JP2019536538A - スペクトルｃｔにおける骨及びハードプラークのセグメンテーション - Google Patents

スペクトルｃｔにおける骨及びハードプラークのセグメンテーション Download PDF

Info

Publication number
JP2019536538A
JP2019536538A JP2019524409A JP2019524409A JP2019536538A JP 2019536538 A JP2019536538 A JP 2019536538A JP 2019524409 A JP2019524409 A JP 2019524409A JP 2019524409 A JP2019524409 A JP 2019524409A JP 2019536538 A JP2019536538 A JP 2019536538A
Authority
JP
Japan
Prior art keywords
voxel
probability
map
value
calcium
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2019524409A
Other languages
English (en)
Other versions
JP2019536538A5 (ja
JP7104034B2 (ja
Inventor
リラン ゴシェン
リラン ゴシェン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2019536538A publication Critical patent/JP2019536538A/ja
Publication of JP2019536538A5 publication Critical patent/JP2019536538A5/ja
Application granted granted Critical
Publication of JP7104034B2 publication Critical patent/JP7104034B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pulmonology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Vascular Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本発明は、ボクセルごとにマルチスペクトル情報を含む、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを受け取るためのデータ入力部１１を含む画像処理デバイス１０に関する。デバイスは、ボクセルごとに、前記マルチスペクトル情報に基づいて、ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を表す第１の値と、カルシウム構造表面の方位を表す第２の値とを推定するためのカルシウム表面特徴アナライザ１２をさらに含む。デバイスは、ボクセルごとに、少なくとも第１及び第２の値並びにマルチスペクトル情報を考慮に入れて、ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するための確率プロセッサ１３をさらに含む。デバイスは、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を確率マップに基づいてセグメント化するためのセグメンテーションユニット１４をさらに含む。

