JP2019523690A - 画像ベース診断システム - Google Patents

Abstract

心臓状態を診断するためのシステムは、心周期におけるそれぞれのポイントにおいて心臓の２つの画像を収集するように構成された撮像システム（１０２）と、画像上のポイントの一連のペアの位置を特定するための、手動で操作されるかまたは自動であり得る、位置特定手段とを備える。ポイントの各ペアは、２つの画像中の心臓の単一の部分のそれぞれの位置を示す。本システムは、ポイントの前記ペアの位置から、心臓の変形の少なくとも１つのパラメータの値を計算するように構成されたプロセッサ（１０８）をさらに備える。それは、診断出力を生成するために少なくとも１つのパラメータの値を基準データと比較するようにさらに構成され得る。

Description

本発明は、たとえば心臓の、医療画像を分析し、撮像される対象者のパラメータを測定するためのシステムに関する。本発明は、心エコー検査（ｅｃｈｏｃａｒｄｉｏｇｒａｐｈｙ）において適用されるが、Ｘ線コンピュータ断層撮影（ＣＴ）、磁気共鳴撮像（ＭＲＩ）、および陽電子放射断層撮影（ＰＥＴ）など、他の撮像モダリティの場合にも適用される。

心エコー検査は、心臓を撮像する方法として広く使用される。心エコー検査は、たとえば、心臓のリアルタイムビデオ画像を構築するために、一連の迅速に収集されたパルスエコー超音波画像を使用する。画像は、一般に２次元（２Ｄ）であり、画像は、一般に、熟練した臨床医によって視覚的に分析されるが、たとえば、ＵＳ８０７７９４４による画像のコンピュータ分析が知られている。負荷心エコー検査では、心臓は、安静状態（ｒｅｓｔ ｃｏｎｄｉｔｉｏｎ）で、すなわち、対象者が安静時であるときに撮像され、負荷状態（ｓｔｒｅｓｓ ｃｏｎｄｉｔｉｏｎ）の下で、たとえば、運動後に撮像される。２つの状態での心臓の機能は、心臓がどのように負荷に反応するかに関する情報を与えるために比較され得る。運動することが対象者に適していない場合、負荷は、たとえば、ドブタミンなどの刺激剤を対象者に注入することによって、誘起またはシミュレートされ得る。ドブタミン負荷エコー（ＤＳＥ：ｄｏｂｕｔａｍｉｎｅ ｓｔｒｅｓｓ ｅｃｈｏ）は、冠状動脈疾患（ＣＡＤ：ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｄｉｓｅａｓｅ）を診断する際に広く使用される。

本願発明の一実施例は、例えば、画像ベース診断システムに関する。

本発明は、たとえば、心臓状態を診断するために、心臓の変形を測定するためのシステムを提供し、本システムは、心周期におけるそれぞれのポイントにおいて心臓の２つの画像を収集するように構成された撮像システムを備える。本システムは、画像上のポイントの一連のペアの位置を特定するための位置特定手段であって、ポイントの各ペアが、２つの画像中の心臓の単一の部分のそれぞれの位置を示す、位置特定手段を備え得る。本システムは、たとえば、ポイントの前記ペアの位置から、心臓の変形の少なくとも１つのパラメータの値を計算するように構成された処理手段を備え得る。

処理手段は、診断出力を生成するために少なくとも１つのパラメータの値を基準データと比較するように構成され得る。
少なくとも１つのパラメータは、心臓の部分の少なくとも１つの方向における変位と、心臓の前記部分のすべてについての、少なくとも１つの方向における変位の平均と、心臓の前記部分のうちの少なくとも１つについての２つの異なる方向、たとえば、長手方向および半径方向における変位の和と、心臓の前記部分のすべてについての、変位のその和の平均と、以下でより詳細に説明される原理変換とのうちのいずれか１つまたは複数を含み得る。

位置特定手段は、ユーザが、画像中のポイントの前記ペアの位置を特定することと、たとえば、２次元座標系におけるポイントの各々の座標を記録することによって、ポイントの前記ペアの位置を記録することとを可能にするように構成されたユーザ入力デバイスを備え得る。

