JP2020513975A - 基準グレイスケール値を用いる画像セグメンテーション - Google Patents

基準グレイスケール値を用いる画像セグメンテーション Download PDF

Info

Publication number
JP2020513975A
JP2020513975A JP2019551642A JP2019551642A JP2020513975A JP 2020513975 A JP2020513975 A JP 2020513975A JP 2019551642 A JP2019551642 A JP 2019551642A JP 2019551642 A JP2019551642 A JP 2019551642A JP 2020513975 A JP2020513975 A JP 2020513975A
Authority
JP
Japan
Prior art keywords
magnetic resonance
image
imaging system
medical imaging
data
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.)
Pending
Application number
JP2019551642A
Other languages
English (en)
Other versions
JP2020513975A5 (ja
Inventor
ロルフ ユルゲン ウェーゼ
ロルフ ユルゲン ウェーゼ
ステッフェン ウェイス
ステッフェン ウェイス
ヨヘン ペータース
ヨヘン ペータース
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 JP2020513975A publication Critical patent/JP2020513975A/ja
Publication of JP2020513975A5 publication Critical patent/JP2020513975A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4828—Resolving the MR signals of different chemical species, e.g. water-fat imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20128—Atlas-based segmentation
    • 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

Abstract

本発明は、マシン実行可能な命令１２０を格納するメモリ１１０及びプロセッサ１０６を有する医療用撮像システム１００，３００，４００を提供するものである。上記マシン実行可能な命令の実行は、上記プロセッサに、磁気共鳴画像１２２を受信させ（２００）；２以上の組織型に関する基準グレイスケール値データ１２４を有する、該磁気共鳴画像を記述するメタデータを受信させ（２０２）；及び該基準グレイスケール値データを使用する画像セグメンテーションアルゴリズム１２６を用いて前記磁気共鳴画像を分割させる（２０４）。

Description

本発明は、磁気共鳴撮像に、特には磁気共鳴撮像における画像セグメンテーションに関する。
大きな静磁場が、磁気共鳴撮像（ＭＲＩ）スキャナにより患者の身体内の画像を生成するための手順の一部として原子の核スピンを整列させるために使用される。この大きな静磁場はＢ０磁場と称される。
ＭＲＩ走査（スキャン）の間において、送信器コイルにより発生されるラジオ波（ＲＦ）パルスは局部磁場に擾乱（摂動）を生じさせ、当該核スピンにより放出されるＲＦ信号が受信器コイルにより受信される。これらのＲＦ信号は、ＭＲ画像を構築するために使用される。これらのコイルはアンテナとも称される。更に、上記送信器及び受信器コイルは、両機能を果たす１以上の送受信器コイルに統合することもできる。送受信器コイルなる用語の使用は、別個の送信器及び受信器コイルが使用されるシステムも参照するものと理解される。送信されるＲＦ磁場は、Ｂ１磁場と称される。
ＭＲＩスキャナは、スライス又はボリュームの何れかの画像を構築することができる。スライスは１ボクセル厚のみの薄いボリュームである。ボクセルは、ＭＲ信号が平均化される小さなボリュームであり、当該ＭＲ画像の解像度を示す。ボクセルは、ここではピクセル（画素）と称することもできる。