Description

本発明は、デジタル画像処理の分野に関する。より具体的には、本発明は、スペクトルコンピュータ断層撮影（ＣＴ）画像データ内の骨及び／又はハードプラーク構造のセグメンテーションに関する。
コンピュータ断層撮影（ＣＴ）において、調査中の対象物の内部構造を明らかにする画像は、透過性電離放射線によって得られる。そのような画像、例えば、三次元ボリュメトリック画像データは、当技術分野で知られているように、検出器によって得られ、対象物を基準にした透過性電離放射線の線源及び検出器の異なる方位に対応する、例えば、対象物を通して放射線を投影する異なる方向に対応する投影画像に再構成技法を適用することによって得られる。再構成画像データは、三次元座標系に対する対象物の異なる位置を表すボクセルで組織化される。各ボクセルは、それに関連する値、例えば、ボクセルに対応する位置でのスキャン対象物の減衰特性を表す、例えば、放射線密度、例えば相対放射線密度を表すハウンスフィールド単位で表された値などのグレースケール値を有する。
スペクトルＣＴは、従来のＣＴの能力を拡大するイメージングモダリティである。スペクトルＣＴでは、各ボクセル値は、透過性電離放射線の少なくとも２つの異なる性質に対して決定される。したがって、少なくとも２つの異なる減衰特性、例えば、グレースケール値が、各ピクセルに同時に割り当てられる。異なる性質の透過性電離放射線は、例えば、平均及び／又はピーク光子エネルギーが十分に異なっており、その結果、異なる減衰特性は、識別可能に異なる光電効果及びコンプトン効果寄与を受け、それは、対象物内の異なる材料の良好な区別を可能にする。
スペクトルＣＴは、例えば、対象者の体の内部構造を非侵襲的に検査するための医療用途で使用される。さらに、追加のスペクトル情報が、スキャン対象物及びその材料組成に関して測定される定量的情報を改善するので、スペクトルＣＴは特に定量的イメージング用途に適する。
スペクトルＣＴの医療用途、例えば、血管分析、外傷用途は、一般に、画像データ内の骨及び／又はハードプラーク構造のセグメンテーションを必要とする。例えば、骨及び／又はハードプラーク構造のセグメンテーションは、画像からそのような構造の選択的な除去を可能にして、画像データに記録された他の構造、例えば、臓器、血管、又は注目する他の軟組織などのより良好な視像、又はさらなる自動分析を可能にする。
当技術分野で知られているようなセグメンテーション手法は、アトラスベースの方法などのトポロジカル背景情報に依拠する時間のかかる冗長な半自動方法に基づく。さらに、対話型編集ツールを使用して、そのような半自動手順の結果を修正及び／又は調節する。しかしながら、当技術分野で知られている骨及び／又はハードプラーク構造をセグメント化するための方法は、限られたレベルの精度しか提供しないという欠点がある。
例えば、当技術分野で知られている方法は、主として、簡単な密度又は勾配演算子に依拠する。そのような方法は、異なる材料が同様の密度範囲を有するとともに、さらに互いに近くにあるために、骨及び／又はハードプラークのセグメンテーションの精度及び信頼性が限定される。例えば、骨と血管とが空間的にすぐ近くにあることがある。骨と血管とは、例えば、静脈に注射された造影剤が使用される場合、取得されたＣＴ画像では同様のグレースケール値を示すことがある。
例えば、ＣＴ画像データ内の骨構造を正確に信頼性高くセグメント化することは、スペクトルＣＴ画像によって提供されるスペクトル情報利得を使用する場合でさえ、骨構造が複雑な構造及び不均一材料組成を有するので、特に困難である。例えば、いくつかの骨及びプラーク構造、例えば柱骨は、カルシウムだけではなく、他の材料、例えば軟組織及び脂肪組織をかなりの程度まで含む複雑な構造である。それゆえに、そのような骨又はプラーク構造の減衰及びスペクトル特性は、体の他の構造、例えば造影臓器に非常に似ている。
さらに、従来のＣＴと比較してスキャン対象物の構成材料に関するより多くの情報が得られ、したがって、原理的に、材料の良好な区別を可能にするが、スペクトルＣＴ画像取得は、ノイズの増強などの固有の画像品質問題を有する。したがって、主としてスペクトルの情報に基づく骨セグメンテーションアルゴリズムは、次善の結果をもたらす。
例えば、ＷＯ２０１５／０８３０６５は、スペクトル画像データ内の骨をセグメント化するための先行技術の方法を開示している。スペクトル画像データは、少なくとも、第１のエネルギーに対応する第１の組の画像データと第２の異なるエネルギーに対応する第２の組の画像データとを含む。この方法は、スペクトル画像データを得ることを含む。この方法は、スペクトル画像データのボクセルごとに１組の特徴を抽出することをさらに含む。この方法は、ボクセルごとに、各ボクセルが１組の特徴に基づいて骨構造を表す確率を決定することをさらに含む。この方法は、その確率に基づいてスペクトル画像データから骨構造を抽出することをさらに含む。
本発明の実施形態の目的は、スペクトルＣＴ画像データ内の骨及び／又はハードプラーク構造の速い、自動的な、正確な、信頼性の高い、及び／又は堅固なセグメンテーションを提供することである。
上述の目的は、本発明による方法及びデバイスによって達成される。
堅固な、信頼性の高い、及び／又は正確なセグメンテーションは、不規則な骨及び／又はハードプラーク構造、例えば異常な骨構造に対してさえ達成されることが、本発明の実施形態の利点である。骨構造の基準アトラスなどの局所解剖学の予備的知識を必要とすることなく、良好なセグメンテーションが達成されることはさらなる利点である。
スペクトルＣＴボリュメトリック画像における骨及び／又はハードプラーク構造の良好なセグメンテーション及び／又は除去を達成して、放射線医学、例えば、血管評価、外傷評価、及び／又は整形外科応用の効率的なワークフローを可能にすることは本発明の実施形態の利点である。
同様の密度範囲を有し互いにすぐ近くにある骨及び血管などの構造が、簡単な密度及び／又は勾配演算子に単に基づく従来のセグメンテーション手法を複雑にする場合、骨及び／又はハードプラークが正確にセグメント化されることは本発明の実施形態の利点である。
複雑な骨構造及び骨の不均一材料組成にもかかわらず骨を正確にセグメント化できることは本発明の実施形態の利点である。
造影臓器及び／又は血管などの体の他の構造と同様の減衰及びスペクトル特性を有しているにもかかわらず骨を正確にセグメント化できることは本発明の実施形態の利点である。
スペクトルＣＴボリュメトリック画像データの使用により、従来のＣＴよりも、スキャン対象物の構成材料、例えば骨及びヨウ素の良好な区別、したがって、さらに良好な品質のセグメンテーションが可能になることは本発明の実施形態の利点である。
ノイズの増強などのスペクトルＣＴに固有の画像品質問題が、形態学的特徴、組織特徴、及び／又は局所構造に関連する他の特徴を表す尺度を使用して骨及び／又はハードプラークの存在の確率を決定することによって、例えば、スカラーグレイ値分布及び／又は二変数スペクトルＣＴグレイ値分布に単に基づいて確率のそのような尺度を決定することとは対照的に、良好な品質のセグメンテーションを提供することなどのために克服されることは本発明の実施形態の利点である。
第１の態様では、本発明は、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを受け取るためのデータ入力部を含む画像処理デバイスに関し、前記ボリュメトリック画像データは、ボクセルごとにマルチスペクトル情報を含む。デバイスは、ボリュメトリック画像データのボクセルごとに、前記マルチスペクトル情報に基づいて、ボクセルのまわりの局所近傍がカルシウム表面構造、例えば、カルシウム構造表面に対応する最大確率を示す第１の値と、この最大値に対応するカルシウム表面構造の方位を示す第２の値とを推定するためのカルシウム表面特徴アナライザを含む。デバイスは、ボリュメトリック画像データのボクセルごとに、少なくとも、第１の値、第２の値、及びマルチスペクトル情報を考慮に入れて、ボクセルが骨又はハードプラーク構造を表す確率を示す確率マップを計算するための確率プロセッサをさらに含む。デバイスは、さらに、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を確率マップに基づいてセグメント化するためのセグメンテーションユニットを含む。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサ及びカルシウム表面特徴アナライザは、マルチスケール分析を実行するように構成され、ボリュメトリック画像データのボクセルごとに、ボクセルが骨又はハードプラーク構造を表す確率が、複数の異なるスケールで決定され、確率マップが、ボクセルごとに、複数の異なるスケールにわたって最大確率を選択することによって決定される。
本発明の実施形態による画像処理デバイスにおいて、カルシウム表面特徴アナライザは、スペクトルＣＴボリュメトリック画像データのボクセルごとに、例えばピクセルごとに、マルチスペクトル情報に基づいて、カルシウムマップを生成するように構成され、カルシウムマップは、ボリュメトリック画像データのボクセルごとに、対応するボクセル位置のカルシウム含有量を示す値を含む。このようにして、第１の値及び第２の値は、このカルシウムマップに基づいて推定される。
本発明の実施形態による画像処理デバイスにおいて、カルシウム表面特徴アナライザは、第１の値を、ボクセルごとに、確率の最大値として決定するように構成され、確率の各々は、カルシウムマップにおけるボクセルのまわりの局所近傍が、対応する所定の表面テンプレートと一致する確率を表す。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、ボリュメトリック画像データのボクセルごとに、各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率を組み合わせることによってボクセルが骨又はハードプラーク構造を表す確率を決定するように構成される。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、複数の確率を乗算によって組み合わせるように構成される。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、複数のスケールのスケールごとに別々に複数の確率を組み合わせるように構成される。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率を計算するように構成され、複数の確率は、ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値と、以下のもの、すなわち、第２の値を考慮に入れることによるボクセルがカルシウムマップ内のボリュメトリックリッジにある確率、ボクセルがヨウ素ではなくカルシウムを含む確率であって、マルチスペクトル情報に基づいて決定される確率、ボクセルの近傍がヨウ素のスペクトル感度と異なるスペクトル感度を有する確率であって、マルチスペクトル情報に基づく確率、及びボクセルの近傍が骨又はハードプラーク組織を有する確率の任意の１つ、又は任意の組み合わせ、好ましくはすべてとを含む。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、さらに、確率マップに基づいて正則化マップを計算するように構成され、正則化マップの計算は、少なくとも、前記正則化マップと前記確率マップとの間の差を表す忠実度尺度と、正則化ペナルティとの同時最適化を含む。