撮像システムは、画像をそれぞれの画像データセットとして記憶するように構成され得、位置特定手段は、ポイントの前記ペアのロケーションを決定することと、ポイントの前記ペアの位置を記録することとを行うために画像データセットを処理するように構成され得る。

少なくとも１つのパラメータは複数のパラメータを含み得、処理手段は、パラメータの各々の値をそれぞれの基準値と比較するように構成され得る。
本システムは、心臓が第２の状態にある、心周期におけるそれぞれのポイントにおいて心臓の２つの画像のさらなるセットを収集するように構成され得、第２の状態は、２つの画像の第１のセットが収集されたときの心臓の状態とは異なる。たとえば、状態のうちの１つは、対象者が安静時であるときの安静状態であり得、状態のうちの１つは、対象者が負荷を受けているときの負荷状態であり得る。パラメータの各々は、画像の各セットについて１回決定され得る。画像の２つのセットからのデータを組み合わせる、１つまたは複数のさらなるパラメータが定義され得る。たとえば、画像の２つのセット間の、パラメータのうちの１つの値の差分が、さらなるパラメータとして使用され得る。

処理手段は、パラメータの値から診断出力を生成するための決定ツリーを定義するように構成され得る。決定ツリーは複数の決定ポイントを含み得る。各決定ポイントは、パラメータのうちの１つの基準値を定義し得る。たとえば、決定ポイントのうちの１つは主変換（ｐｒｉｎｃｉｐａｌ ｔｒａｎｓｆｏｒｍａｔｉｏｎ）の基準値を定義し得、および／または決定ポイントのうちの１つは、以下でより詳細に説明されるようにせん断変換（ｓｈｅａｒ ｔｒａｎｓｆｏｒｍａｔｉｏｎ）の値を定義し得、および／または決定ポイントのうちの１つは、心臓の２つの異なる状態での主変換の間の差分の基準値を定義し得る。Ｃ４．５およびＪ４８など、トレーニングデータから決定ツリーを構築するためのシステムが、よく知られている。

本発明は、たとえば、心臓状態を診断するために、心臓の変形を測定する方法をさらに提供し、本方法は、心周期におけるそれぞれのポイントにおいて心臓の２つの画像を収集するステップと、画像上のポイントの一連のペアの位置を特定するステップであって、ポイントの各ペアが、２つの画像中の心臓の単一の部分のそれぞれの位置を示す、位置を特定するステップとを含む。本方法は、たとえば、ポイントの前記ペアの位置から、心臓の変形の少なくとも１つのパラメータを計算するステップをさらに含み得る。本方法は、診断出力を生成するために少なくとも１つのパラメータを基準データと比較するステップをさらに含み得る。

本発明は、心臓状態を診断するためのシステムを製作する方法をさらに提供し、本方法は、画像のセットを分析するステップであって、画像の各々が、それに関連する診断結果を有する、分析するステップを含み、本方法は、画像の各々についての少なくとも１つのパラメータの値を計算するステップと、値と診断結果との間の関係または相関を決定するために値と診断結果とを分析するステップとを含む。

本方法は、パラメータの値から診断出力を生成するための決定ツリーを展開するために機械学習を使用するステップをさらに含み得る。本方法は、撮像システムの一部を形成し得るコンピュータシステムまたはプロセッサシステム上で実行され得るか、または別個のコンピュータを備え得る。

診断出力は、冠状動脈疾患（ＣＡＤ）、または僧帽弁逆流、または肥大型心筋症など、様々な心臓状態に関係し得る。
撮像システムは、心エコー検査システムを備え得るか、あるいは、それは、Ｘ線コンピュータ断層撮影（ＣＴ）スキャナ、磁気共鳴撮像（ＭＲＩ）スキャナ、または陽電子放射断層撮影（ＰＥＴ）スキャナなど、Ｘ線撮像システムであり得る。

本システムまたは本方法は、添付の図面を参照しながら次に説明されるように、任意の実行可能な組合せで、本発明の好ましい実施形態の任意の１つまたは複数の特徴またはステップをさらに備え得る。

