（殆ど）完全なセットの測定を使用することによってボクセル値を推定する各測定についてのノイズの低減により効果的なノイズ低減のためのフィルタが開示される。

さらなる態様によれば、フィルタが、各サンプリング・ポイントにおけるプロパティの点から見たボクセル間の類似性に基づく。これにおいて、各サンプリング・ポイントは、たとえば、時間または周波数における瞬間を表すことができる。

さらなる態様によれば、ボクセル間の類似性が、局所的に（フィルタリングされるべきボクセルの周囲）だけでなく、グローバルに（フィルタリングされるべきボクセルとデータセット内の任意のボクセルとを比較することによって）決定され得る。

さらなる態様によれば、測定されたデータが、特定のサンプリング・ポイントｉを除くすべてのサンプリング・ポイントについて類似であれば、ボクセルが類似するプロパティを保持すること、したがって、サンプリング・ポイントｉについても類似する挙動を有することがありがちであるとの仮定が使用される。

図１は、画像化システムを図解している。この画像化システムは、スキャナ１を包含する。スキャナは、医用画像化スキャナまたはそのほかのタイプのスキャナとすることができる。特定の実装においては、スキャナが複数の測定をもたらし、それらの測定が、類似性フィルタ・システム７のための入力信号値を形成する。その種の入力信号値は、属性と関連付けされることがある。たとえば、複数のセンサが備えられ、属性が、入力信号値に帰する測定を生成したセンサのインデクスを包含することが可能である。それに代えて、またはそれに追加して、属性が、ガントリの回転角度または適用された勾配または周波数といった入力信号値を生成するために実行された測定のパラメータを包含することが可能である。特定の実施態様においては、異なるセンサの測定が組み合わされて、２次元または３次元のデータセットが形成される。その種のデータセットのピクセルまたはボクセルは、入力信号値を形成することが可能であり、属性は、各ボクセルに対応する場所の表現を包含することができる。また、属性のそれぞれについて、入力信号値のシーケンスを生成することもできる。この測定のシーケンスを、ここでは、サンプリング・ポイントと呼ぶことができる。シーケンスは、たとえば、連続して行われた一連の測定等の、時間にわたる変化を捕捉するための時間的なシーケンスとすることができる。それに代えて、シーケンスは、別のパラメータに基づく特徴の変動を捕捉することができ、たとえば、サンプリング・ポイントは、測定スペクトルにおける異なる周波数に対応することができる。特定の実施態様においては、スキャナ１が、コンピュータ断層撮影スキャナまたはＭＲＩスキャナを包含する。そのほかのタイプの、ＰＥＴやＳＰＥＣＴスキャナ等のスキャナを特定の実施態様の中で使用することもできる。たとえば、灌流は、対象に造影剤が流入する間における多数の連続するボリュメトリック・データセットを獲得することによって捕捉できる。サンプリング・ポイントは、その場合、連続するボリュメトリック・データセットに対応させることができる。

画像化システムを用いて作成されたデータセットは、ノイズを含んでいることがある。その種のノイズは、測定エラーによって生じ得る。これらの測定エラーは、根底にある、測定されるプロパティの『真の』値からの測定値のランダム偏差とすることができる。データセット内の複数の測定にわたって平均のノイズをゼロとすることができる。その種のノイズは、たとえば、『真の』値からの測定値の系統的な偏差であるバイアスとは区別可能である。

画像化システムは、病院情報システムまたは通常のファイル・サーバ等の外部ストレージ・システム２も包含できる。入力信号値および出力信号値の、この外部ストレージ・システム２へのストアおよびそこからの取り出しが可能である。

また画像化システムは、フィルタリング済みおよび／またはフィルタリング未済の信号値を表示するための表示デバイス６も包含できる。この表示は、信号値のグラフィカル表現の形式とすることができる。

類似性フィルタ・システム７は、スキャナ２または外部ストレージ・システム２から、またはそのほかのソースから入力信号値を受信するべく構成される通信モジュール３を包含できる。また通信モジュール３を、出力信号値を外部ストレージ・デバイス２にエクスポートし、ストアするべく、またはほかの適切なデバイスに出力信号値を送信するべく構成することもできる。

類似性フィルタ・システム７は、さらに、メモリ５を包含することができ、それを、入力信号値、出力信号値、および計算の中間結果等のデータ２０をストアするべく構成することができる。またメモリ７は、フィルタ・システム７の構成可能なパラメータをストアするべく構成することもできる。特定の実施態様においては、メモリ７が、この開示の中に示されているとおりの入力信号値をフィルタリングする方法をプロセッサ４に実行させるためのインストラクションとともにコンピュータ・プログラム１０−１３をストアするべく構成される。プロセッサ４は、マイクロプロセッサ、コントローラ、またはＦＰＧＡ等の任意の適切なコンピュータ・プロセッサとすることができる。それに代えて、専用電子回路を備えてフィルタ動作を実装することができる。

コンピュータ・プログラムは、機能ユニットに分割することができる。この開示には、ユニットへのコンピュータ・プログラムの分割の例が示されているが、これは単なる例に過ぎない。このほかの実装が、異なるユニットへの機能分割を包含することは可能である。

通信モジュール３を、スキャナ１または外部ストレージ２から入力データセットを受信するべく構成できる。入力データセットは、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含することができ、それにおいて、各シーケンスは、属性のセットの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）は、属性ｘおよびサンプリング・ポイントｉに関連付けされる。