本発明の実施形態による画像処理デバイスにおいて、正則化ペナルティは、以下のもの、すなわち、正則化マップの不均一空間分布に対するペナルティ、正則化マップの勾配の大きさの不均一空間分布に対するペナルティ、及び前記第２の値によって定義された局所表面方位に沿った正則化マップの局所不均一性に対するペナルティの任意の１つ、又は任意の組み合わせ、好ましくはすべてを含む。
本発明の実施形態による画像処理デバイスにおいて、確率プロセッサは、汎関数の変分最適化を使用して正則化マップを計算するように構成される。
本発明の実施形態による画像処理デバイスにおいて、セグメンテーションユニットは、幾何学的能動輪郭手法を正則化マップに適用するように構成される。
第２の態様では、本発明の実施形態は、さらに、本発明の第１の態様の実施形態による画像処理デバイスを含むコンピュータ断層撮影ワークステーションに関する。
さらなる態様では、本発明の実施形態は、さらに、スペクトルコンピュータ断層撮影ボリュメトリック画像データを処理するための方法に関する。この方法は、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを得るステップであり、前記ボリュメトリック画像データがボクセルごとにマルチスペクトル情報を含む、得るステップと、前記ボリュメトリック画像データのボクセルごとに、前記マルチスペクトル情報に基づいて、前記ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値と、前記最大値に対応する前記カルシウム表面構造の方位を示す第２の値とを推定するステップと、前記ボリュメトリック画像データのボクセルごとに、少なくとも、前記第１の値、前記第２の値、及び前記マルチスペクトル情報を考慮に入れて、前記ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するステップと、前記ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を前記確率マップに基づいてセグメント化するステップとを有する。
さらなる態様では、本発明の実施形態は、さらに、コンピューティングシステムのプロセッサによって実行されたとき、コンピューティングシステムに本発明の実施形態による方法を実行させる１つ又は複数のコンピュータ実行可能命令により符号化されたコンピュータ可読記憶媒体に関する。
本発明の特定の好ましい態様が、添付の独立請求項及び従属請求項に記載される。従属請求項の特徴は、必要に応じて、単に請求項に明確に記載された通りではなく、独立請求項の特徴及び他の従属請求項の特徴と組み合わせることができる。
本発明のこれらの及び他の態様は、以下で説明する実施形態を参照して明らかとなり、解明されるであろう。
本発明の実施形態による画像処理デバイスを示す図である。 本発明の実施形態による画像処理デバイスを含むイメージングシステムを概略的に示す図である。 本発明の実施形態による方法を概略的に示す図である。 本発明の実施形態に関連する二重エネルギーＣＴを使用した造影肝臓イメージングの第１の例示的な適用を示す図である。 本発明の実施形態に関連する二重エネルギーＣＴを使用した造影腎臓及び肝臓イメージングの第２の例示的な適用を示す図である。
図面は単に概略であり非限定である。図面において、要素のうちのいくつかのサイズは、説明のために誇張されており、原寸に比例して描かれていない。
特許請求の範囲におけるいかなる参照符号も範囲を限定すると解釈されないものとする。異なる図面において、同じ参照符号は同じ又は同様の要素を参照する。
本発明が、特定の実施形態に関して及び特定の図面を参照して説明されるが、本発明は、それに限定されず、特許請求の範囲によってのみ限定される。記載する図面は単に概略であり非限定である。図面において、要素のうちのいくつかのサイズは、説明のために誇張されており、原寸に比例して描かれていない。寸法及び相対寸法は、本発明の実際の実施化と対応していない。
さらに、本明細書及び特許請求の範囲における第１の、第２のなどの用語は、同様の要素を区別するために使用されており、必ずしも、時間的に、空間的に、順位づけして、又は他のやり方でシーケンスを説明するために使用されていない。そのように使用される用語は、適切な状況下で交換可能であり、本明細書で説明する本発明の実施形態は、本明細書で説明した又は図示したもの以外の他のシーケンスで動作できることを理解されたい。
その上、説明及び特許請求の範囲における上部（ｔｏｐ）、の下に（ｕｎｄｅｒ）などの用語は、説明目的のために使用されており、必ずしも相対的な位置を説明するために使用されていない。そのように使用される用語は、適切な状況下で交換可能であり、本明細書で説明する本発明の実施形態は、本明細書で説明した又は図示したもの以外の他の方位で動作できることを理解されたい。
特許請求の範囲で使用される「含んでいる、備えている（ｃｏｍｐｒｉｓｉｎｇ）」という用語は、その後に列挙される手段に限定されると解釈されるべきでなく、他の要素又はステップを排除しないことに留意されたい。したがって、記述した特徴、整数、ステップ、又は構成要素の存在を参照したように特定するように解釈すべきであるが、１つ又は複数の他の特徴、整数、ステップ、又は構成要素、或いはそれらのグループの存在又は追加を排除しない。したがって、「手段Ａ及びＢを含むデバイス」という表現の範囲は、構成要素Ａ及びＢのみからなるデバイスに限定されるべきでない。それは、本発明に関して、デバイスの唯一の関連する構成要素がＡ及びＢであることを意味する。
本明細書の全体を通して「１つの実施形態（ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ）」又は「ある実施形態（ａｎ ｅｍｂｏｄｉｍｅｎｔ）」への言及は、その実施形態に関連して記載される特定の特徴、構造、又は特性が、本発明の少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書の全体を通した様々な箇所における「１つの実施形態において（ｉｎ ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ）」又は「ある実施形態において（ｉｎ ａｎ ｅｍｂｏｄｉｍｅｎｔ）」という語句の出現は、必ずしもすべて同じ実施形態を参照しているとは限らないが、そうである場合もある。さらに、特定の特徴、構造、又は特性は、本開示から当業者には明らかなように、１つ又は複数の実施形態において任意の好適なやり方で組み合わされてもよい。
同様に、本発明の例示的な実施形態の説明において、本発明の様々な特徴は、時には、本開示を簡素化し、様々な発明の態様のうちの１つ又は複数の理解を助けるために、単一の実施形態、図、又はその説明に一緒にまとめられていることを理解すべきである。しかしながら、この開示の方法は、請求する発明が各請求項に明確に列挙されている特徴よりも多くの特徴を必要とするという意図を反映するものと解釈されるべきでない。むしろ、以下の特許請求の範囲が反映するように、本発明の態様は、単一の前述の開示された実施形態のすべての特徴より少ないものである。したがって、詳細な説明に続く特許請求の範囲は、これによって、この詳細な説明に明確に組み込まれており、各請求項は、本発明の別個の実施形態としてそれ自体で成立する。
さらに、本明細書に記載されるいくつかの実施形態は、他の実施形態に含まれるある特徴を含み他の特徴を含まないが、当業者によって理解されるように、異なる実施形態の特徴の組み合わせは、本発明の範囲内にあり、異なる実施形態を形成することを意味する。例えば、以下の特許請求の範囲において、請求された実施形態のいずれも任意の組み合わせで使用することができる。
本明細書で提供する説明において、多数の特定の詳細を述べる。しかしながら、本発明の実施形態はこれらの特定の詳細なしに実施され得ることを理解されたい。他の事例では、よく知られている方法、構造、及び技法は、この説明の理解を曖昧にしないために詳細には示されていない。
第１の態様では、本発明の実施形態は、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを受け取るためのデータ入力部を含む画像処理デバイスに関する。このボリュメトリック画像データは、ボクセルごとにマルチスペクトル情報を含む。例えば、ボリュメトリック画像データは、ボクセルごとに、対応する複数の異なる電離放射線のスペクトルに対してそのボクセルの減衰特性を表す複数のスカラー値を含む。
画像処理デバイスは、ボリュメトリック画像データのボクセルごとに、前記マルチスペクトル情報に基づいて、例えば、ボクセルごとの前記マルチスペクトル情報に基づいて、ボクセルのまわりの局所近傍がカルシウム表面構造、例えば、カルシウム豊富な構造の表面に対応する最大確率を示す第１の値を推定するためのカルシウム表面特徴アナライザをさらに含む。
画像処理デバイスは、ボリュメトリック画像データのボクセルごとに、第１の値、第２の値、及びマルチスペクトル情報を考慮に入れて、ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するための確率プロセッサをさらに含む。画像処理デバイスは、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を確率マップに基づいてセグメント化するためのセグメンテーションユニットをさらに含む。
図１は、本発明の実施形態による例示的な画像処理デバイス１０を示す。画像処理デバイスは、本明細書で後述するような機能を備えるようにプログラムされたコンピュータなどのコンピューティングデバイスを含む。コンピューティングデバイスは、意図した機能を備えるように構成された設定可能なハードウェアデバイス、例えば、フィールドプログラマブルゲートアレイを含むことができ、又は意図した機能を備えるように特別に設計された特定用途向けの回路を含むことができる。コンピューティングデバイスは、設計されたハードウェア、設定されたハードウェア、及び／又は汎用ハードウェアで実行するためのソフトウェアの任意の組み合わせを含むことができる。
したがって、本発明の実施形態による画像処理デバイス１０の構成要素、例えば、データ入力部、カルシウム表面特徴アナライザ、確率プロセッサ、及び／又はセグメンテーションユニットなどは、必ずしもそのようなデバイスの物理的に別個のエンティティ、例えば、物理的に分離できる構成要素に対応するのではなくて、汎用コンピュータで実行するためのコンピュータコードで実施されるソフトウェア構成を参照することができる。