本発明の一実施形態によるシステムの概略図である。 心臓の四腔像（ｆｏｕｒ ｃｈａｍｂｅｒ ｖｉｅｗ）を概略的に示す図である。 図１のシステムによって実行される診断方法の主要なステップを示す流れ図である。 図１のシステムによって実行される、２つの画像の比較の概略図である。 図５ａは、図１のシステムによって実行される、分析の２つの段階におけるサンプル画像を示す図である。図５ｂは、図１のシステムによって実行される、分析の２つの段階におけるサンプル画像を示す図である。 図６ａは、図のシステムを使用して取得されるサンプルデータの分析の結果を示す図である。図６ｂは、図のシステムを使用して取得されるサンプルデータの分析の結果を示す図である。 図６ａおよび図６ｂの結果を製作するために使用されるアルゴリズムを示す流れ図である。

図１を参照すると、心エコー検査システム１００は、患者１０４の体の近くに、一般に、心臓にできるだけ近くに位置するように構成されたトランスデューサアレイ１０２と、デジタル電子プロセッサであり得るプロセッサ１０８を含む処理ユニット１０６と、ハードディスクなどのメモリ１１０と、フラットスクリーンモニタまたはＬＥＤディスプレイなどのディスプレイ１１２とを備える。本システムは、ユーザ入力デバイス、たとえば、ディスプレイ１１２に組み込まれたタッチスクリーン１１４をさらに含み得、ユーザ入力デバイスは、ユーザがシステム１００に入力を与えることを可能にするユーザ入力を与える。マウス、タッチパッドまたはキーボードなどの他のユーザ入力も、当然使用され得る。プロセッサユニット１０６は、トランスデューサアレイ１０２に接続され、一連のパルスにおいて患者にわたってスキャンする超音波ビームを放出し、各パルスから、心臓からの反射された超音波を検出するように、トランスデューサアレイをフェーズドアレイとして制御するように構成される。心臓の１回のスキャンは単一の画像を構築し、スキャンは、一般に、心周期中に心臓の運動を示す心臓のリアルタイムビデオ画像を構築するために、１秒当たり２５〜５０個の画像で繰り返される。各画像は、画像データセットとしてメモリ１１０に記憶され得、画像データセットは、たとえば、画像がそれから成るピクセルの各々についての強度値を含み得る。

本システムは、上記では概括的な言葉で説明されたが、好適な心エコー検査システムは、たとえば、Ｐｈｉｌｉｐｓ Ｅｐｉｃ ｉＥ３３、ＧＥ ｖｉｖｉｄ ｅ９、またはＰｈｉｌｉｐｓ ＣＸ５０などのポータブルシステム、またはハンドヘルドシステムを含む。

心エコー検査のプロセスは、よく知られており、詳細に説明されない。いくつかの異なる撮像方法があるが、２次元撮像が使用され得る。それは、心臓の４つの主腔、すなわち、左心室（ＬＶ）、右心室（ＲＶ）、左心房（ＬＡ）および右心房（ＲＡ）の異なる態様を示す、心臓を通るいくつかの異なる平面上の画像を与えることが知られている。そのような像は、たとえば、心尖部（ａｐｉｃａｌ）四腔像、心尖部二腔像または心尖部三腔像、ならびに傍胸骨（ｐａｒａｓｔｅｒｎａｌ）長軸像および傍胸骨短軸像を含む。各場合において、単一の静止画像が取得され得るが、一般に、心臓の運動が記録および分析され得るように一連の像が心臓の周期にわたって収集される。

図２を参照すると、画像が四腔心尖部像である場合、それらは、左心室２０２と、右心室２０４と、左心房２０６と、右心房２０８とを示す、心臓２００の２Ｄ平面を示す。平面はＬＶの長軸２１０を含み、また、ＬＶの頂点２１２と、ＬＶの外側壁２１４と、中隔２１６とを通って延びる。