フィルタ・システム７は、信号値Ｉ（ｘ，ｊ）とＩ（ｙ_ｋ，ｊ）の間における類似度Ｓ_ｉ（ｘ，ｙ_ｋ）を、サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについて計算するべく構成された類似性ユニット１０を包含できる。言い換えると、第１の属性ｘに関連付けされた入力信号値のシーケンスと、第２の属性ｙ_ｋに関連付けされた入力信号値のシーケンスの間における全体的な類似性の測度が決定される。これにおいては、両方のシーケンスのサンプリング・ポイントｉが無視される。すなわち、これらのシーケンスは、属性ｘのサンプリング・ポイントｉが、属性ｙ_ｋのサンプリング・ポイントｉに対応するようにインデクスされる。類似度Ｓ_ｉ（ｘ，ｙ_ｋ）は、複数の異なる第２の属性ｙ_ｋ，ｋ＝１，…，Ｋについて計算される。このようにして、第１の属性の入力信号値に類似する入力信号値の属性ｘを識別できる。特定の実施態様においては、類似性ユニット１０が、出力信号値が要求されている各属性ｘのための演算を実行するべく構成される。また、類似性ユニット１０は、同一の属性ｘについて演算を反復的に、毎回異なるサンプリング・ポイントｉを類似性の評価Ｓ_ｉ（ｘ，ｙ_ｋ）から除外して、実行するべく構成することもできる。

類似性フィルタ・システム７は、さらに、選択ユニット１１を包含できる。選択ユニット１１は、類似性の測度Ｓ_ｉ（ｘ，ｙ_ｋ）に基づいて複数の第２の属性ｙ_ｋを選択する。選択される属性の数を、ここではＭで示す。ただし、Ｍ＜＝Ｋである。この選択は、多くの異なる方法で実行できるが、いずれの場合においても、類似性の測度Ｓ_ｉ（ｘ，ｙ_ｋ）が高い度合いの類似性を示すＭ個の属性ｙ_ｋが選択される。たとえば、Ｍがあらかじめ決定済みの数である場合には、属性ｘを伴う類似度Ｓ_ｉ（ｘ，ｙ_ｋ）のうち最大のものからＭ個の属性ｙ_ｋを選択することができる。それに代えて、最小スレッショルドを類似性に対して設定しても良く、その場合、第２の属性のうち類似度Ｓ_ｉ（ｘ，ｙ_ｋ）がそのスレッショルドを超える値を有するＭ個の属性を選択することができる。その種の選択をランダム選択としても良い。それに代えて、属性ｘにもっとも近い適格の属性を選択しても良い。たとえば、ｘが場所である場合、場所ｘにもっとも近いものからＭ個の場所ｙ_ｋを選択することができる。代替選択の可能性は、この中のいずれかの箇所に説明がある。以下においては、便宜上、選択された第２の属性がｙ_ｋ＝ｙ_１，…，ｙ_Ｍとして示されるように第２の属性の番号を付け替える。特定の実施態様においては、選択ユニット１１が、出力信号値が要求されている各第１の属性ｘのための演算を実行するべく構成される。また、選択ユニット１１も、類似度Ｓ_ｉ（ｘ，ｙ_ｋ）が計算される各サンプリング・ポイントｉについて演算を実行するべく構成できる。

類似性フィルタ・システム７は、さらに、特定の第１の属性ｘの、選択された第２の属性ｙ_ｋ＝ｙ_１，…，ｙ_Ｍのそれぞれに重みを関連付けするための重み付けユニット１２も包含できる。上で述べたとおり、サンプリング・ポイントｉのうちの１つは、類似度Ｓ_ｉ（ｘ，ｙ_ｋ）の計算の、および／またはＭ個の第２の属性の選択のための考慮に入れられない。重み付けユニットは、第１の属性ｘと第２の属性ｙ_ｋ、および除外されたサンプリング・ポイントｉの組み合わせに重み値ｗ（ｘ，ｙ_ｋ，ｉ）を関連付けする。特定の実施態様においては、この重みが類似度の値Ｓ_ｉ（ｘ，ｙ_ｋ）の関数になる。特定の実施態様においては、これら２つの属性ｘとｙ_ｋの間の差が、重み値ｗ（ｘ，ｙ_ｋ，ｉ）の計算で考慮されない。概して言えば、類似度Ｓ_ｉ（ｘ，ｙ_ｋ）が大きい組み合わせに、より大きな重みｗ（ｘ，ｙ_ｋ，ｉ）が関連付けされる。重み付けユニット１２は、それの演算を、異なる第１の属性ｘ、対応する第２の属性ｙ_ｋ，ｋ＝１，…，Ｍ、および異なる除外サンプリング・ポイントｉについて反復するべく構成できる。

類似性フィルタ・システム７は、さらに、合計ユニット１３を包含できる。合計ユニット１３は、選択ユニットによってなされた第２の属性の選択および重み付けユニットによって決定された重みを使用して複数の入力信号値の重み付け合計を計算するべく構成できる。言い換えると、合計ユニットは、選択された属性ｙ_ｋ＝ｙ_１，…，ｙ_Ｍのそれぞれについて、入力信号値Ｉ（ｙ_ｋ，ｉ）の重み付け合計を計算する。類似性関数Ｓ_ｉ（ｘ，ｙ_ｋ）の決定および第２の属性ｙ_ｋの選択から除外されたサンプリング・ポイントｉに対応する入力信号値は、重み付け合計の形成に追加される。たとえば、重み付け合計は、次式のとおりに計算することができる。

これにおいて、演算子『・』は、たとえば、乗算を示すことができる。合計ユニット１３は、それの演算を、異なる第１の属性ｘ、対応する選択された第２の属性ｙ_ｋ，ｋ＝１，…，Ｍ、および異なるサンプリング・ポイントｉについて反復するべく構成できる。

通信モジュール３によって出力するか、またはそれに代えて、データ２０としてメモリ５内にストアできる出力信号値は、この重み付け合計に基づいている。特定の実施態様においては、出力信号値が、合計ユニット１３の出力Ｉ＊（ｘ，ｉ）である。それに代えて、出力信号値が重み付け合計Ｉ＊（ｘ，ｉ）に基づくように、１つまたは複数の後処理ステップを実行しても良い。