画像処理デバイス１０は、ボクセルで組織されたスペクトルコンピュータ断層撮影（ＣＴ）ボリュメトリック画像データを受け取るためのデータ入力部１１を含む。特に、データ入力部は、スペクトルＣＴスキャナ又はスペクトルＣＴスキャナによって供給されるＣＴ画像を再構成するための再構成器などの外部ソースからのデータを受け取るためのデジタル通信回路、例えば、コンピュータネットワークインタフェース、無線送信インタフェース、又はデジタルデータバスインタフェースなどを含む。データ入力部は、共有ハードウェアプラットフォームに実装された別のソフトウェアコンポーネントから、例えば、同じコンピュータで実行する別のソフトウェアコンポーネントから、例えば、スペクトルＣＴ画像データを再構成するためのソフトウェアコンポーネントなどからデータを受け取るための仮想インタフェースを含む。そのような仮想インタフェースは、例えば、アプリケーションプログラミングインタフェース、共有メモリリソース、又はデータ記憶媒体上のファイルシステム標準を使用して格納されたファイルを含む。データ入力部は、データ記憶媒体にアクセスするためのインタフェース、例えば、光ディスクリーダ、ユニバーサルシリアルバス（ＵＳＢ）媒体にアクセスするためのＵＳＢ接続、磁気ディスクリーダ、又はポータブルフラッシュドライブリーダなどを含む。データ入力部は、上述の手段の任意の組み合わせ、及び／又はデジタルボリュメトリック画像データを受け取るのに適する当技術分野で知られている他のデバイスを含む。
スペクトルＣＴボリュメトリック画像データは、ボクセルで組織され、例えば、スキャン対象物、例えばスキャン対象者における対応するボクセル位置にリンクされた複数のデータ値を含む。このようにして、スペクトルＣＴボリュメトリック画像データは、例えば、三次元座標系に対してスキャン対象物の異なる位置を表すボクセルで組織された再構成画像データを含む。各ボクセルは、それに関連する値、例えば、ボクセルに対応する位置でのスキャン対象物の減衰特性を表す、例えば、放射線密度、例えば相対放射線密度を表すハウンスフィールド単位で表された値などのグレースケール値を有する。各ボクセル値は、透過性電離放射線の少なくとも２つの異なる性質に対して決定される。したがって、少なくとも２つの異なる減衰特性、例えば、グレースケール値が、各ボクセルに同時に割り当てられる。異なる性質の透過性電離放射線は、例えば、平均及び／又はピーク光子エネルギーが十分に異なっており、その結果、異なる減衰特性は、識別可能に異なる光電効果及びコンプトン効果寄与を受け、それは、対象物内の異なる材料の良好な区別を可能にする。したがって、スペクトルＣＴボリュメトリック画像データは、ボクセル位置ごとに、少なくとも、電離放射線の第１のエネルギー分布に対応するスカラー値と第２のエネルギー分布に対応する第２のスカラー値とを含む。したがって、スペクトルＣＴボリュメトリック画像データは、少なくとも、第１のエネルギーに対応する第１の組の画像データと第２の異なるエネルギーに対応する第２の組の画像データとを含む。ボリュメトリック画像データは、仮想単色画像をさらに含む。例えば、ボクセル当たりの第１及び第２のスカラー値は、いくつかの実施形態において、対象物をスキャンする際に使用される電離放射線の物理的なエネルギースペクトル及び／又は検出器特性に対応することとは対照的に、任意の基底分解に対応する。第１及び第２のスカラー値は、スペクトル空間に座標対（ａ，ｂ）を形成する、例えば、画像データは、空間におけるボクセル位置（ｘ，ｙ，ｚ）ごとに、スペクトル空間における座標対（ａ，ｂ）を定義する。ここで、「スペクトル空間」への言及は、対応する時間又は空間信号のスペクトル分析との関係を意味するのではなく、単に、吸収体材料の質量密度と実効原子番号情報の両方を伝えるスペクトルＣＴイメージング動作のコドメインを参照し、それは、８０ｋＶｐ及び１２０ｋＶｐ成分画像、水材料及び骨材料画像、少なくとも２つの単色仮想画像などによって、任意の適切な基準でパラメータ化される。
スペクトルＣＴボリュメトリック画像データは、例えば、二重エネルギー（ＤＥ）ＣＴボリュメトリック画像データを含む。画像データは、当技術分野で知られているスペクトルＣＴスキャン技法、例えば、当技術分野で知られているような二重エネルギースキャン手法、例えば、二重ソース構成を有するスキャナ、スキャン中の高速ｋＶｐ切替えに適応したスキャナ、又は二重層検出器構成を有するスキャナを使用した取得などを使用して取得される、例えば事前記録される。
画像処理デバイスは、ボリュメトリック画像データのボクセルごとに、ボクセルのまわりの局所近傍がカルシウム表面構造、例えば、カルシウム豊富な構造の表面に対応する最大確率を示す第１の値を推定するためのカルシウム表面特徴アナライザ１２をさらに含む。カルシウムが、同様の減衰特性を有する他の材料、例えばヨウ素と区別できるのはスペクトルＣＴの利点である。したがって、表面構造は、例えば、特に、そのような表面構造が、例えば血管内の造影剤に隣接する場合、より容易に検出される。
カルシウム表面特徴アナライザ１２は、ボリュメトリック画像データのボクセルごとに、例えばピクセルごとに、マルチスペクトル情報に基づいてカルシウムマップを生成するように構成される。例えば、このマップは、ボリュメトリック画像データのボクセルごとに、対応するボクセル位置でのスキャン対象物のカルシウム含有量を示す値を含む。したがって、第１の値及び第２の値は、このカルシウムマップに基づいて推定される。例えば、ボリュメトリック画像データ内のスペクトル情報を使用して、そのようなカルシウムマップが抽出される。例えば、ボリュメトリック画像データは各ボクセル位置の１対の値（ａ，ｂ）として表され、これらの座標（ａ，ｂ）の空間には、カルシウム様材料、軟組織様材料、及びヨウ素様材料を表す基準線が定義される。したがって、カルシウムマップの各ボクセルエントリは、軟組織基準線及びヨウ素基準線へのカルシウム基準線に沿った対（ａ，ｂ）の射影間の最小値として推定される。例えば、カルシウムマップは、次の式に従って決定される。Ｍａｐｃａ＝ｍｉｎ（Ｍａｐｃａ＼ｓｏｆｔ，Ｍａｐｃａ＼ｉｏ）ここで、Ｍａｐｘ＼ｙは、各ボクセルをｘ材料ラインに沿ってｙ材料ラインに射影することによって得られ、「ｃａ」はカルシウムを表し、「ｓｏｆｔ」は軟組織を表し、「ｉｏ」はヨウ素材料を表す。
第１の値は、ボクセルのまわりのカルシウムマップの局所構造が表面の構造に適合する最大確率として決定される。例えば、この最大確率は、複数の確率のうちの最大値として決定され、これらの確率の各々は、局所構造が、対応する所定の表面テンプレートと一致する確率を表す。
例えば、第１の値ｐｒｏｂｎｃｃは、カルシウムマップボクセルのまわりの局所構造が表面の構造に適合する確率を表す。この確率は、例えば、複数のマトリクス表面テンプレートにわたってボクセルのまわりのサブボリュームの最大正規化相互相関を計算することによって、次のように、推定される。
Figure 2019536538
 ここで、例えば、異なる表面方位によって特徴づけられた複数の表面テンプレートｔｅｍｐｌａｔｅｊ、例えば、ｎｔ個の異なる表面テンプレートが、カルシウムマップにおける局所ボクセル近傍と個々に突き合わされる。したがって、第１の値は、最良適合表面テンプレート、例えば、複数のテンプレートにわたってそのボクセルに対して達成された最も高い正規化相互相関尺度に対応する正規化相互相関尺度として選ばれる。さらに、この第１の値は、複数のスケールに対して、例えば、次のように決定される。
Figure 2019536538
 ここで、インデクスｉは、本明細書で後述するような確率マップを計算するためのマルチスケール分析に関連しても明らかとなるように、特定のスケール、例えば、係数
Figure 2019536538
 だけボリュメトリック画像データを変倍することにより得られるスケールでの分析を表す。別の言い方をすれば、ボクセル当たりの第１の値は、異なるスケールで分析されたボクセルに対応する複数の値を含む。例えば、各スケールは、表面テンプレートと突き合わされるボクセルの局所近傍の異なるサイズ選択に対応する。小さいスケールでの表面構造の検出は、画像データに存在するノイズのためにより困難であるが、より大きいスケールでは、表面構造のより強固な検出と、表面構造の一部である関連する確率とが達成されることはそのようなマルチスケール手法の利点である。他方、例えば、平面テンプレートが使用される場合、入り組んだ表面構造の強い湾曲は、大きいスケールでは容易に検出できないが、けれども、小さいスケールでは有利に依然として検出することができる。カルシウム表面特徴アナライザ１２は、さらに、ボリュメトリック画像データのボクセルごとに、この最大確率に対応するカルシウム表面構造の方位を示す第２の値を推定するように構成される。例えば、上記の第１の値を計算するための例と同様に、
Figure 2019536538
 が、ボクセルごとに、ボクセルの局所近傍に適合する最良の表面テンプレートに対応する表面の方位を決定するために計算され使用される。同様に、マルチスケール手法では、最も可能性の高い表面方位を表すこの第２の値は、複数のスケールにわたって、例えば、
Figure 2019536538
 を使用して決定される。ここで、
Figure 2019536538
 は、スケールｉで計算されたか又はスケールされたカルシウムマップを表し、ｎｓは、分析されたスケールの数を表す。
画像処理デバイスは、ボリュメトリック画像データのボクセルごとに、少なくとも第１の値を考慮に入れることによって、ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するための確率プロセッサ１３をさらに含む。
確率プロセッサ１３は、マルチスケール分析を実行するように構成され、ボリュメトリック画像データのボクセルごとに、ボクセルが骨又はハードプラーク構造を表す確率が、複数の異なるスケールに対して決定される。例えば、確率マップは、複数のスケールにわたって骨又はハードプラーク構造を表す最大確率を選択することによって決定される。
例えば、確率マップは、次の式に従って決定される。
Figure 2019536538
 ここで、
Figure 2019536538
 は、対応するスケールｉの中間確率マップである。マルチスケール分析は、例えばカルシウム表面特徴アナライザによって決定されたボリュメトリック画像データ及び／又はカルシウムマップに依拠した画像データを、係数、例えば係数
Figure 2019536538
 だけ適切にスケールダウンし、そのスケールでの中間確率マップ
Figure 2019536538
 を決定することによって、又は、代替として、例えば、入力ボリュメトリック画像データのスケールでの単一の中間確率マップ
Figure 2019536538
 を決定し、この中間の確率マップを、係数
Figure 2019536538
 だけスケールダウンし、それによって得られたスケールにわたって上述した最大化を適用することによって、実行される。代替として又は追加として、当技術分野で知られているような別のマルチスケール分析手法が、例えば、入力画像データ、カルシウムマップ、及び／又は中間確率マップのスケール−空間分解、例えばウェーブレット分解を適用することによって使用されてもよい。
確率プロセッサ１３は、ボリュメトリック画像データのボクセルごとに、各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率を組み合わせることによってボクセルが骨又はハードプラーク構造を表す確率を決定するように構成される。この組み合わせは、複数の確率の乗算、例えばボクセル要素ごとの乗算又はアダマール積、例えば
Figure 2019536538
 を含む。
複数の確率の組み合わせは、スケールごとに別々に、例えば、中間確率マップ
Figure 2019536538