図３を参照すると、心エコー検査システム１００は、ステップ３００において、２Ｄ画像のシーケンスを収集し、それらを心エコー検査システム１００のメモリ１１０に記憶するように構成され得る。画像は、単一の心周期にわたって収集され得、たとえば、１つの周期をカバーする１０から５０個の画像を含み得る。画像の収集は、当然、従来の心エコー検査システム１００上で行われ得る。画像の以下の分析は、図１に示されているように、心エコー検査システムの一部を形成する同じ処理ユニット１０６を使用して行われ得る。しかしながら、画像は、ラップトップまたはＰＣなどのコンピュータ上にダウンロードされ得、コンピュータは、制御ユニット１０６のものと同様にこのために動作するプロセッサ、メモリ、ユーザ入力およびディスプレイを有し、画像のさらなる分析は、そのコンピュータ上で専用ソフトウェアの制御下で行われ得る。

ステップ３０２において、収縮末期（ｅｎｄ ｓｙｓｔｏｌｅ）、すなわち最大収縮に最も近い画像と、拡張末期（ｅｎｄ ｄｉｓｔｏｌｅ）、すなわち、ＬＶの最大容積に最も近い画像とが識別され得る。これは、ユーザが、ディスプレイ１１２上で画像のすべてを閲覧することと、ユーザ入力デバイス１１４を使用して、それらの画像のうちの１つを収縮末期に最も近いものとして選択し、それらの画像のうちの１つを拡張末期に最も近いものとして選択することとによって行われ得る。この選択は、ユーザによって、眼によって判定される画像の各々中のＬＶの容積の評価および比較に基づいて、または僧帽弁の開および閉のポイントに気づくことによって、またはＥＣＧプロット上にＱＲＳ群を使用して、またはこれらの任意の組合せによって行われ得る。これは、熟練した臨床医が行うには適度に容易である。代替的に、プロセッサ１０８は、画像の各々中のＬＶを識別し、ＬＶの容積を測定することと、異なる画像中のＬＶの容積を比較することと、最小のＬＶ容積をもつ画像を収縮末期画像として識別し、最大のＬＶ容積をもつ画像を拡張末期画像として識別することとを行うために画像処理技法を使用するように構成され得る。いずれの場合も、収縮末期画像および拡張末期画像が識別されると、収縮末期画像および拡張末期画像は、メモリ１１０中で識別され、それらがユーザによって選択および閲覧され得るように、たとえば、適切なフラグを用いてマークされ得る。

図４を参照すると、収縮末期画像および拡張末期画像が識別されると、ステップ３０４において、収縮末期４００ａと、拡張末期４００ｂとにおけるＬＶの壁上の対応するポイント４０１は、識別され得る。また、たとえば、ＬＶの頂点４０２を通り、それの長手方向軸に沿って延びる（本明細書ではｙ軸と呼ばれる）垂直軸と、それの頂点４０２とそれのベース４０４との間の中間のＬＶの中点を通る（本明細書ではｘ軸と呼ばれる）水平軸とを有する直交座標系が定義され得る。頂点４０２およびベース４０４は、ユーザによってユーザ入力を介して、または画像処理によって識別され得る。次いで、座標系上のポイント４００ａ、４００ｂの各々の座標が決定および記録され得る。画像のスケールが心エコー検査システムから知られているので、ポイントの各々の座標は、画像の平面におけるポイントの位置を定義し、したがって、各ペア中の２つのポイント間の距離は、収縮末期と拡張末期との間で心臓の重要な部分が運動した距離を示す。同じく、ポイントの識別は、ユーザが、ユーザ入力１１４を使用して画像の各々上のポイントの各々を選択することによって手動で行われ得るか、または、ポイントの識別は、システム１００上で動作し、収縮末期画像と拡張末期画像との各々中のＬＶの形状を分析し、特定のポイントを識別するように構成された画像処理ソフトウェアによって行われ得る。これらは、２つの画像の各々について、たとえば、収縮末期と拡張末期の両方におけるＬＶの頂点４０２ａ、４０２ｂにおけるポイント、ＬＶのベースの片側におけるポイント４０４ａ、およびＬＶのベースの反対側におけるポイント４０６ａ、ＬＶの中点における２つのポイント、頂点の始端における２つのポイント、ならびにその間に離間した様々な中間ポイントを含み得る。これらのポイントのうちのいくつかが、図５ａおよび図５ｂを参照しながら以下でより詳細に説明される。