手前で述べたとおり、属性は、場所または周波数とすることができる。しかしながら、これは、限定ではない。属性は、原理的に、入力信号値のシーケンスの任意のラベリングとすることが可能である。

特定の実施態様においては、重みｗ（ｘ，ｙ_ｋ，ｉ）が、属性ｘと属性ｙ_ｋの間の差に非依存である。重みは、したがって、サンプリング・ポイントｉを除外した、属性ｘおよび属性ｙ_ｋの入力信号値のシーケンスの類似性に基づいて決定される。同様に、属性が場所になる場合には、重みｗ（ｘ，ｙ_ｋ，ｉ）が、場所ｘと場所ｙ_ｋの間の距離に非依存であるとすることができる。しかしながら、特定の実施態様においては、たとえば、属性ｙ_ｋに、属性ｘとの差が小さいほど大きな重みを与えることによって、この差を考慮に入れることもできる。

プロセッサは、ｋ＝１，…，Ｍについて、類似度が所定のスレッショルドを超えること、または類似度が最大からＭ番目までの類似度のランクに入ることといったあらかじめ決定済みの制約を類似度Ｓ_ｉ（ｘ，ｙ）が満たす利用可能な属性のセットの属性ｙの中から複数の異なる属性ｙ_ｋを選択するべく構成できる。プロセッサは、あらかじめ決定済みの制約を類似度Ｓ_ｉ（ｘ，ｙ）が満たす属性ｙのランダム選択として、複数の異なる属性ｙ_ｋを選択するべく構成できる。特定の実施態様においては、あらかじめ決定済みの制約が、属性ｘと属性ｙ_ｋの間の差に制約を課さない。サンプリング・ポイントｉは、測定が行われたときの時間ポイントに対応することができるか、またはサンプリング・ポイントｉは、測定のシーケンスのインデクスを表すとすることができる。

属性が場所を包含する状況の一例は、入力信号値が空間的なデータセットを表す状況であり、それにおいて場所は、ボリューム・データセット内のボクセルの場所、または２次元ピクチャのデータセット内のピクセルの場所を表す。それに代えて、場所は、ガントリ上にマウントされた検出器の位置およびガントリの位置を表すことができる。言い換えると、ガントリ上のセンサの位置およびガントリの位置を一緒にして『場所』を決定する。ここでは、『ガントリの位置』がガントリの回転角度を包含できる。

特定の実施態様においては、プロセッサが、入力データセットの動き補償を実行し、かつ動き補償後の入力信号値に基づいて出力信号値を計算するべく構成される。この方法では、時間にわたる入力信号値のシーケンスの類似性がより良好に評価され、フィルタがより良好に働く。

入力信号値は、たとえば、コンピュータ断層撮影（ＣＴ）データ、コンピュータ断層撮影灌流（ＣＴＰ）データ、磁気共鳴撮影（ＭＲＩ）データ、単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）データ、および／または陽電子放射断層撮影（ＰＥＴ）データを包含することができる。

図２は、入力画像データセットをフィルタリングする方法のフローチャートを示している。ステップ２０１においては、入力データセットが識別される。たとえば、入力データセットは、スキャナ・デバイス等の別のデバイスから受信される。ここでは、入力データセットが、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含し、それにおいて各シーケンスは、属性のセットのうちの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）は、属性ｘおよびサンプリング・ポイントｉに関連付けされる。

ステップ２０２においては、ｘおよびｙの属性のペアの入力信号値のシーケンスの間の類似度Ｓ_ｉ（ｘ，ｙ）が決定される。ここでは、都度、少なくとも１つのサンプリング・ポイントｉが、類似性の決定から除外される。この類似性が、多くの異なる属性ｘおよびｙ、およびサンプリング・ポイントｉについて計算される。

ステップ２０３においては、与えられた第１の属性ｘおよびサンプリング・ポイントｉについて、比較的大きな類似度Ｓ_ｉ（ｘ，ｙ_ｋ）を有する第２の属性ｙ_ｋのセットが選択される。これらの属性ｙ_ｋを選択するための基準は、この開示のいずれかの箇所に述べられている。この選択は、出力信号値が要求される各第１の属性ｘについて、また各サンプリング・ポイントｉについて行うことができる。

ステップ２０４においては、出力信号値が要求される各第１の属性ｘおよびサンプリング・ポイントｉに関して、重みｗ（ｘ，ｙ_ｋ，ｉ）が第２の属性ｙ_ｋに関連付けされる。重みは、類似度Ｓ_ｉ（ｘ，ｙ）に基づく。

ステップ２０５においては、出力信号値が要求される各第１の属性ｘおよびサンプリング・ポイントｉに関して、選択された第２の属性ｙ_ｋのサンプリング・ポイントｉの重み付け合計が、重みｗ（ｘ，ｙ_ｋ，ｉ）を使用して計算される。特定の実施態様においては、重み付け合計が、加重平均になる。