 を計算するために、例えば、各中間確率マップを別々に計算するために実行される。
各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率は、ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値、例えば、上述のような
Figure 2019536538
 を含む。
各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率は、カルシウムマップのボリュメトリックリッジにあるボクセルの確率
Figure 2019536538
 を含む。ボクセルがカルシウムマップ内のボリュメトリックリッジにある確率は、カルシウム構造表面の方位を表す、例えば、ボクセル位置に存在する場合にカルシウム構造の表面の最も可能性の高い方位を示す第２の値に基づいて決定される。例えば、確率
Figure 2019536538
 は、ボクセルが、上述のように第１の値を決定する際に最大値が得られた表面テンプレートに対して直交する方向においてカルシウムマップの局所最大値に対応する場合、確率を１に設定することによって推定される。そうでなければ、確率は、例えば、より低い値、例えばゼロに設定される。
各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率は、前記マルチスペクトル情報に基づく、ヨウ素ではなくカルシウムを含むボクセルの確率
Figure 2019536538
 を含む。この確率は、例えば以下のような推定とすることができる。
Figure 2019536538
 ここで、ｄｉｓｔ（ｘ）は、スペクトル空間における、例えば、スペクトル特性（ａ，ｂ）の座標空間における、材料ラインｘまでのボクセルの距離である。
各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率は、ボクセルの近傍がヨウ素のスペクトル感度と異なるスペクトル感度を有する確率ｐｒｏｂｄｉｓｔをさらに含む。この確率は、例えば以下のように推定される。
Figure 2019536538
 ここで、ｓｄ及びｂｄは、例えば、所定の値に設定されるか又は直接的最適化によって選択される制御パラメータである。
各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率は、ボクセルの近傍が骨又はハードプラーク組織を有する確率を表す確率
Figure 2019536538
 をさらに含む。この確率は、例えば以下のように推定される。
Figure 2019536538
 ここで、ｓｔ及びｂｔは、例えば、所定の値に設定されるか又は直接的最適化によって選択される制御パラメータであり、Ｍａｐｃａは、カルシウムマップを表し、ｓｔｄｆｉｌｔ（．）は、考慮中のボクセルの近傍の標準偏差である。組織に関連するこの確率は、必ずしもこの例に限定されるのではなくて、当技術分野で知られている考慮中のボクセルのまわりの局所領域に組織を一致させるための他の手段に同等に関連づけることができることが当業者には明らかであろう。例えば、確率は、ｓｔｄｆｉｌｔ（Ｍａｐｃａ）とｂｔとの間のゼロ偏差を１の確率にマッピングし、一方、この偏差の任意の大きい値を実質的にゼロの確率にマッピングする任意の好適な関数によって決定される。同様に、骨及び／又はハードプラークの基準値に対するより高い統計的モーメントの偏差、例えば歪度又は尖度は、そのような組織確率尺度において同様に考慮される。
確率プロセッサ１３は、さらに、前記確率マップに基づいて正則化マップを計算する、例えば、確率マップＭａｐｐｒｏｂに基づいて骨及びハードプラークのマップを復元するように構成される。この正則化マップの計算は、少なくとも、（ｉ）前記正則化マップ、例えば骨及びハードプラークマップと確率マップＭａｐｐｒｏｂとの間の差を表す忠実度尺度と、（ｉｉ）正則化ペナルティとの同時最適化を含む。
正則化ペナルティは、正則化マップの不均一空間分布に対するペナルティ、正則化マップの勾配の大きさの不均一空間分布に対するペナルティ、及び／又は上述した第２の値によって定義された局所表面方位に沿った正則化マップの局所不均一性に対するペナルティを含む。
確率プロセッサ１３は、例えば、マルコフ確率場、又は汎関数の変分最適化などのマップ復元のための当技術分野で知られている技法を使用して正則化マップを計算するように構成される。
例えば、正則化マップ、例えば骨及びハードプラークマップは、確率マップが汎関数の忠実度項として使用される汎関数の最適化を使用して復元される。正則化マップ
Figure 2019536538
 は、例えば、以下の汎関数
Figure 2019536538
 を最適化することによって得られ、ここで、∇ｓは、上述の第２の値に対応するボリュームの断面の勾配、例えば、
Figure 2019536538
 の計算で最大値が得られた表面テンプレートの方位である。例示的な汎関数では、α、λ、及びβは、制御パラメータであり、制御パラメータは、汎関数項の間の適切なトレードオフを行うために、例えば、確率プロセッサ１３によって以前に計算された確率マップに対する適切なレベルの忠実度に関連して上述の正則化ペナルティの適切なレベルのペナリゼーションを選択するために事前決定又は微調整される。
そのような汎関数は、例えば、「Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｍｅｔｈｏｄｓ ｆｏｒ Ｉｎｖｅｒｓｅ Ｐｒｏｂｌｅｍｓ」、ＳＩＡＭ、２００２にＶｏｇｅｌによって述べられているような当技術分野で知られているものなどの共役勾配アルゴリズム又は遅延拡散率固定点アルゴリズムを使用して最適化される。
さらに、「Ａｎ ｉｔｅｒａｔｉｖｅ ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｔｏｔａｌ ｖａｒｉａｔｉｏｎ−ｂａｓｅｄ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ」、Ｍｕｌｔｉｓｃａｌｅ Ｍｏｄｅｌｉｎｇ ＆ Ｓｉｍｕｌａｔｉｏｎ ４．２ （２００５）：４６０−４８９においてＯｓｈｅｒ等によって開示されているものなどの反復正則化手順が使用される。例えば、２回反復手法では、汎関数は、１回目が解かれ、続いて２回目が解かれる。ここで、第２の反復では、
Figure 2019536538
 が、Ｍａｐｃａの代わりに忠実度項への入力として使用され、
Figure 2019536538
 は、第１の反復によって得られた復元マップを表す。
画像処理デバイスは、確率プロセッサによって計算された確率マップに基づいて、例えば、正則化マップに基づいて、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造をセグメント化するためのセグメンテーションユニット１４をさらに含む。本発明による実施形態では、セグメンテーションユニットは、確率マップに間接的に基づいて、例えば、正則化マップに直接基づいて、骨及び／又はハードプラーク構造をセグメント化する。
例えば、セグメンテーションユニットは、復元された骨及びハードプラークマップに幾何学的能動輪郭手法を適用するように構成される。骨及び／又はハードプラークの全体的な形状が確実に捕捉されることはそのような幾何学的能動輪郭手法の利点である。
例えば、セグメンテーション
Figure 2019536538
 は、以下の汎関数を解くことによって得られる。
Figure 2019536538
 ここで、Ｃは、例えば閉境界曲線の形態のセグメンテーションを表し、ｇ（・）は、
Figure 2019536538
 などのエッジ指示関数を表し、γは制御パラメータである。そのような最適化は、例えば、「Ｇｅｏｄｅｓｉｃ ａｃｔｉｖｅ ｃｏｎｔｏｕｒｓ」、ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ、ｐ．６９４ （１９９５）においてＣａｓｅｌｌｅｓ等によって開示されたものなどの当技術分野で知られている方法によって実行される。
第２の態様では、本発明の実施形態は、さらに、本発明の第１の態様の実施形態による画像処理デバイスを含むコンピュータ断層撮影ワークステーションに関する。例えば、本発明の実施形態は、図２に関してさらに本明細書で後述するコンピューティングシステム１１６などのワークステーションに関する。
第３の態様では、本発明の実施形態は、さらに、本発明の第１の態様の実施形態による画像処理デバイスを含むスペクトルコンピュータ断層撮影システムに関する。例えば、本発明の実施形態は、図２に関して本明細書で後述するイメージングシステム１００などのスペクトルコンピュータ断層撮影システムに関する。
図２は、スペクトルコンピュータ断層撮影（スペクトルＣＴ）スキャナを含むイメージングシステム１００を示す。イメージングシステム１００は、概して静止しているガントリ１０２と、回転ガントリ１０４とを含む。回転ガントリ１０４は、静止ガントリ１０２に回転可能に支持され、長手軸Ｚを中心に検査領域１０６のまわりを回転する。
エックス線管などの放射線源１０８は、回転ガントリ１０４によって回転可能に支持され、例えば、この回転ガントリ１０４とともに回転するものなどであり、検査領域１０６を横切る多エネルギー放射線を放出するように構成される。放射線源１０８は、単一の広域スペクトルエックス線管を含むか、又はそれで構成される。代替として、放射線源は、スキャン中に、少なくとも２つの異なる光子放射スペクトルの間を制御可能に切り替える、例えば、８０ｋＶｐ、１４０ｋＶｐなどのような少なくとも２つの異なるピーク放射電圧の間を切り替えるように構成される。別の変形では、放射線源１０８は、異なる平均スペクトルをもつ放射線を放出するように構成された２つ以上のエックス線管を含む。別の変形では、放射線源１０８は、上述のものの組み合わせを含む。
放射線感受性検出器アレイ１１０は、検査領域１０６を横切った放射線源１０８の反対側に角度円弧を張る。アレイ１１０は、Ｚ軸方向に沿って互いに対して整列された１つ又は複数の行の検出器を含む。アレイ１１０は、検査領域１０６を横切る放射線を検出し、それを表す信号を生成するように構成される。アレイ１１０は、異なるＸ線エネルギー感度を有する少なくとも２つの放射線感受性検出器要素、例えば、少なくとも２つのシンチレータと、対応する光感度を有する少なくとも２つの対応する光検出器とを有する二重エネルギー検出器を含む。放射線感受性検出器アレイ１１０は、代替として又は追加として、当技術分野で知られているＣｄＴｅ、ＣｄＺｎＴｅ、又は他の直接変換検出器などの直接変換検出器を含むことができる。
システムは、検出器アレイ１１０によって出力された信号を再構成するための再構成器１１２を含む。これは、信号を様々なエネルギー依存成分に分解することを含む。再構成器１１２は、エネルギー依存成分を再構成し、１つ又は複数の異なるエネルギーに対応する１つ又は複数の画像を生成するように構成される。再構成器１１２は、さらに、エネルギー依存成分を組み合わせて非スペクトル画像データを生成することができる。