米国特許出願公開第2008/0077006号は、被検物のローカル緩和時間値を決定するためのＭＲ方法を開示している。最初に、被検物の２以上のＭＲ画像が、各々が撮像シーケンスの異なる時間パラメータセットを用いて記録される。ファントムのＭＲ画像も同様に記録され、その場合において、上記撮像シーケンスの同一の時間パラメータセットが使用され、該ファントムは緩和時間値の既知の空間分布を有する。当該被験物のローカル緩和時間値は、該被験物のＭＲ画像の画像値を上記ファントムのＭＲ画像の画像値と比較することにより、及び該ファントムのＭＲ画像の画像値を、該ファントムの緩和時間値の既知の空間分布に従って緩和時間値に割り当てることにより決定される。
米国特許出願公開第2011/0188720号は、輝度画像の一層正確で信頼性のある自動化されたセグメンテーションを提供するという課題に関するものである。この米国特許出願は、輝度画像のコントラストを（ＭＲ）取得パラメータに基づいてスケーリングすることにより、これを達成することを提案している。
本発明は、独立請求項における医療用撮像システム、コンピュータプログラム製品及び方法を提供する。実施態様は、従属請求項に示される。
磁気共鳴画像の取得の後、該磁気共鳴画像は異なる領域にセグメント化又は分割することができる。このことは、解剖学的構造を識別するために、又は腫瘍等の解剖学的異常を識別するためにも有効であり得る。自動セグメンテーションアルゴリズムを使用することに伴う困難さは、画像における特定の組織型（組織タイプ）に対するコントラスト又はグレイ値の差が、取得プロトコルの変化に従って変化し得ることである。実施態様は、この問題を、特定の画像に対する基準グレイスケール値データを含むメタデータを使用することにより解決することができる。該基準グレイスケール値データは、セグメンテーションアルゴリズムを修正するために使用することができる。
一態様において、本発明は、マシン実行可能な命令を格納するメモリを備えた医療用撮像システムを提供する。該医療用撮像システムは、プロセッサを更に有する。前記マシン実行可能な命令の実行は前記プロセッサに、磁気共鳴画像を受信させる。該磁気共鳴画像は、例えば、他のコンピュータシステム若しくは医療用撮像システムから受信することができるか、又は該磁気共鳴画像を再構成することにより当該医療用撮像システム自体により発生することができる。
前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像を記述するメタデータを受信させる。該メタデータは、２以上の組織に関する基準グレイスケール値データを有する。該基準グレイスケール値データは、前記磁気共鳴画像内で画像化される組織のグレイスケール値を記述するものであり得る。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像を、前記基準グレイスケール値データを使用する画像セグメンテーションアルゴリズムを用いて分割（セグメント化）させる。該基準グレイスケール値データは、該画像セグメンテーションアルゴリズムの挙動を修正するために使用することができる。この実施態様は、異なるＭＲＩシステム及び／又は異なる撮像プロトコルからの磁気共鳴画像若しくはデータが同一の組織型（組織タイプ）に対して異なるグレイスケール値を有し得る故に有益であり得る。
前記画像セグメンテーションアルゴリズムを前記基準グレイスケール値データにより修正することは、磁気共鳴画像の一層正確なセグメンテーションを可能にし得る。
異なる例において、前記基準グレイスケール値データは異なる形態をとることができる。一例において、該基準グレイスケール値データは一群の基準グレイスケール値を有することができる。即ち、特定の関心組織型を参照する複数の数値が存在し得る。これらの基準グレイスケール値は、例えば、モデル化されたものであり得るか、又は実験的に測定されたものであり得る。例えば、基準グレイスケール値を得るためにファントムを測定することができる。更に他の場合において、当該データは特定の領域に関する画像の形で又はヒストグラムの形でさえ測定することができる。この場合において、前記画像セグメンテーションアルゴリズムを用いた磁気共鳴画像のセグメンテーションは、前記グレイスケール値データを、該画像セグメンテーションアルゴリズムを修正するために使用することができる形態へと処理するステップを有することができる。例えば、当該基準グレイスケール値データが画像の形で供給される場合、該画像又は該画像内の領域に適用される何らかのデータ処理若しくは統計的方策が存在し得る。