図５ａを参照すると、図５ａは、造影剤を用いて収集されたエコー画像を示し、ＬＶの画像の各々において、ＬＶの頂点６０２は、ＬＶの最端部として位置を特定され得、各側６０４、６０５のＬＶのベースは、側壁の形状から位置を特定され得る。次いで、ｙ軸が、頂点６０２、およびベースの２つの側、６０４と６０５との間の中点を通過するラインとして定義され得る。次いで、ｘ軸が、頂点と、ベースの２つの側の間の中点との間でｙ軸の中間に直角なラインとして定義され得る。各側の中点６０６、６０７が、ｘ軸がその側の側壁と交差するポイントとして識別され得る。また、各側の頂点の下端６０８、６０９が、側壁が頂点６０２にむかって先細りになり始めるところにおいて、識別され得る。上述のように、これらのポイントの各々は、ユーザによって識別され得る。代替的に、それらを識別するために画像処理が使用され得る。画像処理が使用される場合、ＬＶの輪郭が、最初に、ＬＶ内のより明るいエリアとその周りの壁を形成する心筋のより暗いエリアとの間の境界として識別される（または造影剤の使用なしに収集される画像の場合、その逆も同様である）。この境界は鮮鋭でないが、そのような境界を識別するためのアルゴリズムは、よく知られている。境界が識別されると、アルゴリズムは、次いで、境界の最高ポイント（最大ｙ値）を、頂点６０２であるものとして識別し、境界が下端において方向を変更するポイントを、たとえば、図５ａ中のベースラインの右側のポイント６０５において見られ得るように識別するように構成され得る。同じく、湾曲の半径および方向、ならびにそれが境界の周りでどのように変化するかを分析するためのアルゴリズムが、これらのポイントと、頂点の下端におけるポイント６０８、６０９とを識別するために使用され得る。

図５ｂを参照すると、ＬＶの壁上のさらなるポイントが、手動で、または単純なアルゴリズムを使用するプロセッサによってのいずれかで識別され得る。たとえば、これらは、図５ａ中で示されているポイント間のｙ方向において等間隔に離間された側壁上のポイントであり得る。

再び図３を参照すると、これらのポイントのすべてが識別されると、直交座標系におけるそれらのｘおよびｙ座標は、たとえば、収縮末期画像上のポイントの座標を含む収縮末期座標セット、および拡張末期画像上のポイントの座標を含む拡張末期座標セットとしてメモリ１１０に記憶され得る。プロセッサは、ステップ３０６において、その２つの座標セットから、収縮末期と拡張末期との間のＬＶのジオメトリにおける変換を計算するように構成され得る。プロセッサは、たとえば、次により詳細に説明されるように、１つまたは複数の方向における運動を計算するために座標セットを使用するように構成され得る。

再び図４を参照すると、プロセッサ１０８は、収縮末期と拡張末期との間のＬＶの形状の変形について、収縮末期と拡張末期との間のＬＶの運動を定量化する様々なパラメータについての値を計算するように構成される。

計算は、ｘ軸とｙ軸の両方に沿った位置の変化（拡張末期−収縮末期）を理解することによって、各ポイントがｘ方向およびｙ方向の各々においてどのくらい遠くに運動したかを理解することを含み得る。これは、ポイント４０４ａ、４０４ｂについて図４に示されているように、ポイントの各対応するペアについての１つの値をもつｘ軸運動Δｘのセットを与え、同じく、ポイントの各対応するペアについての１つの値をもつｙ軸運動Δｙのセットを与える。これらの値の各々は、方向の指示のない単純な距離であり得る。次いで、ｘ軸におけるすべてのポイントの平均変化（ΔＸ）とｙ軸におけるすべてのポイントの平均変化（ΔＹ）との両方が、心室全体についての、平均Δｘ値またはｘ方向運動ΔＸと、平均Δｙ値またはｙ方向運動ΔＹとを与えるように別々に計算され得る。個々の運動値の各々が単に距離であり、それらが正または負のｘ方向またはｙ方向にあるかどうかの指示がない場合、これらの平均は、総運動量を表すが、方向の指示、またはＬＶ壁の異なる部分が同じ方向において運動しているのか反対方向において運動しているのかの指示を与えないことになる。