システムは、検査領域において対象物又は対象者を支持するためのカウチなどの対象者支持部１１３を含む。システムは、オペレータコンソール１１４、例えば、システム１００を制御又はモニタするために、及び／又はオペレータにユーザインタフェースを提供するためにプログラムされた汎用コンピュータをさらに含む。コンソール１１４は、モニタ又はディスプレイなどの人間可読出力デバイスと、キーボード及びマウスなどの入力デバイスとを含む。コンソール１１４に常駐しているソフトウェアは、オペレータがグラフィカルユーザインタフェース（ＧＵＩ）を介して又は他の方法でスキャナ１００と対話できるようにする。この対話は、スペクトルイメージングプロトコル又は非スペクトルイメージングプロトコルを選択すること、スキャンを開始することなどを含む。
イメージングシステム１００は、スペクトルＣＴスキャナとの通信を容易にするための入力／出力（Ｉ／Ｏ）インタフェース１１８を含むワークステーション、例えば、コンピュータなどのコンピューティングシステム１１６に動作可能に接続される。イメージングシステム１００は、システムレベル統合構成要素としてコンピューティングシステム１１６を含むか、又はイメージングシステム１００は、例えば、画像データをコンピューティングシステム１１６に送信するためにスタンドアロンコンピューティングシステム１１６と通信するように構成される。
コンピューティングシステム１１６は、出力デバイス１２０をさらに含む。１つ又は複数の出力デバイスは、例えば、ディスプレイモニタ、フィルムプリンタ、ペーパープリンタ、及び／又は音声フィードバックのための音声出力部を含む。コンピューティングシステムは、マウス、キーボード、タッチインタフェース、及び／又は音声認識インタフェースなどの入力デバイス１２２又は複数の入力デバイスをさらに含む。コンピューティングシステム１１６は、中央処理装置（ＣＰＵ）、マイクロプロセッサ、処理のための専用特定用途向け集積回路（ＡＳＩＣ）、及び／又はフィールドプログラマブルゲートアレイなどの適切に構成されたプログラマブルハードウェアプロセッサなどの少なくとも１つのプロセッサ１２４をさらに含む。コンピューティングシステムは、コンピュータ可読記憶媒体１２６、例えば、物理的デジタルメモリなどの非一時的メモリを含む。コンピュータ可読記憶媒体１２６は、コンピュータ可読命令１２８及びデータ１３０を格納する。少なくとも１つのプロセッサ１２４は、コンピュータ可読命令１２８を実行するように構成される。少なくとも１つのプロセッサ１２６は、さらに、信号、搬送波、又は他の一時的媒体によって運ばれるコンピュータ可読命令を実行する。代替として又は追加として、少なくとも１つのプロセッサは、必ずしも命令の記憶装置を必要することなく、例えば、命令の少なくとも一部を実行するように特別に設計されたフィールドプログラマブルゲートアレイ又はＡＳＩＣの構成によって、命令１２８を、例えば、完全に又は部分的に、具現するように物理的に構成されてもよい。
コンピューティングシステムは、本発明の第１の態様の実施形態による画像処理デバイスを実施するために、例えば、上述のコンピュータ可読命令に従ってプログラムされる。
命令１２８は、本発明の第４の態様の実施形態による方法を実行するための画像処理アルゴリズム１３２を含む。
第４の態様では、本発明の実施形態は、さらに、スペクトルコンピュータ断層撮影ボリュメトリック画像データを処理するための方法に関する。この方法は、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを得るステップを有し、ボリュメトリック画像データは、ボクセルごとにマルチスペクトル情報を含む。この方法は、ボリュメトリック画像データのボクセルごとに、マルチスペクトル情報に基づいて、そのボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値と、その最大値に対応するこのカルシウム表面構造の方位を示す第２の値とを推定するステップをさらに有する。この方法は、ボリュメトリック画像データのボクセルごとに、計算に少なくとも第１の値、第２の値、及びマルチスペクトル情報を考慮に入れて、ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するステップをさらに有する。この方法は、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を確率マップに基づいてセグメント化するステップをさらに有する。
本発明の実施形態による方法の詳細は、本発明の第１の態様の実施形態に関して上記で提供した説明に関連して明らかであろう。特に、本発明の実施形態によるデバイスのデータ入力部、カルシウム表面特徴アナライザ、確率プロセッサ、及び／又はセグメンテーションユニットによって実行される機能は、本発明の実施形態による方法の対応するステップ及び／又は特徴を構成するものとして理解されるべきである。
図３は、本発明の実施形態による例示的な方法３００を示す。
方法３００は、ボクセルで組織されたスペクトルコンピュータ断層撮影ボリュメトリック画像データを得るステップ３０１を有する。例えば、このステップは、例えば、当技術分野で知られているように、及び／又は図２に示したイメージングシステムに関してより詳細に説明したように、スペクトル取得及び断層撮影再構成３０１を含む。これは、光電子画像及びコンプトン散乱画像などの互いに対して異なるスペクトル内容を表す１対の画像３０３をもたらす。
方法３００は、ボリュメトリック画像データのボクセルごとに、そのボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値と、その最大値に対応するこのカルシウム表面構造の方位を示す第２の値とを推定するステップをさらに有する。例えば、方法３００は、ボリュメトリック画像データに基づいてカルシウムマップを生成するステップ３０４であり、カルシウムマップが、ボリュメトリック画像データのボクセルごとに、対応するボクセル位置のカルシウム含有量を示す値を含む、生成するステップ３０４と、このカルシウムマップに基づいて第１の値及び第２の値を計算するステップとを有する。
この方法は、ボリュメトリック画像データのボクセルごとに、計算に少なくとも第１の値及び第２の値を考慮に入れて、ボクセルが骨又はハードプラーク構造を表す確率を表す確率マップを計算するステップ３０５を有する。
さらに、この方法は、前記確率マップに基づいて正則化マップを計算するステップ、例えば、骨及びハードプラークマップ復元３０６を実行するステップを有する。
この方法は、ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を、確率マップに基づいて、例えば正則化マップに基づいてセグメント化するステップ３０７をさらに有する。
この方法は、このセグメンテーション３０７によって得られた骨及び／又はハードプラークマップを出力するステップ３０８をさらに有する。
第５の態様では、本発明の実施形態は、さらに、コンピューティングシステムのプロセッサによって実行されたとき、コンピューティングシステムに本発明の第４の態様の実施形態による方法を実行させる１つ又は複数のコンピュータ実行命令でコード化されたコンピュータ可読記憶媒体に関する。
本発明の実施形態を示す第１の例では、図４から図１１は、二重エネルギーＣＴを使用した造影肝臓イメージングの適用を示す。図４は、腹部領域の従来のＣＴ画像を示す。図５は、スペクトルＣＴによって得られた同じ領域の画像を示し、軟組織のスペクトル画像成分のないスペクトルカルシウム画像成分を示す。この画像は、臓器、特に主要血管の残存ヨウ素成分を示す。図６は、カルシウムの線形分離マップを示し、ヨウ素造影剤をより良好に抑制しているが、依然として線形分離マップにヨウ素の残存アーチファクトを示している。図７は、解剖学的基準画像に重ね合わされた、先行技術のセグメンテーション方法によって得ることができるような、図６の線形分離マップに基づく骨構造の線形セグメンテーションを示す。領域７１などのいくつかのセグメンテーション誤分類が、図７には観察される。
図８は、本発明の実施形態による方法のステップで得られるようなカルシウムマップ、例えば、上述のように、軟組織ライン及びヨウ素ラインへのカルシウムラインに沿った射影間の最小値として推定されたマップを示す。図９は、例えば、マルチスケール手法
Figure 2019536538
 を適用することによって、本発明の実施形態による方法のステップで得られるような確率マップを示し、ここで、例えば、係数
Figure 2019536538
 だけスケールダウンされたスケールＩでの確率は、ボクセルワイズ積、すなわち、アダマール積
Figure 2019536538
 によって計算される。
この積における少なくとも
Figure 2019536538
 及び
Figure 2019536538
 係数よって行われる表面強調が、明確に観察され、一方、
Figure 2019536538
 及び
Figure 2019536538
 係数は、有利には、入力画像ノイズへの追加の頑強性を提供する。さらに、マルチスケール手法は、少なくとも、表面強調係数が、骨及びプラーク構造におけるスケール変動及びそれに関連する表面曲率にそれほど依存しないようにすることができる。
図１０を参照すると、本発明の実施形態による確率マップの追加の正則化最適化の結果が示される。例えば、この復元マップは、上述のように、汎関数
Figure 2019536538
 を最適化することによって得られる。図１１は、解剖学的基準画像に重ね合わせて、例えば、復元マップに能動輪郭検出を適用することによって得られるような本発明の実施形態によるセグメンテーションの結果を示す。図１１を図７と比較すると、本発明の実施形態によるセグメンテーションでは、非骨区域の誤分類が実質的により少ないことが観察される。
本発明の実施形態を示す第２の例では、図１２から図１９は、二重エネルギーＣＴを使用した造影腎臓及び肝臓イメージングの適用を示す。図１２は、腹部領域の従来のＣＴ画像を示す。図１３は、スペクトルＣＴによって得られた同じ領域の画像を示し、軟組織のスペクトル画像成分のないスペクトルカルシウム画像成分を示す。この画像は、臓器、特に腎臓の残存ヨウ素成分を示す。図１４は、カルシウムの線形分離マップを示し、ヨウ素造影剤をより良好に抑制しているが、依然として線形分離マップにヨウ素の残存アーチファクトを示している。図１５は、解剖学的基準画像に重ね合わされた、先行技術のセグメンテーション方法によって得ることができるような、図１４の線形分離マップに基づく骨構造の線形セグメンテーションを示す。
図１６は、本発明の実施形態による方法のステップで得られるようなカルシウムマップ、例えば、上述のように、軟組織ライン及びヨウ素ラインへのカルシウムラインに沿った射影間の最小値として推定されたマップを示す。図１７は、本発明の実施形態による方法のステップで得られるような、例えば、第１の例で説明したもののような手法で得られるような確率マップを示す。
図１８を参照すると、例えば、前の例で説明したような、本発明の実施形態による確率マップの追加の正則化最適化の結果が示される。図１９は、解剖学的基準画像に重ね合わせて、例えば、図１８の復元マップに能動輪郭検出を適用することによって得られるような本発明の実施形態によるセグメンテーションの結果を示す。図１８を図１４と比較すると、本発明の実施形態によるセグメンテーションでは、非骨区域の誤分類が大幅により少ないことが観察される。