他の実施態様において、前記画像セグメンテーションアルゴリズムは訓練（トレーニング）される画像セグメンテーションアルゴリズムである。
他の実施態様において、前記マシン実行可能な命令の実行は、前記プロセッサに、前記磁気共鳴画像を前記セグメンテーションによりレンダリングさせる。
他の実施態様において、当該医療用撮像システムは、磁気共鳴撮像システムを更に有する。当該医療用撮像システムは、上記磁気共鳴撮像システムを制御して磁気共鳴データを取得するためのパルスシーケンスコマンドを更に有する。前記マシン実行可能な命令の実行は当該医療用撮像システムに、更に、前記パルスシーケンスコマンドを使用して前記磁気共鳴撮像システムを制御することにより前記磁気共鳴データを取得させる。前記マシン実行可能な命令の実行は、更に、当該医療用撮像システムに前記磁気共鳴データから前記磁気共鳴画像を再構成させる。この再構成は、前記磁気共鳴画像を受信することと等価であり得る。磁気共鳴（ＭＲ）データとは、ここでは、磁気共鳴撮像スキャンの間における磁気共鳴装置のアンテナを用いた、原子スピンにより放出されたラジオ波信号の記録された測定であると定義される。磁気共鳴データは、医療用撮像データの一例である。磁気共鳴（ＭＲ）画像とは、ここでは、前記磁気共鳴撮像データ内に含まれる解剖学的データの再構成された二次元又は三次元視覚化であると定義される。
前記マシン実行可能な命令の実行は、更に、当該医療用撮像システムに前記基準グレイスケール値データを発生させる。このことは、該基準グレイスケール値データを前記メタデータに添付する又は含めることも含み得る。該基準グレイスケール値データを発生することは、該基準グレイスケール値データを伴うメタデータを受信することと等価であり得る。
前記基準グレイスケールデータは、異なる例では異なる形態をとり得る。幾つかの例における基準グレイスケールデータは、モデル化により発生することができ、他の例ではファントムからの測定値からとられ得る。異なる方法で供給されることに加えて、基準グレイスケールデータは異なる形態をとることができる。該基準グレイスケールデータは、処理のための生の画像データを含むことができ、特定の組織型若しくは臓器に関するグレイスケール値の要約を含むことができ、及び／又は組織型若しくは臓器に関するグレイスケール値の統計若しくは要約を有することさえできる。一例は、ファントム画像に関するグレイスケール値のヒストグラム又はシミュレーションされたグレイスケールヒストグラムであろう。
前述したような幾つかの例において、当該基準グレイスケール値データは、例えば、ファントムからの測定値を取り込むことにより発生することができる。この場合において、当該パルスシーケンスコマンドにより撮像される複数の関心領域が存在し得る。従って、磁気共鳴データは単一より多い画像を再構成するために使用することができる。例えば、被検者の臨床的関心領域に対応する関心領域及びファントムを撮像するための１以上の関心領域が存在し得る。同様に、この場合において、同一のパルスシーケンスコマンドが種々の関心領域の全てのために使用されるであろうが、撮像される領域は変化されるであろう。即ち、異なる関心領域からの同一のパルスシーケンスコマンドが使用されるが、撮像される領域は単にシフト又は移動される。
他の実施態様において、前記基準グレイスケール値データの発生は、パルスシーケンスコマンド及び磁気共鳴シミュレータを用いてモデル化することにより実行される。この実施態様は、基準グレイスケール値データを発生するための容易な手段を提供し得るので有益であり得る。
他の実施態様において、前記磁気共鳴シミュレータはブロッホシミュレータ（Bloch simulator）である。
他の実施態様において、該磁気共鳴シミュレータは位相グラフシミュレータ（phase graph simulator）である。
他の実施態様において、前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像内の２以上の組織型の各々に対応する複数のファントム領域を識別させる。幾つかの実施態様において、当該磁気共鳴画像は単一の磁気共鳴画像であり得る。他の例では、診断磁気共鳴画像及びファントム磁気共鳴画像が存在し得る。２つの画像が存在する場合、前記複数のファントム領域はファントム磁気共鳴画像内にあるであろう。前記基準グレイスケール値データは、前記磁気共鳴画像を用いて少なくとも部分的に決定される。この実施態様は、期待されるグレイ値を直接測定する手段を提供することができるので有益であり得る。