ステップ２０６においては、サンプリング・ポイントｉおよび属性ｘに対応する出力信号値Ｉ＊（ｘ，ｉ）が決定される。これらの出力信号値は、重み付け合計に基づく。

図３は、脳のダイナミック・コンピュータ断層撮影（ＣＴ）画像化に応用されたときの類似性フィルタの例を示している。ダイナミックＣＴにおいては、時間にわたって複数のスキャンが実行される。図解されているとおり、スライス３０１および３１１は、時間ポイントｔ_０におけるスキャンに対応し、スライス３０２および３１２は、時間ポイントｔ_６におけるスキャンに対応し、スライス３０３および３１３は、時間ポイントｔ_２５におけるスキャンに対応する。図には、ダイナミックＣＴ測定の異なる時間ポイントｔにおいて獲得されたスライスからわずか数例だけが示されている。これらのスキャンから、灌流マップ３０４および３１４に示されている脳血液量等の灌流マップを計算することができる。図３の上段は、スキャナから得られたとおりのデータ（すなわち、フィルタリング未済のスライス３０１、３０２、３０３）、およびフィルタリング未済のスライス３０１、３０２、３０３から計算された灌流マップ３０４を示す。これらのフィルタリング未済の画像においては、解剖学的構造を殆ど見ることができない。図３の下段は、類似性フィルタリング後の結果、すなわち、フィルタリング済みのスライス３１１、３１２、３１３、およびフィルタリング済みのスライス３１１、３１２、３１３から計算された灌流マップ３１４を示す。これらのフィルタリング済の画像においては、解剖学的構造が非常に高いレベルの詳細度で現れる。

図４は、胸部のダイナミック陽電子放射断層撮影（ＰＥＴ）画像化に応用されたときの類似性フィルタの例を示している。左側の画像４０１は、スキャナから得られたとおりのダイナミック・シリーズの動脈相を示し、解剖学的構造および右肺（画像の左側）の腫瘍を殆ど見ることができない。右側の画像４０２は、類似性フィルタリング後の結果を示し、それにおいては、右肺の腫瘍を含む肺を明瞭に見れ、境界線がシャープに描かれている。

データセットのフィルタリングに使用されたアルゴリズムの実装例は、以下のとおりに説明できる。

最初に、膨大な数のボクセルを有するデータセットが提供される。各ボクセルは、ｎ次元の空間の要素を表す。複数回、たとえば１より大きい整数をｍとし、ｍ回にわたって各ボクセルの特徴が測定される。測定される特徴は、信号、たとえば、ＣＴ数または緩和時間等のボクセルにおける実体の物理的プロパティとすることができる。その種の物理的プロパティは、たとえば、ボクセルにおける実体の変化に起因して経時的に変化し得る。これは、たとえば、測定の間にボクセルを通って造影剤が流れるときに該当する。しかしながら、この開示の方法を使用して、そのほかの種類のボクセル・データを処理することも可能である。代替実施態様においては、各ボクセルのデータが、周波数スペクトルを表すベクトルを包含することが可能であり、それにおいてはベクトルの各成分が、異なる周波数を表す。

データにノイズが多く含まれている場合には、特定のサンプリング・ポイントｉにおいて測定された値がボクセル間で実質的に変動することがあり、それが、ほかのサンプリング・ポイントにおいても類似する挙動を呈する。充分に大きな数のその種の類似した挙動のボクセルの対応するサンプリング・ポイントｉを平均することによって、サンプリング・ポイントｉにおけるこれらのボクセルの真のボクセル強度の改善された推定を見つけることが可能になる。

類似する挙動のボクセルを見つけることは、フィルタリングされるべきボクセルの特徴ベクトルと、データセット内のほかのボクセルの特徴ベクトルの間の距離測度を定義することによって可能である。これにおいて、特徴ベクトルは、特定のボクセルのサンプリング・ポイントを含んでいるベクトルである。

ここで開示しているフィルタは、特定の属性または場所のためのサンプリング・ポイントのシーケンスが、すべて、同一の物理的な実体（たとえば、組織の同一部分）を記述することから、空間的に一貫したデータに特に有用である。これに該当しないときは、それ自体はこの分野で周知の動き補償等の前処理テクニックを適用して一貫したデータセットを作り出すことが可能である。また、フィルタは、多様なサンプリング・ポイントおよび属性（または、場所）のデータを合計するか、または平均したときノイズが相殺されるように、データセット内のノイズが相関されていないときには、特に効果的である。また、類似する挙動を有する多くの数の属性（たとえば、多くのボクセル）があることも好ましい。最良のパフォーマンスのためには、サンプリング・ポイント毎の画像ノイズが類似する必要がある。これは、それ自体はこの分野で周知の正規化ステップを使用して達成することができる。注意を要するが、これらの好ましい状況は、開示されているフィルタの限定ではない。むしろ、いくつかの、このフィルタが特に効果的な応用分野を示すことが意味されている。このほかの状況においてもまた、このフィルタは、満足のいく結果を提供できる。

以下の説明においては、各サンプリング・ポイントについて（たとえば、各時間ポイントについて）データセットが類似するノイズを有することが仮定される。これを達成するために、オプションの正規化ステップを実行することができる。それに代えて、各サンプリング・ポイントのノイズの量を、距離測度および／またはそのほかの計算ステップの中で考慮に入れることができる。

次に示す表は、この開示の残りの部分において使用される記号のリストである。

いくつかの実施態様においては、重み関数ｆを適格のボクセルの数に依存させることができ、かつ非対称とすることができる。

出力信号Ｉ＊（ｘ，ｉ）は、対応するサンプリング・ポイントｉにおけるＭ個のボクセルｙ_ｊの入力信号Ｉ（ｙ_ｊ，ｉ）の加重平均として計算することができる；ただし、ｊ＝１，…，Ｍ。これらのＭ個のボクセルｙ_ｊを選択するために、距離||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||が特定の制約を満たすボクセルを選択することができる。特に、この距離が比較的小さいボクセルを選択することができる。特定の実施態様においては、加重平均を、次に示す式に基づいて計算できる。

これにおいて、各ｊ＝１，…，Ｍについてのｙ_ｊは、特定の類似性条件を満たすＭ個のボクセルのうちの１つである。これらのＭ個のボクセルを選択する方法の例には、次のものが含まれる。
●||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||が最小のＭ個のボクセル、
●ｋをあらかじめ決定済みのスレッショルドとするとき、||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||＜ｋのＭ個のボクセルのランダム選択、
●ｋをあらかじめ決定済みのスレッショルドとするとき、ｆ（||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||）＞ｋのＭ個のボクセルのランダム選択、
●||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||があらかじめ定義済みの分布（たとえば、ガウス分布）を有するＭ個のボクセルのランダム選択。