Claims (15)

  1. ボクセルで組織され、前記ボクセルごとにマルチスペクトル情報を含むスペクトルコンピュータ断層撮影ボリュメトリック画像データを受け取るためのデータ入力部と、
    前記ボリュメトリック画像データの前記ボクセルごとに、前記マルチスペクトル情報に基づいて、前記ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す第１の値と、最大値に対応する前記カルシウム表面構造の方位を示す第２の値とを推定するためのカルシウム表面特徴アナライザと、
    前記ボリュメトリック画像データの前記ボクセルごとに、少なくとも、前記第１の値、前記第２の値、及び前記マルチスペクトル情報を考慮に入れて、前記ボクセルが骨又はハードプラーク構造を表す確率を示す確率マップを計算するための確率プロセッサと、
    前記ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を前記確率マップに基づいてセグメント化するためのセグメンテーションユニットと、
    を含む、画像処理デバイス。
  2. 前記確率プロセッサ及び前記カルシウム表面特徴アナライザは、マルチスケール分析を実行し、前記ボリュメトリック画像データの前記ボクセルごとに、前記ボクセルが骨又はハードプラーク構造を表す確率が、複数の異なるスケールで決定され、前記確率マップが、前記ボクセルごとに、前記複数の異なるスケールにわたって前記最大確率を選択することによって決定される、請求項１に記載の画像処理デバイス。
  3. 前記カルシウム表面特徴アナライザは、前記ボリュメトリック画像データの前記ボクセルごとに、前記マルチスペクトル情報に基づいて、カルシウムマップを生成し、前記カルシウムマップは、前記ボリュメトリック画像データの前記ボクセルごとに、対応する前記ボクセル位置のカルシウム含有量を示す値を含み、前記第１の値及び前記第２の値は、前記カルシウムマップに基づいて推定される、請求項１又は２に記載の画像処理デバイス。
  4. 前記カルシウム表面特徴アナライザは、前記第１の値を、前記ボクセルごとに、確率の最大値として決定し、前記確率の各々は、前記カルシウムマップにおける前記ボクセルのまわりの前記局所近傍が、対応する所定の表面テンプレートと一致する確率を表す、請求項３に記載の画像処理デバイス。
  5. 前記確率プロセッサは、前記ボリュメトリック画像データの前記ボクセルごとに、各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す複数の確率を組み合わせることによって前記ボクセルが骨又はハードプラーク構造を表す確率を決定する、請求項１乃至４のいずれか一項に記載の画像処理デバイス。
  6. 前記確率プロセッサは、前記複数の確率を乗算によって組み合わせる、請求項５に記載の画像処理デバイス。
  7. 前記確率プロセッサは、前記複数のスケールのスケールごとに別々に前記複数の確率を組み合わせる、請求項２に従属する限りにおいて、請求項５又は６に記載の画像処理デバイス。
  8. 前記確率プロセッサは、各ボクセルのまわりの形態学的特徴及びスペクトル情報を示す前記複数の確率を計算し、前記複数の確率は、
    前記ボクセルのまわりの局所近傍が前記カルシウム表面構造に対応する前記最大確率を表す前記第１の値と、
    前記第２の値を考慮に入れることによる、請求項３に従属する限りにおいて、前記ボクセルが前記カルシウムマップ内のボリュメトリックリッジにある確率、
    前記ボクセルがヨウ素ではなくカルシウムを含む確率であって、前記マルチスペクトル情報に基づく確率、
    前記ボクセルの近傍がヨウ素のスペクトル感度と異なるスペクトル感度を有する確率であって、前記マルチスペクトル情報に基づく0020確率、及び
    前記ボクセルの近傍が骨又はハードプラーク組織を有する確率
    の任意の１つ又は任意の組み合わせとを含む、請求項５乃至７のいずれか一項に記載の画像処理デバイス。
  9. 前記確率プロセッサは、さらに、前記確率マップに基づいて正則化マップを計算し、前記正則化マップの計算は、少なくとも、
    前記正則化マップと前記確率マップとの間の差を表す忠実度尺度と、
    正則化ペナルティとの
    同時最適化を含む、請求項１乃至８のいずれか一項に記載の画像処理デバイス。
  10. 前記正則化ペナルティは、
    前記正則化マップの不均一空間分布に対するペナルティ、
    前記正則化マップの勾配の大きさの不均一空間分布に対するペナルティ、及び
    前記第２の値によって定義された局所表面方位に沿った前記正則化マップの局所不均一性に対するペナルティ
    の任意の１つ又は任意の組み合わせを含む、請求項９に記載の画像処理デバイス。
  11. 前記確率プロセッサは、汎関数の変分最適化を使用して前記正則化マップを計算する、請求項９又は１０に記載の画像処理デバイス。
  12. 前記セグメンテーションユニットは、幾何学的能動輪郭手法を前記正則化マップに適用する、請求項９乃至１１のいずれか一項に記載の画像処理デバイス。
  13. 請求項１乃至１２のいずれか一項に記載の画像処理デバイスを含む、コンピュータ断層撮影ワークステーション。
  14. スペクトルコンピュータ断層撮影ボリュメトリック画像データを処理するための方法であって、前記方法は、
    ボクセルで組織され、前記ボクセルごとにマルチスペクトル情報を含む前記スペクトルコンピュータ断層撮影ボリュメトリック画像データを得るステップと、
    前記ボリュメトリック画像データのボクセルごとに、前記マルチスペクトル情報に基づいて、前記ボクセルのまわりの局所近傍がカルシウム表面構造に対応する最大確率を示す表す確率を１の値と、最大値に対応する前記カルシウム表面構造の方位を示す第２の値とを推定するステップと、
    前記ボリュメトリック画像データのボクセルごとに、少なくとも、前記第１の値、前記第２の値、及び前記マルチスペクトル情報を考慮に入れて、前記ボクセルが骨又はハードプラーク構造を表す確率を示す確率マップを計算するステップと、
    前記ボリュメトリック画像データ内の骨及び／又はハードプラーク構造を前記確率マップに基づいてセグメント化するステップとを有する、
    方法。
  15. コンピューティングシステムのプロセッサによって実行されたとき、前記コンピューティングシステムに請求項１４に記載の方法を実行させる１つ又は複数のコンピュータ実行可能命令により符号化された、コンピュータ可読記憶媒体。
JP2019524409A 2016-11-30 2017-11-28 スペクトルｃｔにおける骨及びハードプラークのセグメンテーション Active JP7104034B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16201419 2016-11-30
EP16201419.5 2016-11-30
PCT/EP2017/080584 WO2018099881A1 (en) 2016-11-30 2017-11-28 Bone and hard plaque segmentation in spectral ct