計算され得る別のパラメータは、ＬＶ上の各ポイント、すなわち、画像上のポイントの各ペアについて、ｘ方向運動Δｘおよびｙ方向運動Δｙの平均を計算することであり、ここで、各ポイントについての平均値は、Δｘｙ＝（Δｘ＋Δｙ）／２である。次いで、すべてのポイントについてのΔｘｙのすべての値の平均が計算されて、心室全体についての値ΔＸＹになり得る。この計算は、せん断ひずみ（ｓｈｅａｒ ｓｔｒａｉｎ）の計算と同様であり、したがって、本明細書ではせん断変換と呼ばれる。運動の所与の距離の場合、このパラメータは、ｘ軸とｙ軸の両方に対して４５度の運動の場合に最も大きくなり、軸のうちの１つに沿った運動の場合に最も小さくなることが諒解されよう。

計算され得るさらなるパラメータは、ｘひずみ成分およびｙひずみ成分から計算され得る主変換と同様であり、したがって、本明細書では主変換と呼ばれ、
主変換＝Ｃ１（ΔＸ＋ΔＹ−√（ΔＸ＋ΔＹ）＾２＋Ｃ２ΔＸＹ＾２）
によって与えられ、
ここで、Ｃ１およびＣ２は定数である。たとえば、Ｃ１は１／２であり得、Ｃ２は４であり得る。これらの値は、以下で説明される例において使用された。

この変換は、せん断変換に密接に関係し、したがって、そのパラメータと同様に変動する傾向があるが、心臓の収縮を示す負値を有する。しかしながら、以下のテスト結果によって示されるように、主変換値は、いくつかの場合には、特にＣＡＤのより信頼できる診断を与えることができる。

これらのパラメータの各々が、単一の冠状周期における収縮末期と拡張末期との間の変化に関係することが諒解されよう。しかしながら、負荷心エコー検査（または他の撮像方法を用いて行われる対応するテスト）では、安静時の心臓の場合、各パラメータについて１つの値があり、負荷時の心臓の場合、１つの値がある。それらの値を比較すること、たとえば、それらの値の間の差分を決定することは、診断において使用され得る心臓機能に関するさらなる情報を与える。

ｘ運動およびｙ運動、ならびにせん断変換値および主変換値が計算されると、プロセッサは、次いで、ステップ３０８において、１つまたは複数の特定の心臓状態の診断を行うためにこれらをメモリ１１０に記憶された基準値と比較することと、診断出力を生成することとを行うように構成される。出力は、陽性または陰性の診断を示す単純なバイナリ出力であり得る。プロセッサユニット１０６は、ディスプレイ１１２上に出力を表示するように構成され得る。代替的に、または追加として、プロセッサユニット１０６は、たとえば、診断を示す出力データを、画像が記憶されるファイルに追加することによって、出力がそれに基づく画像に関連するデータとして出力を記憶するように構成され得る。

基準値は、たとえば、心臓の画像の分析によって決定され得、それらのうちの一部は、たとえば、特定の状態を示すしきい値を決定するための特定の心臓状態を有し、それらのうちの一部は、特定の心臓状態を有しない。

基準値は、学習アルゴリズムによって決定され得、学習アルゴリズムは、たとえば、プロセッサユニット１０６上で動作され得、学習アルゴリズムは、メモリ１１０に記憶され得る、従来の方法によって決定された関連する診断をもつ負荷エコー画像のデータベースを使用する。詳細には、データベースは画像の多数のセットを含み得、各セットは、画像の各セットについて、ＣＡＤについての陽性または陰性の診断など、関連する診断とともに、安静状態と負荷状態の両方の場合の収縮末期画像および拡張末期画像を備える。学習アルゴリズムは、上記で説明された様々なパラメータの値を計算するように画像を分析し、次いで、診断と様々なパラメータの各々の値との間の相関を決定するように構成され得る。

分析は、７０人の対象者からのサンプル画像に対して行われた。生成されたすべての結果は、心尖部四腔像からのものであった。最初に、値は、ＤＳＥ結果から決定された陽性および陰性の結果について比較された。次いで、ＤＳＥ結果において確認された偽陽性について補正されたＤＳＥ結果との比較が繰り返された。