この件における基準グレイスケール値データの決定要素は、異なる形態をとり得る。例えば、基準グレイスケール値データは、前記複数のファントム領域の各々内でグレイスケールの統計値を計算することにより発生することができる。他の場合において、該基準グレイスケール値データは生の画像データの一部に過ぎず、該部分は後に分析することができる。
他の実施態様において、前記磁気共鳴撮像システムは撮像コイルを有する。該撮像コイルは、前記２以上の組織型の各々のための磁気共鳴ファントムを有する。この実施態様は、基準グレイスケール値データを供給する使い易く且つ一定した方法を提供することができるので有益であり得る。
他の実施態様において、前記２以上の組織型の各々のための磁気共鳴ファントムは、互いに対して予め定められた幾何学的位置を有する。前記複数のファントム領域は、該予め定められた幾何学的位置を用いて少なくとも部分的に識別される。この実施態様は、２以上の組織型に対応する複数のファントム領域を識別することを一層容易にさせることができる故に有益であり得る。
他の実施態様において、前記２以上の組織型の各々のためのファントムは、対応する前記２以上の組織型をモデル化する制御された陽子密度、制御されたＴ１値及び制御されたＴ２値を持つファントム材料を有する。この実施態様は、陽子密度、Ｔ１及びＴ２値を制御することが磁気共鳴撮像を用いて組織のグレイスケールをモデル化する効果的手段となり得るので有益であり得る。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記磁気共鳴画像を分割するための地図マッチングアルゴリズム（altas-matching algorithm）を有する。該地図マッチングアルゴリズムは、前記基準グレイスケール値を用いて調整される。この実施態様は、地図マッチングアルゴリズムによる基準グレイスケール値を使用することが、広い範囲の取得プロトコル及び異なるＭＲシステムに対して正確なセグメンテーション結果を可能にし得るので有益であり得る。磁気共鳴画像を分割するために地図マッチングアルゴリズムを使用する場合、基準グレイスケール値は、当該セグメンテーションが適切に実行されるように、該地図マッチングアルゴリズムの挙動を修正するために又は磁気共鳴画像を修正するために使用することができる。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記磁気共鳴画像を分割するためのメッシュモデルを有する。該メッシュモデルは、前記基準グレイスケール値を用いて調整される。このことは、例えば、該メッシュモデルのグレイスケール値を使用する部分を識別することにより達成することができる。例えば、基準グレイスケール値は、エッジ検出アルゴリズムの挙動を修正する際に、又は磁気共鳴画像における当該モデルの境界の近傍のグレイスケール値を評価する場合に有用であり得る。このことは、該メッシュモデルを操作する一層ロバストな手段を提供することができる。
上記メッシュモデルは、例えば、該メッシュモデルを適応させる場合にペナルティ関数を最小にする変形可能なメッシュモデル又はパラメータ的メッシュモデルとすることができる。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、個々のボクセルをグレイスケール値及び当該個々のボクセルの近隣ボクセルを用いて分類することにより前記磁気共鳴画像を分割するボクセル分類部を有する。該ボクセル分類部アルゴリズムは、特定の組織型に関して各ボクセルを分類し、及び／又は各ボクセルを特定の臓器又は解剖学的構造に属するものとして分類することができる。該ボクセル分類部はグレイスケールを入力として使用することができる。該ボクセル分類部は、分類を支援するために、或るボクセルの所定の近隣内のボクセルを使用することもできる。該ボクセル分類部は、前記基準グレイスケール値を用いて調整することができる。該ボクセル分類部は、例えば、ヒストグラムベースのセグメンテーションモデル又はニューラルネットワークセグメンテーションモデルとすることができる。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記磁気共鳴画像を分割するためのヒストグラムベースのセグメンテーションモデルを有する。該ヒストグラムベースのセグメンテーションモデルは、前記基準グレイスケール値を用いて調整される。前記磁気共鳴画像内の又は該ヒストグラムモデル自体内のグレイスケール値を、前記基準グレイスケール値を該ヒストグラムベースのセグメンテーションモデルにおけるグレイスケールと比較することにより調整することができる。