ｙ_ｊは、ｎ次元のデータセット全体またはボクセルｘ周りの局所的な部分集合から検索することができる。

距離関数||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ）||は、任意の適切な距離関数とすることができる。適切な距離関数の第１の例を次に示す。

この距離関数は、ベクトルｘとｙの成分の差の平方の合計である。それに代えて、この平方の合計の平方根を距離測度として使用することも可能である。別の例においては、測定のノイズσ_ｉが考慮に入れられる。

この距離は、成分の差の平方の重み付け合計であり、異なるｉ毎のノイズに従って重み付けされる。それに代えて、この距離測度の平方根を使用することが可能である。別の代替は、ベクトルｘとｙの各成分の差の絶対値の合計である。

この代替においてもまた、ノイズ・レベルσ_ｉに従った重み付けはオプションである。それに加えて、このほかの周知の距離測度を、上記の例に代えて使用しても良い。

上記の式においては、選択されたボクセルのサンプリング・ポイントｉの加重平均の計算時に、重み付け関数ｆが測定値の重み付けに使用された。次に、有用な重み付け関数ｆのいくつかの例を示す。しかしながら、代わりに、このほかの重み付け関数を使用しても良い。

第１の例は、重み付けをまったく行わない。
すべてのｄについて、ｆ（ｄ）＝ｄ。

第２の例は、カーネルｃ内において均質な重み付けを行う。
ｄ≦ｃについて、ｆ（ｄ）＝１、
ｄ＞ｃについて、ｆ（ｄ）＝０。

第３の例は、カーネルｃ内において三角重み付けを行うが、それにおいてｃは、０より大きい数とする。
ｄ≦ｃについて、ｆ（ｄ）＝１−ｄ／ｃ、
ｄ＞ｃについて、ｆ（ｄ）＝０。

第４の例は、０より大きいパラメータｃを使用して指数重み付けを行う。
すべてのｄについて、ｆ（ｄ）＝ｅｘｐ［−（１／２）（ｄ／ｃ）２］。

この方法の実用的な応用例は、コンピュータ断層撮影灌流（ＣＴＰ）画像化である。ＣＴＰは、造影剤の静脈注射の間に、身体の同一領域から複数のＣＴデータを連続して獲得するデータ獲得を包含する。

ＣＴデータ獲得の数を、ここではｎによって表す。しばしば、画像ノイズの平方は、１／ｍＡｓに比例する。多くの応用においては、ｍＡｓを用いて表した適用線量が既知であることから、瞬時的な線量に基づいたノイズの推定を使用して正規化を適用することが可能である。ｉ＝１，…，ｎとするサンプリング・ポイントｉは、画像獲得の時間ポイントに対応する。時間ポイントｉにおけるＸ線管負荷をｍＡｓ_ｉにより示す。Ｉ（ｘ，ｉ）は、場所ｘおよび時間ポイントｉのボクセルのＣＴ数を表す。Ｉ_ｉ（ｘ）は、時間ポイントｉを除くすべての時間ポイントについての場所ｘにおける信号ベクトルを表す。||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ）||は、信号ベクトルＩ_ｉ（ｘ）とＩ_ｉ（ｙ）の間における正規化された距離測度である。たとえば、

Ｉ＊（ｘ，ｉ）は、場所ｘおよび時間ポイントｉにおけるボクセルのノイズ低減後のＣＴ数である。たとえば、

これにおいて、ｊ＝１，…，Ｍとするｙ_ｊは、適用可能な基準（たとえば、||Ｉ_ｉ（ｘ），Ｉ_ｉ（ｙ_ｊ）||が最小（または、「充分に小さい」））を満たすボクセルであり、Ｍは、フィルタリング後の出力値を計算するべく平均されるボクセルの数を表す選択可能なパラメータである。このパラメータは、直観的に「線量率の増加の仮想因子」として考えることが可能である。特定の実施態様においては、通常、Ｍの値を３０から３００までの間において選択することができる。

周知のＣＴＰにおいては、通常、１０から３０までの間のＣＴボリューム・データセットが、造影剤の注射後に獲得されるが、ＣＴボリューム・データセットの数は、これより多く、または少なくすることもできる。各データセットは、患者に与えられる全線量をＣＴボリューム・データセットにわたって分配しなければならないことから比較的低い獲得線量を有する。これらの１０−３０のデータセットのそれぞれは、通常、３２−３２０の薄い断面（０．５−１ｍｍ）からなるが、このほかの断面の数、および断面の厚さも可能である。データは、上で述べたフィルタを用いた処理の前に空間的に記録され、動き、たとえば画像化される対象の動きが補償される。脳組織のコントラスト増強の時間依存性が、通常、多様な灌流パラメータの計算に使用される。たとえば、脳のＣＴＰでは、脳血流（ＣＢＦ）、脳血流量（ＣＢＶ）、平均循環時間（ＭＴＴ）が一般に計算され、脳卒中の疑われる患者の正常、低灌流および梗塞性の組織の区別に使用される。

