JP2020512130A5

JP2020512130A5 -

Info

Publication number: JP2020512130A5
Application number: JP2019553380A
Authority: JP
Filing date: 2018-03-28
Publication date: 2021-04-01
Anticipated expiration: 2038-03-28

Description

開示される発明の一実施形態では、乳房組織画像データを処理するための方法は、患者の乳房組織の画像データを取得し、画像データを処理し、患者の乳房組織を集合的に描写する、画像スライスのセットを生成するステップを含む。複数のマルチレベル特徴モジュールと関連付けられた１つ以上のフィルタが、次いで、各画像スライスに適用され、マルチレベル特徴モジュールは、患者の乳房組織内に存在し得る、高次元オブジェクトの少なくとも１つの割り当てられた特徴を認識するように構成され、本方法はさらに、各マルチレベル特徴モジュールにおいて、少なくとも１つの割り当てられた特徴を有する個別の画像スライスの領域（該当する場合）を描写する、特徴マップを生成するステップを含む。生成された特徴マップは、次いで、好ましくは、学習ライブラリベースのコンバイナを使用することによって、オブジェクトマップに組み合わせられ、オブジェクトマップは、個別の高次元オブジェクトが画像スライスの特定の場所に存在する確率を示す。本方法はさらに、少なくとも部分的に、複数の画像スライスに関して生成されたオブジェクトマップに基づいて、１つ以上の高次元オブジェクトを識別する、２Ｄの合成された画像を作成するステップを含んでもよい。
本発明は、例えば、以下を提供する。
（項目１）
乳房組織画像データを処理するための方法であって、
患者の乳房組織の画像データを処理し、前記患者の乳房組織を集合的に描写する画像スライスのセットを生成することと、
複数のマルチレベル特徴モジュールと関連付けられた１つ以上のフィルタを前記セットの各画像スライスに適用することであって、前記マルチレベル特徴モジュールは、前記患者の乳房組織内に存在し得る高次元オブジェクトの少なくとも１つの割り当てられた特徴を認識するように構成される、ことと、
前記複数のうちの各マルチレベル特徴モジュールにおいて、前記少なくとも１つの割り当てられた特徴を有する個別の画像スライス内の領域を描写する特徴マップを生成することと、
前記生成された特徴マップを個別の高次元オブジェクトの可能性として考えられる場所を示すオブジェクトマップに組み合わせることと
を含む、方法。
（項目２）
少なくとも部分的に、複数の前記画像スライスに関して生成されたオブジェクトマップに基づいて、１つ以上の高次元オブジェクトを識別することを含む、前記患者の乳房組織の２次元の合成された画像を作成することをさらに含む、項目１に記載の方法。
（項目３）
学習ライブラリベースのコンバイナが、前記生成された特徴マップをオブジェクトマップに組み合わせるために使用される、項目１または２に記載の方法。
（項目４）
投票ベースのコンバイナが、前記生成された特徴マップをオブジェクトマップに組み合わせるために使用される、項目１または２に記載の方法。
（項目５）
前記マルチレベル特徴モジュールは、高次元画像オブジェクトの個別の少なくとも１つの割り当てられた特徴を表すように構成される、項目１−４のいずれかに記載の方法。
（項目６）
前記高次元オブジェクトの少なくとも１つの特徴は、低レベル特徴を含む、項目１−５のいずれかに記載の方法。
（項目７）
前記低レベル特徴は、縁フィルタ、線フィルタ、および勾配フィルタを含む群から選択される一般的画像フィルタに基づく、項目６に記載の方法。
（項目８）
前記高次元オブジェクトの少なくとも１つの特徴は、中レベル特徴を含む、項目１−７のいずれかに記載の方法。
（項目９）
前記中レベル特徴は、アルゴリズムまたはアルゴリズムモデルに基づき、前記アルゴリズムまたはアルゴリズムモデルは、単純幾何学的形状および／または画像パターンを表し、それを認識する、項目８に記載の方法。
（項目１０）
前記単純幾何学的形状および／または画像パターンは、円形形状、分葉形状、および高密度オブジェクトを備える、項目９に記載の方法。
（項目１１）
前記高次元オブジェクトの少なくとも１つの特徴は、高レベル特徴を含む、項目１−１０のいずれかに記載の方法。
（項目１２）
前記高レベル特徴は、アルゴリズムまたはアルゴリズムモデルに基づき、前記アルゴリズムまたはアルゴリズムモデルは、複雑な幾何学的形状および／または画像パターンを表し、それを認識する、項目１１に記載の方法。
（項目１３）
前記複雑な幾何学的形状および／または画像パターンは、乳房病変および乳房構造のタイプを備える、項目１２に記載の方法。
（項目１４）
前記高次元画像オブジェクトは、具体的乳房病変または乳房構造のタイプを表すように画定される、項目５に記載の方法。
（項目１５）
前記高次元画像オブジェクトは、３次元画像オブジェクトを備える、項目５に記載の方法。
（項目１６）
前記高次元画像オブジェクトの具体的特性を表すように設計される複数のマルチレベル特徴によって、個別の高次元画像オブジェクトを分解し、表すことをさらに含む、項目１−１５のいずれかに記載の方法。
（項目１７）
複数の画像スライスに関して作成された個別のオブジェクトマップに基づいて、３次元立体オブジェクトマップを生成することをさらに含む、項目１−４のいずれかに記載の方法。
（項目１８）
前記３次元立体オブジェクトマップを抽象化し、異なる属性を有する抽象的３次元画像オブジェクトのセットを備える３次元立体オブジェクトグリッドを生成することをさらに含む、項目１７に記載の方法。
（項目１９）
前記３次元立体オブジェクトグリッドは、個々のグリッドボクセルに関するオブジェクト確率値を備え、前記異なる属性は、場所、サイズ、および形状のうちの１つ以上のものを含む、項目１７に記載の方法。
（項目２０）
複数の画像スライスから導出される前記オブジェクトマップは、前記高次元オブジェクトの場所、サイズ、形状、および形態のうちの１つ以上のものを決定するために使用される、項目１−５のいずれかに記載の方法。