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記２以上の組織型の間の境界検出を概算するためのエッジ検出アルゴリズムを有する。前記基準グレイスケール値は、例えば、２つの組織型又は臓器の間の境界が、該２つの間の境界が横切られる際に明から暗に又はその逆に変化するかを決定するために使用することができる。該基準グレイスケール値は、組織型の間の境界が横切られる際のグレイスケールの適切な勾配方向を決定するために使用することができる。該基準グレイスケール値は、境界が一旦横切られた際の臓器又は解剖学的領域内のグレイスケール値を決定するために使用することもできる。このことは、当該モデルにより境界が誤って識別される機会を低減するのに有効であり得る。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記磁気共鳴画像内で前記２以上の組織型に対応する解剖学的構造を検出するための一般化ハフ変換（generalized Hough transform）を有する。該一般化ハフ変換は、境界検出アルゴリズムを有する。前記マシン実行可能な命令の実行は、前記磁気共鳴画像を分割する前に前記基準グレイスケール値データを用いて該境界検出アルゴリズムを修正するステップを有する。
他の実施態様において、前記画像セグメンテーションアルゴリズムは、前記磁気共鳴画像内で前記２以上の組織型に対応する解剖学的構造を検出するためのランダムフォレスト決定アルゴリズムを有する。該ランダムフォレスト決定アルゴリズムは、可能性として、使用されるグレイスケール値を含み得ると共に、境界検出アルゴリズムも有し得る。前記マシン実行可能な命令の実行は、前記磁気共鳴画像を分割する前に前記基準グレイスケール値データを用いて前記境界検出アルゴリズムを修正するステップを有する。
他の実施態様において、前記画像セグメンテーションアルゴリズムはパラメータ的メッシュモデルを有する。前記一般化ハフ変換は、該パラメータ的メッシュモデルを初期化するように構成される。該パラメータ的モデルは、前記磁気共鳴画像を分割するために該パラメータ的メッシュモデルを適応させるよう構成される。この実施態様の変形例において、前記ランダムフォレスト決定アルゴリズムは該パラメータ的メッシュモデルを代わりに初期化するために使用される。
他の実施態様において、上記パラメータ的メッシュモデルは境界点を有する。該パラメータ的メッシュモデルは、例えば、各境界点を個々に調整するためにトレーニングすることができる。
他の実施態様において、前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像におけるグレイ値を基準間隔に再スケーリングさせる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記基準グレイスケール値データを前記基準間隔に再スケーリングさせる。
幾つかの例において、当該画像におけるグレイスケールは、先ず画像ヒストグラムに記憶され、次に低及び高百分位数（例えば、最低の２〜５％の値の間の何処か）として計算することができ、次に、これら値の最高及び／又は最低の２〜５％を取り除くために再スケーリングする。該画像ヒストグラムは、次に、前記基準間隔に再スケーリングすることができる。試験においては、上記値の最高及び／又は最低の２〜５％を取り除くことが当該画像セグメンテーションアルゴリズムを一層良好に機能させ得ることが示された。
代わりに、このことはヒストグラムマッチングにより実行することもできる。脳等の特定の関心領域の場合、当該関心領域内の組織型の分布に対応する固有のグレイスケールヒストグラムプロファイルを既に知っている可能性がある。例えば、脳においては所与の関心領域に関して骨組織、灰白質及び白質の分布は、ヒストグラム内で良く知られた分布を有するに違いない。前記基準グレイスケール値を、当該磁気共鳴画像を少なくとも部分的に修正するために使用することができ、かくして、該画像のグレイスケールが特定のセグメンテーションモデルで機能するヒストグラムに適合するよう修正されるようにする。また、セグメンテーションを実行するためのアルゴリズムを、基準グレイスケール値を用いて修正することもできる。
他の実施態様において、前記メタデータは、前記磁気共鳴画像のＤＩＣＯＭヘッダ内に含まれる。このことは、既存のＤＩＣＯＭヘッダに関する当該セグメンテーションアルゴリズムの改善を可能にするような新たな使用法をもたらし得る点で有益であり得る。