機械学習結果
サンプルデータから取得された様々なパラメータの値から、機械学習は、調整されたＤＳＥ結果のインジケータとして各パラメータの精度を決定するために使用され得る。上記のデータを使用して、１０分割交差検証方法（１０ ｆｏｌｄ ｃｒｏｓｓ ｖａｌｉｄａｔｉｏｎ ｍｅｔｈｏｄ）を用いたＪ４８プルーニング済み決定ツリーが、データを分類するために使用された。診断結果のインジケータとしての各パラメータの精度は、以下の表において要約され、ここで、使用される以下の略語は、以下の通りである。

ＴＰ＝真陽性
ＦＰ＝偽陽性
ＦＮ＝偽陰性
ＴＮ＝真陰性
ＰＰＶ＝陽性予測値
ＮＰＶ＝陰性予測値

次いで、変数のすべてから、機械学習を使用して、図７に示されている決定ツリーが、データからの正確な診断を与えるために導出された。決定ツリーは一連の決定ポイントを定義し、その各々がパラメータの基準値またはしきい値を定義する。決定ツリーは、以下のように動作する単純なアルゴリズムを略記する。最初に、上記で説明されたＬＶの主変換は、心臓の負荷状態の場合に決定される。変換が−５．９５ｍｍよりも小さい（すなわち、５．９５ｍｍよりも大きい大きさをもつ負値である）場合、診断は陰性である。値が−５．９５ｍｍよりも大きい場合、安静状態と負荷状態との間の主変換の差分は１２．２７８０５３ｍｍよりも大きく、診断は陰性であるが、その値がその距離よりも小さい場合、診断は陽性である。決定ツリーの構造、および決定ツリー中の各決定ポイントにおける基準値またはしきい値は、行われるべきである診断に依存することになることが諒解されよう。

決定ツリーは、次いで、サンプルデータに対して、それの精度をテストするために使用され、結果は以下に与えられる。
すべての変数に対する機械学習

同様の診断システムにおいて二腔像が四腔像の代わりに使用され得るかどうかをテストするために、サンプルデータ中の四腔像の各々に対応する二腔像が、主変換、せん断変換、ならびに半径方向（Ｘ）運動および長手方向（Ｙ）運動の同じパラメータを導出するために同様に分析された。

極めて有意な結果は、四腔像と二腔像との間の主変換値の類似度である。これは、主ベクトル（ｐｒｉｎｃｉｐａｌ ｖｅｃｔｏｒ）が、疾患を検出するための高感度パラメータであることを暗示するだけでなく、それは、２Ｄ像からの３Ｄ機能的評価を与えることをも暗示する。

表１１は、主変換が、他の疾患コホート（ｄｉｓｅａｓｅ ｃｏｈｏｒｔ）（肥大型心筋症（ＨＣＭ）および僧帽弁逆流）において低減されることを示し、主変換が肥大、心筋症および弁膜疾患を検出することにおいても高感度であることを暗示する。主ベクトルが四腔像と二腔像の両方において低減され、主ベクトルが、ただ単一の平面から心臓における異常を検出することにおいて高感度であることを示すことに留意されたい。詳細には、肥大がさらに四腔像においてのみ発生したＨＣＭに関して、主変換は、依然として、二腔像において著しく低減された。

ただ１つの平面における画像の分析が、様々な疾患を診断するために使用され得、単一のパラメータよりも正確な診断を与える決定ツリーを展開するために様々な異なるパラメータが使用され得ることが諒解されよう。

Claims (20)