Publications (3)

Publication Number Publication Date
JP2019536538A true JP2019536538A (ja) 2019-12-19
JP2019536538A5 JP2019536538A5 (ja) 2021-01-14
JP7104034B2 JP7104034B2 (ja) 2022-07-20

Family

ID=57482197

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019524409A Active JP7104034B2 (ja) 2016-11-30 2017-11-28 スペクトルｃｔにおける骨及びハードプラークのセグメンテーション

Country Status (5)

Country Link
US (1) US10524754B2 (ja)
EP (1) EP3475916B1 (ja)
JP (1) JP7104034B2 (ja)
CN (1) CN109690618B (ja)
WO (1) WO2018099881A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3332710B1 (de) * 2016-12-12 2020-09-16 Siemens Healthcare GmbH Charakterisierung von plaque
ES2886155T3 (es) * 2018-10-08 2021-12-16 Ecole Polytechnique Fed Lausanne Epfl Método de reconstrucción de imágenes basado en un mapeo no lineal entrenado
WO2021060462A1 (ja) * 2019-09-27 2021-04-01 富士フイルム株式会社 画像処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに導出モデル

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101183A1 (en) * 2002-11-21 2004-05-27 Rakesh Mullick Method and apparatus for removing obstructing structures in CT imaging
WO2015083065A1 (en) * 2013-12-06 2015-06-11 Koninklijke Philips N.V. Bone segmentation from image data
JP2015112487A (ja) * 2013-12-06 2015-06-22 株式会社東芝 医用画像における構造物をセグメンテーションする医用画像処理装置、医用画像をセグメンテーションするための方法及び医用画像をセグメンテーションするコンピュータプログラムを記憶する記憶媒体

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811373A (en) * 1986-07-14 1989-03-07 Hologic, Inc. Bone densitometer
US7477768B2 (en) * 1999-06-29 2009-01-13 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6754298B2 (en) * 2002-02-20 2004-06-22 The Regents Of The University Of Michigan Method for statistically reconstructing images from a plurality of transmission measurements having energy diversity and image reconstructor apparatus utilizing the method
CN100583143C (zh) * 2004-01-26 2010-01-20 美国西门子医疗解决公司 从医学图像中自动提取骨的系统和方法
DE102004004295A1 (de) * 2004-01-28 2005-08-25 Siemens Ag Verfahren zur Bilddatenaufnahme und -auswertung mit einem Tomographiegerät
US7593762B2 (en) * 2004-04-09 2009-09-22 Siemens Medical Solutions Usa, Inc. System and method for automatically segmenting bones in computed tomography angiography data
DE102006015451A1 (de) * 2006-03-31 2007-10-11 Siemens Ag Verfahren und Vorrichtung zur automatischen Differenzierung von Knochen oder anderen kalziumhaltigen Materialien und Kontrastmittel in Weichteilgewebe
DE102007017629B4 (de) * 2007-04-12 2011-03-24 Siemens Ag Verfahren zur Zuordnung von Voxeln eines CT-Bilddatensatzes zu einer von zwei Materialmischungen jeweils bestehend aus zwei von vier unterschiedlichen Materialien
DE102009015773A1 (de) * 2008-04-10 2010-02-04 Siemens Aktiengesellschaft Verfahren zur Aufbereitung von rekonstruierten CT-Bilddatensätzen und CT-System
US8442289B2 (en) 2008-04-22 2013-05-14 Hitachi Medical Corporation Medical image processing device, method for processing medical image and program
US8649577B1 (en) * 2008-11-30 2014-02-11 Image Analysis, Inc. Automatic method and system for measurements of bone density and structure of the hip from 3-D X-ray imaging devices
DE102009014051B4 (de) * 2009-03-19 2021-12-23 Siemens Healthcare Gmbh Verfahren zur Aufbereitung von CT-Bilddarstellungen und Recheneinheit zur Durchführung dieses Verfahrens
US8355555B2 (en) 2009-09-17 2013-01-15 Siemens Aktiengesellschaft System and method for multi-image based virtual non-contrast image enhancement for dual source CT
JP6100772B2 (ja) * 2011-07-15 2017-03-22 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像処理方法及びコンピューティング装置
US9153045B2 (en) * 2012-03-22 2015-10-06 The Cleveland Clinic Foundation Augmented reconstruction for computed tomography
WO2014128595A1 (en) 2013-02-21 2014-08-28 Koninklijke Philips N.V. Structure propagation restoration for spectral ct
US9710880B2 (en) * 2014-07-03 2017-07-18 Siemens Product Lifecycle Management Software Inc. User-guided shape morphing in bone segmentation for medical imaging
US9964499B2 (en) * 2014-11-04 2018-05-08 Toshiba Medical Systems Corporation Method of, and apparatus for, material classification in multi-energy image data
US9990712B2 (en) * 2015-04-08 2018-06-05 Algotec Systems Ltd. Organ detection and segmentation
US9905044B1 (en) * 2016-08-25 2018-02-27 General Electric Company Systems and methods for functional imaging

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101183A1 (en) * 2002-11-21 2004-05-27 Rakesh Mullick Method and apparatus for removing obstructing structures in CT imaging
WO2015083065A1 (en) * 2013-12-06 2015-06-11 Koninklijke Philips N.V. Bone segmentation from image data
JP2015112487A (ja) * 2013-12-06 2015-06-22 株式会社東芝 医用画像における構造物をセグメンテーションする医用画像処理装置、医用画像をセグメンテーションするための方法及び医用画像をセグメンテーションするコンピュータプログラムを記憶する記憶媒体

Also Published As

Publication number Publication date
US10524754B2 (en) 2020-01-07
WO2018099881A1 (en) 2018-06-07
EP3475916A1 (en) 2019-05-01
US20190282192A1 (en) 2019-09-19
JP7104034B2 (ja) 2022-07-20
CN109690618B (zh) 2020-08-07
CN109690618A (zh) 2019-04-26
EP3475916B1 (en) 2019-10-23

Similar Documents

Publication Publication Date Title
EP3600045B1 (en) Myocardial ct perfusion image synthesis
US8406495B2 (en) MR segmentation using transmission data in hybrid nuclear/MR imaging
EP2245592B1 (en) Image registration alignment metric
JP2019516460A (ja) 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法
US8774485B2 (en) Systems and methods for performing segmentation and visualization of multivariate medical images
JP7550832B2 (ja) 診断撮像における画像特徴のアノテーション
CN105793894B (zh) 根据图像数据来进行骨骼分割
EP3215015B1 (en) Computed tomography system
JP7104034B2 (ja) スペクトルｃｔにおける骨及びハードプラークのセグメンテーション
Li et al. Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm
CN112089429B (zh) 一种基于深度学习算法骨密度仪诊断系统

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201127

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201127

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211025

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211110

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20220207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220506

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220608

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220707

R150 Certificate of patent or registration of utility model

Ref document number: 7104034

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150