他の態様において、本発明は前記医療用撮像システムを制御するプロセッサによる実行のためのマシン実行可能な命令を有するコンピュータプログラム製品を提供する。前記マシン実行可能な命令の実行は前記プロセッサに磁気共鳴画像を受信させる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像を記述するメタデータを受信させる。該メタデータは、２以上の組織型に関する基準グレイスケール値データを有する。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記基準グレイスケール値データを使用する画像セグメンテーションアルゴリズムを用いて前記磁気共鳴画像を分割させる。
他の態様において、本発明は、医療用撮像システムを動作させる方法を提供する。該方法は、磁気共鳴画像を受信するステップを有する。該方法は、更に、前記磁気共鳴画像を記述するメタデータを受信するステップを有する。該メタデータは、２以上の組織型に関する基準グレイスケール値データを有する。該方法は、更に、前記磁気共鳴画像を、前記基準グレイスケール値データを使用する画像セグメンテーションアルゴリズムを用いて分割するステップを有する。
他の態様において、一例は、磁気共鳴撮像システムを有する医療用撮像システムを提供することができる。該医療用撮像システムは、更に、マシン実行可能な命令を格納するメモリ、及び前記磁気共鳴撮像システムを制御して磁気共鳴データを取得するためのパルスシーケンスコマンドを有することができる。該医療用撮像システムは更にプロセッサを有することができる。前記マシン実行可能な命令の実行は前記プロセッサに前記磁気共鳴撮像システムを制御して前記磁気共鳴データを取得させる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴データから前記磁気共鳴画像を再構成させる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、２以上の組織型に関する基準グレイスケール値データを発生させる。該基準グレイスケール値は、少なくとも部分的に、前記パルスシーケンスコマンド及び磁気共鳴シミュレータを用いてモデル化される。
前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像に関するメタデータを発生させる。該メタデータは、前記基準グレイスケール値データを有する。
他の態様において、幾つかの例は、磁気共鳴撮像システムを有する医療用撮像システムを提供する。該医療用撮像システムは、更に、マシン実行可能な命令を格納するメモリ、及び前記磁気共鳴撮像システムを制御して磁気共鳴データを取得するためのパルスシーケンスコマンドを有することができる。該医療用撮像システムは更に前記磁気共鳴撮像システムを制御するためのプロセッサを有することができる。前記マシン実行可能な命令の実行は、前記プロセッサに、更に前記磁気共鳴撮像システムを制御して前記磁気共鳴データを取得させることができる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴データから前記磁気共鳴画像を再構成させることができる。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像内で２以上の組織型に対応する複数のファントム領域を識別させる。これら複数のファントム領域は、幾つかの例では、別の診断又はファントム磁気共鳴画像内にもあり得る。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記２以上の組織型に関する基準グレイスケール値データを発生させる。該基準グレイスケール値データは、前記複数のファントム領域の各々内のグレイスケール値の統計的値を計算することにより発生される。前記マシン実行可能な命令の実行は前記プロセッサに、更に、前記磁気共鳴画像に関するメタデータを発生させる。該メタデータは、前記基準グレイスケール値を有する。
本発明の上述した実施態様の１以上は、組み合わされる実施態様が相互に排他的でない限りにおいて、組み合わせることができると理解される。
当業者によれば明らかなように、本発明の態様は装置、方法又はコンピュータプログラム製品として実施化することができる。従って、本発明の態様は、完全にハードウェアの実施態様、完全にソフトウェアの実施態様（ファームウエア、常駐ソフトウェア、マイクロコード等を含む）又はソフトウェア態様及びハードウェア態様（ここでは、全て、“回路”、“モジュール”若しくは“システム”と称することができる）を組み合わせた実施態様の形態をとることができる。更に、本発明の態様は、コンピュータ実行可能なコードが具現化された１以上のコンピュータ読取可能な媒体に実施化されたコンピュータプログラム製品の形をとることができる。