1. 心臓状態を診断するためのシステムであって、心周期におけるそれぞれのポイントにおいて心臓の２つの画像を収集するように構成された撮像システムと、前記画像上のポイントの一連のペア(a series of pairs of points)の位置を特定するための位置特定手段であって、ポイントの各ペアが、前記２つの画像中の前記心臓の単一の部分のそれぞれの位置を示す、位置特定手段と、ポイントの前記ペアの前記位置から、前記心臓の変形の少なくとも１つのパラメータの値を計算し、診断出力を生成するために前記少なくとも１つのパラメータの前記値を基準データと比較するように構成された処理手段とを備える、システム。
2. 前記少なくとも１つのパラメータが少なくとも１つの方向における変位を含む、請求項１に記載のシステム。
3. 前記変位が、少なくとも１つの方向における前記心臓の前記部分のすべてについての前記変位の平均である、請求項２に記載のシステム。
4. 前記少なくとも１つのパラメータが、前記心臓の前記部分のうちの少なくとも１つについての長手方向における変位と半径方向における変位との和を含む、請求項１から３のいずれかに記載のシステム。
5. 前記位置特定手段は、ユーザがポイントの前記ペアの位置を特定し、ポイントの前記ペアの前記位置を記録することを可能にするように構成されたユーザ入力デバイスを備える、請求項１から４のいずれかに記載のシステム。
6. 前記撮像システムが、前記画像をそれぞれの画像データセットとして記憶するように構成され、前記位置特定手段が、ポイントの前記ペアのロケーションを決定することと、ポイントの前記ペアの前記位置を記録することとを行うために前記画像データセットを処理するように構成された、請求項１から４のいずれか一項に記載のシステム。
7. 前記少なくとも１つのパラメータが複数のパラメータを含み、前記処理手段が、前記パラメータの各々の前記値をそれぞれの基準値と比較するように構成された、請求項１から６のいずれかに記載のシステム。
8. 前記処理手段が、前記パラメータの前記値から前記診断出力を生成するための決定ツリーを定義するように構成された、請求項７に記載のシステム。
9. 請求項１から８のいずれかに記載のシステムを製作する方法であって、前記方法は、画像のセットを分析するステップであって、前記画像の各々が、それに関連する診断結果を有する、分析するステップを含み、前記方法は、前記画像の各々についての前記少なくとも１つのパラメータの値を計算するステップと、前記値と前記診断結果との間の関係または相関を決定するために前記値と前記診断結果とを分析するステップとを含む、方法。
10. 前記パラメータの前記値から前記診断出力を生成するための決定ツリーを展開するために機械学習を使用するステップをさらに含む、請求項９に記載の方法。
11. 請求項９または請求項１０に記載の前記方法を実行するように構成されたシステム。
12. 心臓の変形を測定するためのシステムであって、前記システムは、心周期におけるそれぞれのポイントにおいて前記心臓の２つの画像を収集するように構成された撮像システムと、前記画像上のポイントの一連のペアの位置を特定するための位置特定手段であって、ポイントの各ペアが、前記２つの画像中の前記心臓の単一の部分のそれぞれの位置を示す、位置特定手段と、ポイントの前記ペアの前記位置から、前記心臓の前記変形の少なくとも１つのパラメータの値を計算するように構成された処理手段とを備える、システム。
13. 請求項２から８のいずれか一項に記載の追加の特徴をさらに備える、請求項１２に記載のシステム。
14. 心臓の変形を測定する方法であって、前記方法は、心周期におけるそれぞれのポイントにおいて前記心臓の２つの画像を収集するステップと、前記画像上のポイントの一連のペアの位置を特定するステップであって、ポイントの各ペアが、前記２つの画像中の前記心臓の単一の部分のそれぞれの位置を示す、位置を特定するステップとを含む、方法。
15. 少なくとも１つのパラメータが少なくとも１つの方向における変位を含む、請求項１４に記載のシステム。
16. 前記変位が、少なくとも１つの方向における前記心臓の前記部分のすべてについての前記変位の平均である、請求項１５に記載の方法。
17. 前記少なくとも１つのパラメータが、前記心臓の前記部分のうちの少なくとも１つについての長手方向における変位と半径方向における変位との和を含む、請求項１４から１６のいずれか一項に記載の方法。
18. ポイントの前記ペアのロケーションを決定するために画像データセットを処理するステップと、ポイントの前記ペアの前記位置を記録するステップとをさらに含む、請求項１４から１７のいずれか一項に記載の方法。
19. 前記少なくとも１つのパラメータが複数のパラメータを含み、処理手段が、前記パラメータの各々の前記値をそれぞれの基準値と比較するように構成された、請求項１４から１８のいずれか一項に記載の方法。
20. 前記パラメータの前記値から前記診断出力を生成するための決定ツリーを定義するステップをさらに含む、請求項１４から１９のいずれか一項に記載の方法。