Claims

乳房組織画像データを処理するための方法であって、
患者の乳房組織の画像データを処理し、前記患者の乳房組織を集合的に描写する画像スライスのセットを生成することと、
複数のマルチレベル特徴モジュールと関連付けられた１つ以上のフィルタを前記セットの各画像スライスに適用することであって、前記マルチレベル特徴モジュールは、前記患者の乳房組織内に存在し得る高次元オブジェクトの少なくとも１つの割り当てられた特徴を認識するように構成される、ことと、
前記複数のうちの各マルチレベル特徴モジュールにおいて、前記少なくとも１つの割り当てられた特徴を有する個別の画像スライス内の領域を描写する特徴マップを生成することと、
前記生成された特徴マップを、個別の高次元オブジェクトの可能性として考えられる場所を示すオブジェクトマップに組み合わせることと
を含む、方法。
複数の前記画像スライスに関して生成されたオブジェクトマップに少なくとも部分的に基づいて、１つ以上の高次元オブジェクトを識別することを含む、前記患者の乳房組織の２次元の合成された画像を作成することをさらに含む、請求項１に記載の方法。
学習ライブラリベースのコンバイナが、前記生成された特徴マップをオブジェクトマップに組み合わせるために使用される、または、投票ベースのコンバイナが、前記生成された特徴マップをオブジェクトマップに組み合わせるために使用される、請求項１または２のいずれかに記載の方法。
前記マルチレベル特徴モジュールは、高次元画像オブジェクトの個別の少なくとも１つの割り当てられた特徴を表すように構成される、請求項１〜３のいずれかに記載の方法。
前記高次元オブジェクトの少なくとも１つの特徴は、低レベル特徴を含む、請求項１〜４のいずれかに記載の方法。
前記低レベル特徴は、縁フィルタ、線フィルタ、および勾配フィルタを含む群から選択される一般的画像フィルタに基づく、請求項１〜５のいずれかに記載の方法。
前記高次元オブジェクトの少なくとも１つの特徴は、中レベル特徴を含み、前記中レベル特徴は、アルゴリズムまたはアルゴリズムモデルに基づき、前記アルゴリズムまたはアルゴリズムモデルは、単純幾何学的形状および／または画像パターンを表し、前記単純幾何学的形状および／または画像パターンを認識する、請求項１〜６のいずれかに記載の方法。
前記単純幾何学的形状および／または画像パターンは、円形形状、分葉形状、および高密度オブジェクトを備える、請求項１〜７のいずれかに記載の方法。
前記高次元オブジェクトの少なくとも１つの特徴は、高レベル特徴を含む、請求項１〜８のいずれかに記載の方法。
前記高レベル特徴は、アルゴリズムまたはアルゴリズムモデルに基づき、前記アルゴリズムまたはアルゴリズムモデルは、複雑な幾何学的形状および／または画像パターンを表し、前記複雑な幾何学的形状および／または画像パターンを認識する、請求項１〜９のいずれかに記載の方法。
前記複雑な幾何学的形状および／または画像パターンは、乳房病変および乳房構造のタイプを備える、請求項１〜１０のいずれかに記載の方法。
前記高次元画像オブジェクトは、具体的乳房病変または乳房構造のタイプを表すように画定される、または、前記高次元画像オブジェクトは、３次元画像オブジェクトを備える、請求項１〜４のいずれかに記載の方法。
前記高次元画像オブジェクトの具体的特性を表すように設計される複数のマルチレベル特徴によって、個別の高次元画像オブジェクトを分解し、表すことをさらに含む、請求項１〜１２のいずれかに記載の方法。
複数の画像スライスに関して作成された個別のオブジェクトマップに基づいて、３次元立体オブジェクトマップを生成することをさらに含む、請求項１〜４のいずれかに記載の方法。
前記３次元立体オブジェクトマップを抽象化し、異なる属性を有する抽象的３次元画像オブジェクトのセットを備える３次元立体オブジェクトグリッドを生成することをさらに含み、前記３次元立体オブジェクトグリッドは、個々のグリッドボクセルに関するオブジェクト確率値を備え、前記異なる属性は、場所、サイズ、および形状のうちの１つ以上のものを含む、請求項１４のいずれかに記載の方法。
複数の画像スライスから導出される前記オブジェクトマップは、前記高次元オブジェクトの場所、サイズ、形状、および形態のうちの１つ以上のものを決定するために使用される、請求項１〜５のいずれかに記載の方法。