１以上のコンピュータ読取可能な媒体の任意の組み合わせを用いることができる。該コンピュータ読取可能な媒体は、コンピュータ読取可能な信号媒体又はコンピュータ読取可能な記憶媒体であり得る。ここで使用される“コンピュータ読取可能な記憶媒体”とは、計算装置のプロセッサにより実行可能な命令を記憶することができる任意の有形記憶媒体を含む。該コンピュータ読取可能な記憶媒体は、コンピュータ読取可能な非一時的記憶媒体と称することができる。上記コンピュータ読取可能な記憶媒体は、有形コンピュータ読取可能な媒体と称することもできる。幾つかの実施態様において、コンピュータ読取可能な記憶媒体は、計算装置のプロセッサによりアクセスすることができるデータを記憶することもできる。コンピュータ読取可能な記憶媒体の例は、これらに限定されるものではないが、フロッピーディスク、磁気ハードディスクドライブ、固体ハードディスク、フラッシュメモリ、ＵＳＢメモリ（USB thumb drive）、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、光ディスク、光磁気ディスク及びプロセッサのレジスタファイルを含む。光ディスクの例は、コンパクトディスク（ＣＤ）、デジタル汎用ディスク（ＤＶＤ）、例えばＣＤ−ＲＯＭ、ＣＤ−ＲＷ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＷ又はＤＶＤ−Ｒディスクを含む。コンピュータ読取可能な記憶媒体なる用語は、ネットワーク又は通信リンクを介して当該計算装置によりアクセスすることが可能な種々のタイプの記録媒体も指す。例えば、データはモデムを介して、インターネットを介して又はローカルエリアネットワークを介して取り出すことができる。コンピュータ読取可能な媒体上に具現化されたコンピュータ実行可能なコードは、これらに限定されるものではないが、無線、有線、光ファイバケーブル、ＲＦ等、又はこれらの何らかの適切な組み合わせを含む任意の適切な媒体を用いて伝送することができる。
コンピュータ読取可能な信号媒体は、コンピュータ実行可能なコードが内部に（例えば、ベースバンド内に又は搬送波の一部として）具現化された伝搬されるデータ信号を含むことができる。このような伝搬される信号は、これらに限定されるものではないが、電磁的、光学的又はこれらの何れかの適切な組み合わせのものを含む種々の形態の何れかをとることができる。コンピュータ読取可能な信号媒体は、コンピュータ読取可能な記憶媒体ではなく、且つ、命令実行システム、装置若しくはデバイスにより又はこれらに関連して使用するためのプログラムを通知、伝搬又は伝送することができる任意のコンピュータ読取可能な媒体とすることができる。
“コンピュータメモリ”又は“メモリ”は、コンピュータ読取可能な記憶媒体の一例である。コンピュータメモリは、プロセッサに直接アクセス可能な任意のメモリである。“コンピュータ記憶部”又は“記憶部”は、コンピュータ読取可能な記憶媒体の他の一例である。コンピュータ記憶部は、任意の揮発性又は不揮発性のコンピュータ読取可能な記憶媒体であり得る。
ここで使用される“プロセッサ”とは、プログラム、マシン実行可能な命令又はコンピュータ実行可能なコードを実行することができる電子部品を含む。“プロセッサ”を有する計算装置を参照する場合、２以上のプロセッサ又は処理コアを可能性として含むと解釈されるべきである。プロセッサは、例えば、マルチコア・プロセッサであり得る。プロセッサは、単一のコンピュータシステム内の又は複数のコンピュータシステムの間に分散された一群のプロセッサを指すこともできる。計算装置なる用語は、各々がプロセッサ若しくは複数のプロセッサを有する計算装置の集合又はネットワークを可能性として指すとも解釈されるべきである。コンピュータ実行可能なコードは、同一の計算装置内にあり得るか、又は複数の計算装置の間に分散さえもされ得る複数のプロセッサにより実行することができる。