フィルタリング未済の薄い断面データは、各ＣＴボリューム・データセットの低い線量獲得に起因して、非常に強い画像ノイズを受けている可能性がある。１０−３０のデータセットが獲得されることから、全獲得線量は、標準ＣＴのそれよりまだ高い。ＣＢＦ、ＣＢＶ、およびＭＴＴ画像を計算するとき、このノイズが不正確な結果に導く。したがって、ＣＢＦ、ＣＢＶ、およびＭＴＴ画像を計算する前に画像ノイズを低減する必要がある。ノイズは、灌流画像の厚さを５−１０ｍｍに増加すること、および面内フィルタリング（通常、スムージング）を追加することによって低減できる。これらのノイズ低減テクニックは、部分ボリューム効果およびぼけを生じ、小さな異常（たとえば、ラクナ梗塞）および、断面の厚さより直径が小さい脈管に起因するアーティファクトに関して問題を作り出す。

この開示の提案する類似性フィルタを使用したＣＴデータのフィルタリング後は、低いノイズおよび高い空間およびコントラスト分解能を伴うすぐれた画質を得ることが、１ｍｍの断面でさえ、過去にＣＴＰのために使用された放射線量レベルにおいて可能である。高品質のダイナミック４Ｄ−ＣＴ血管造影を、これらのフィルタリング後のデータから復元することができる。高い分解能および低い画像ノイズを呈するＣＴＰ画像（ＣＢＦ、ＣＢＶ、およびＭＴＴ）を作り出すことができる。これらのことは、１ｍｍの断面においてさえ、小さい異常を検出することを可能にする。

改良されたフィルタは、実質的に診断の精度を向上させ、より小さい梗塞の評価を可能にすることができる。そのほかにも新しい応用が、この方法によって可能になることもあり得る。それに代えて、診断の精度を失うことなく低減できる放射線量も可能性がある。標準的な線量レベルにおいてすぐれた品質を伴うＣＴＰを可能にすることによって、現在、臨床診療へのＣＴＰ導入を妨げている主要な要因が払拭され得る。ＣＴＰが、特定の臨床状態を有する患者の大多数に使用される主要なスキャニング・モードとなることさえも予想される。

この類似性フィルタは、複数の３Ｄ（または、２Ｄ）データが経時的に獲得され、ＣＴの減衰がこれらの獲得にわたって変動する任意のＣＴテクニックに応用可能である。特定の実施態様においては、データを空間的に記録し、同一のボリューム要素（ボクセル）が常にまったく同じ組織をエンコードしていることを確実にする必要がある。

換気画像においては、肺の換気における局所変異を検出するため、または肺の動きを分析するために、呼吸周期の間に複数のＣＴボリュームを獲得することが可能である。これにより、局所的な空気捕らえ込みや気管虚脱の評価、または縦隔または胸壁に腫瘍が固着しているか否かの評価のために診断が使用されることが期待される。

特定の実施態様においては、多様なボリュームが、密度補正を伴うことなく互いに記録された後、ノイズの低減に類似性フィルタが適用される。これは、呼吸周期の間における動的な密度変化の分析を可能にする。記録プロセスから得られた変形野を逆に適用することによって、高い画質で動きを可視化することが可能である。

ＣＴＰと動き評価の組み合わせもまた可能である。獲得の間に動きを受けるエリア内におけるＣＴＰ獲得を、灌流だけでなく動きの分析にも使用することができる。これは、たとえば、放射線治療が計画されている患者の体内の目標器官の動きを理解すると同時に、照射されるべき腫瘍の灌流を分析するために有用である。特定の実施態様においては、多様なボリュームが肺の密度補正を伴って互いに対して記録される。このことは、肺組織の収縮および拡張に起因する肺の密度における変化が補償されることを意味する。その後、ノイズの低減に類似性フィルタが使用される。これは、ＣＴＰのための動的な密度変化の分析を可能にする。記録プロセスから変形野を逆に適用することによって、高い画質で動きを可視化することも可能である。

生データに基づく分析もまた可能である。上で開示したテクニックは、画像空間内の、すでに復元済みの３Ｄデータに応用できる。しかしながら、同一テクニックを、画像復元前の生データ（すなわち、検出器の読み）のフィルタリングに使用することも可能である。これには、先進の新しい反復的な復元アルゴリズムが、類似性フィルタによって得られるノイズ低減を利用し、さらに画質を向上させるか、または必要放射線量を下げることができるという利点がある。特定の実施態様においては、それを行うために次のステップが取られる。最初に、３Ｄボリュームが生データから復元される。続いて、これらのボリュームが空間的に記録され、動きが補償される。次に、動き補正後のデータが逆投影されて、動き補正後の生データセットが作られる。オプションで、具体的なスキャナの技術的詳細の補償に、追加の補正を適用することができる。結果として得られる生データセットは、類似性フィルタを使用してフィルタリングされる。ここでは、ガントリ角およびガントリ上のセンサの位置が位置ベクトルｘを表すとすることができ、各位置ｘについての連続する検出がサンプリング・ポイントｉを形成するとすることができる。フィルタリング後の生データは、その後、反復復元または逆投影を含む、任意のコンピュータ断層撮影法の復元テクニックを使用して復元することが可能である。

磁気共鳴撮影（ＭＲＩ）データもまた、類似性フィルタを使用して向上させることが可能である。ＭＲＩにおいては、空間分解能の向上が、より長い獲得持続時間を必要とするか、または実質的により高い画像ノイズを生じさせる。長すぎるスキャナ時間を回避するために、複数ボリュームの時間シーケンスが復元されるべき状況においては、通常、高分解能の獲得が回避される。空間分解能の向上またはスキャン持続時間の短縮、またはこれらの組み合わせに類似性フィルタを使用することが可能である。ここでもまた、特定の実施態様においては、ボリューム・データセットのシーケンスの空間的な記録が、類似性フィルタの適用前に実行される。

ダイナミック・コントラスト増強磁気共鳴撮影（ＤＣＥ−ＭＲＩ）は、ＣＴＰと類似する原理に基づく：３Ｄデータが、造影剤の流れの検討が可能となるように、造影剤の注射の間、多数回にわたって次から次へと獲得される。類似性フィルタは、いくつかの異なる方法でダイナミック・コントラスト増強ＭＲＩに使用することができる。特定の実施態様においては、類似性フィルタが、獲得手順の変更を伴うことなくＣＴＰの場合と類似する方法で使用される。言い換えると、上で開示したテクニックを使用し、連続するボリュメトリックＭＲＩデータセットをフィルタリングできる。これは、ノイズの低減によって画質を向上させるが、空間分解能を高めること、または獲得時間を短縮することは、これら２つのパラメータが変更されないためにない。いくつかの実施態様においては、３Ｄデータセット当たりの獲得時間が、既存のＤＣＥ−ＭＲＩデータ獲得手順と比較して短縮される。その方法によれば、時間分解能および／または空間分解能を高め、造影剤の動脈流入のより良好な分析を補助することができる。特定の実施態様においては、獲得時間の増加を伴うか、または伴わずに、マトリクス・サイズが増加される。これは、空間分解能を高めることになる。

拡散強調画像法（ＤＷＩ）は、獲得パラメータ（ｂ値）の変化を伴う複数のＭＲ獲得に基づく。このｂ値は、適用される拡散強調の程度を表す。類似性フィルタを、ＤＣＥ−ＭＲＩの場合と類似の態様で、時間ではなくｂをパラメータとして使用することが可能である。この場合もまた、より高い画質、より高速な獲得、またはより高い空間分解能の間での選択がある。類似性フィルタは、ユーザの選択に応じて、これらの因子（画質、獲得速度、および空間分解能）のうちの１つまたは複数または全部を向上させることができる。

ＡＳＬ（Ａｒｔｅｒｉａｌ Ｓｐｉｎ Ｌａｂｅｌｉｎｇ；動脈スピン・ラベリング）は、灌流を反映するノイズの多い時間分解のＭＲＩデータを作り出すテクニックである。その種のデータに対して、ＣＴＰまたはＤＣＥ−ＭＲＩのためのアプローチと類似する方法で類似性フィルタを適用することができる。

核医学においては、高い画像ノイズおよび不充分な画質から、動的検査が殆ど行われない。類似性フィルタは、ダイナミック・シンチグラフィ、すなわち、トレーサの注射後に複数の投影画像が獲得され、灌流および目標領域内へのトレーサの集積を呈する２Ｄテクニックにおける画質の回復に使用することが可能である。

動的な単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）は、その長い獲得時間から、まだ（充分に）開発されていない。特定の実施態様においては、次に示すステップを採用して、ＳＰＥＣＴに類似性フィルタを適用することが可能である：検出器リングは、高速回転モード（原理的に、可能な限り高速；通常、回転当たり１０秒超）で患者の周囲を移動する。各（半）回転からのデータが、３Ｄデータセット（通常は、これが深刻なノイズを受ける）の作成に使用される。特定の時間、たとえばＳＰＥＣＴの獲得のために使用される完全な規定時間の間に作られる（半）回転についてのこれらのデータを復元することによって、多様な時間ポイントにおいて復元される複数の３Ｄ獲得を包含する時間分解の４Ｄデータセットが作り出される。

品質を向上させるために、データを、オプション（追加）として呼吸および心拍でゲートし動きを補償して動きの補正を可能にする。

その後、類似性フィルタが、標準ＳＰＥＣＴ検査の画質に近づく画質を提供することが可能であるが、標準ＳＰＥＣＴ検査とは対照的に、各動態について、別々のボリュメトリック画像が取り込まれる。

陽電子放射断層撮影（ＰＥＴ）においては、偶然同時計数または散乱からノイズが発生し得る。フィルタを使用して、たとえば、ＰＥＴの外れ値低減を次の方法で達成することができる。最初に、合計の獲得時間を、別々に復元されるｍ個のビンに分割する。サンプリング・ポイントｉとしてのこれらのｍ個のデータセットに類似性フィルタを使用し、データの矛盾（散乱、偶然同時計数）を除去する。その後、ｍ個のビンのそれぞれを用いて獲得されたデータセットを、再び結合して最終的な補正後の画像を得る。コンピュータ断層撮影法の場合と同様に、このフィルタリング・テクニックは、センサ位置を場所ｘとし、ビンをサンプリング・ポイントｉとして使用し、センサ・データ（サイノグラム）に対しても適用できる。

本発明の態様のいくつかまたはすべては、ソフトウエアの形式、特にコンピュータ・プログラム・プロダクトの形式で実装することができる。その種のコンピュータ・プログラム・プロダクトは、当該ソフトウエアがストアされるメモリ等のストレージ媒体を包含できる。またコンピュータ・プログラムは、光ファイバ・ケーブルまたは空気等の伝送媒体によって運ばれる光信号または電磁気信号等の信号によって表すことができる。コンピュータ・プログラムは、部分的に、または全体が、コンピュータ・システムによる実行に適した、ソース・コード、オブジェクト・コード、または擬似コードの形式を有する。たとえば、コードは、１つまたは複数のプロセッサによって実行できる。

ここで述べた例および実施態様は、本発明を限定するものではなく、むしろ例示としての働きを有する。この分野の当業者であれば、特許請求の範囲からの逸脱なしに、代替実施態様を設計できるであろう。請求項内の括弧で囲まれた参照記号は、特許請求の範囲の限定として解釈されないものとする。請求項または説明の中の分離された実体として記述された項目は、ここに述べられているアイテムの特徴を組み合わせる単一のハードウエアとして、またはソフトウエア・アイテムとして実装されることがある。

１ スキャナ
２ 外部ストレージ・システム
３ 通信モジュール
４ プロセッサ
５ メモリ
６ 表示デバイス
７ 類似性フィルタ・システム
１０ 類似性ユニット
１１ 選択ユニット
１２ 重み付けユニット
１３ 合計ユニット
２０ データ
４０１ 画像
４０２ 画像

Claims (15)

1. 入力画像データセットをフィルタリングするためのシステムであって、前記入力データセットが、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含し、それにおいて正の整数ｎについての各シーケンスＩ（ｘ，１），Ｉ（ｘ，２），…，Ｉ（ｘ，ｎ）が、属性のセットのうちの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）が、属性ｘおよびサンプリング・ポイントｉと関連付けされ、前記システムは、
   サンプリング・ポイントｉおよび属性ｘに対応する出力信号値Ｉ＊（ｘ，ｉ）の計算をコントロールするべく構成された少なくとも１つのプロセッサ（４）を包含し、前記計算が、
   特定のサンプリング・ポイントｉについて、かつ前記属性のセットのうちの複数のＭ個の異なる属性ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）のそれぞれについて、重みｗ（ｘ，ｙ_ｋ，ｉ）を入力信号値Ｉ（ｙ_ｋ，ｉ）に、前記サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについての前記信号値Ｉ（ｘ，ｊ）およびＩ（ｙ_ｋ，ｊ）の間における類似度Ｓ_ｉ（ｘ，ｙ_ｋ）に基づいて関連付けすることと、
   前記入力信号値Ｉ（ｙ_ｋ，ｉ）および重みｗ（ｘ，ｙ_ｋ，ｉ）に基づいて、ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）についての重み付け合計を計算することと、
   を包含するシステム。
2. 前記属性は、場所または周波数である、請求項１に記載のシステム。
3. 前記重みｗ（ｘ，ｙ_ｋ，ｉ）は、前記属性ｘおよび前記属性ｙ_ｋの間の差とは独立である、請求項１に記載のシステム。
4. 前記属性は場所であり、前記重みｗ（ｘ，ｙ_ｋ，ｉ）は、前記場所ｘおよび前記場所ｙ_ｋの間の距離とは独立である、請求項３に記載のシステム。
5. 前記プロセッサ（４）は、あらかじめ決定済みの制約を前記類似度Ｓ_ｉ（ｘ，ｙ）が満たす前記属性のセットのうちの属性ｙの中から、ｋ＝１，…，Ｍとして、前記複数の異なる属性ｙ_ｋを選択するように構成される、請求項１に記載のシステム。
6. 前記プロセッサ（４）は、あらかじめ決定済みの制約を前記類似度Ｓ_ｉ（ｘ，ｙ）が満たす前記属性ｙのランダム選択として、前記複数の異なる属性ｙ_ｋを選択するように構成される、請求項５に記載のシステム。
7. 前記あらかじめ決定済みの制約が、前記属性ｘおよび前記属性ｙ_ｋの間の前記差に制約を課さない、請求項５に記載のシステム。
8. 前記サンプリング・ポイントｉが、時間ポイントに対応するか、または前記サンプリング・ポイントｉが、測定のシーケンスを表す、請求項１に記載のシステム。
9. 前記場所は、ボリューム・データセット内のボクセルの場所、またはピクチャ・データセット内のピクセルの場所を表す、請求項２に記載のシステム。
10. 前記場所は、ガントリ上にマウントされた検出器の位置およびガントリの位置を表す、請求項２に記載のシステム。
11. 前記プロセッサ（４）は、前記入力データセットの動き補償を実行し、かつ動き補償後の入力信号値に基づいて前記出力信号値を計算するように構成される、請求項１に記載のシステム。
12. 前記入力信号値は、コンピュータ断層撮影（ＣＴ）データ、コンピュータ断層撮影灌流（ＣＴＰ）データ、磁気共鳴撮影（ＭＲＩ）データ、単一光子放射コンピュータ断層撮影（ＳＰＥＣＴ）データ、および陽電子放射断層撮影（ＰＥＴ）データのうちの少なくとも１つを包含する、請求項１に記載のシステム。
13. さらに、前記出力データセットに基づく画像を表示するように構成された表示器（６）を包含する、請求項１に記載のシステム。
14. さらに、前記入力データセットを生成する少なくとも１つのセンサを包含する医用画像装置（１）を包含する、請求項１に記載のシステム。
15. 入力画像データセットをフィルタリングするための方法であって、前記入力データセットが、サンプリング・ポイントｉに対応する入力信号値の複数のシーケンスを包含し、それにおいて正の整数ｎについての各シーケンスＩ（ｘ，１），Ｉ（ｘ，２），…，Ｉ（ｘ，ｎ）が、属性のセットのうちの異なる属性ｘに対応し、入力信号値Ｉ（ｘ，ｉ）が、属性ｘおよびサンプリング・ポイントｉと関連付けされ、前記方法は、
    サンプリング・ポイントｉおよび属性ｘに対応する出力信号値Ｉ＊（ｘ，ｉ）の計算（２０６）を包含し、前記計算が、
    特定のサンプリング・ポイントｉについて、かつ前記属性のセットのうちの複数のＭ個の異なる属性ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）のそれぞれについて、重みｗ（ｘ，ｙ_ｋ，ｉ）を入力信号値Ｉ（ｙ_ｋ，ｉ）に、前記サンプリング・ポイントｉを除く複数のサンプリング・ポイントｊについての前記信号値Ｉ（ｘ，ｊ）およびＩ（ｙ_ｋ，ｊ）の間における類似度Ｓ_ｉ（ｘ，ｙ_ｋ）に基づいて関連付けすること（２０４）と、
    前記入力信号値Ｉ（ｙ_ｋ，ｉ）および重みｗ（ｘ，ｙ_ｋ，ｉ）に基づいて、ｙ_ｋ（＝ｙ_１，…，ｙ_Ｍ）についての重み付け合計を計算すること（２０５）と、
    を包含する方法。