コンピュータ実行可能なコードは、プロセッサに本発明の一態様を実行させるマシン実行可能な命令又はプログラムを有し得る。本発明の態様に関する処理を実行するためのコンピュータ実行可能なコードは、１以上のプログラミング言語の任意の組み合わせで書くことができ、これらプログラミング言語は、ジャバ、スモールトーク、Ｃ＋＋等のオブジェクト指向プログラミング言語、及び“Ｃ”プログラミング言語又は同様のプログラミング言語等でマシン実行可能な命令にコンパイルされる従来の手続型プログラミング言語を含む。幾つかの事例において、コンピュータ実行可能なコードは、高レベル言語の形態又は事前にコンパイルされた形態であり得ると共に、実行しながらマシン実行可能な命令を発生するインタープリタと一緒に使用することもできる。
上記コンピュータ実行可能なコードは、単独型ソフトウェアパッケージとして全体的にユーザのコンピュータ上で若しくは部分的にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で且つ部分的に遠隔コンピュータ上で、又は全体として遠隔コンピュータ上若しくはサーバ上で実行することができる。後者のシナリオにおいて、遠隔コンピュータはユーザのコンピュータにローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ）を含む何らかのタイプのネットワークを介して接続することができ、又は該接続は外部コンピュータに対してなすことができる（例えば、インターネットサービスプロバイダを用いることによりインターネットを介して）。
本発明の態様は、本発明の実施態様による方法、装置（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図を参照して説明される。フローチャート、説明図及び／又はブロック図における各ブロック又はブロックの一部は、適用可能な場合は、コンピュータ実行可能なコードの形態のコンピュータプログラム命令により実施化することができると理解される。更に、互いに排他的でない場合、異なるフローチャート、説明図及び／又はブロック図におけるブロックは組み合わせることもできると理解される。これらのコンピュータプログラム命令は、汎用コンピュータ、専用コンピュータ又はマシンを生成する他のプログラマブルデータ処理装置のプロセッサに対して、上記コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行する上記命令が、フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定される機能／動作を実施するための手段を生成するように、供給することができる。
コンピュータ、他のプログラマブルデータ処理装置又は他のデバイスに特定の態様で機能するように指令することができる斯かるコンピュータプログラム命令は、コンピュータ読取可能な媒体に記憶することもでき、かくして、該コンピュータ読取可能な媒体に記憶された上記命令が、フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定される機能／動作を実施する命令を含む製品を形成するようにする。
上記コンピュータプログラム命令は、コンピュータ、他のプログラマブルデータ処理装置又は他のデバイスにロードされ、一連の処理ステップが該コンピュータ、他のプログラマブルデータ処理装置又は他のデバイス上で実行されて、コンピュータで実施する処理が形成され、かくして、上記コンピュータ又は他のプログラマブル装置上で実行する命令が、前記フローチャート及び／又はブロック図のブロック又は複数のブロックにおいて特定される機能／動作を実施するための処理をもたらすようにすることもできる。
ここで使用される“ユーザインターフェース”とは、ユーザ又は操作者がコンピュータ又はコンピュータシステムと対話することを可能にするインターフェースである。“ユーザインターフェース”は、“ヒューマンインターフェース装置”と称することもできる。ユーザインターフェースは、情報若しくはデータを操作者に供給し、及び／又は操作者から情報若しくはデータを受信することができる。ユーザインターフェースは、操作者からの入力がコンピュータにより受信されることを可能にし得ると共に、コンピュータからユーザに出力を供給することができる。言い換えると、ユーザインターフェースは操作者がコンピュータを制御又は操作することを可能にし得ると共に、該インターフェースはコンピュータが操作者の制御又は操作の効果を示すことを可能にし得る。ディスプレイ又はグラフィックユーザインターフェース上でのデータ又は情報の表示は、操作者への情報の供給の一例である。キーボード、マウス、トラックボール、タッチパッド、ポインティングスティック、グラフィックタブレット、ジョイスティック、ウエブカム、ヘッドセット、ペダル、リモコン及び加速度計を介してのデータの受信は、全て、操作者からの情報又はデータの受信を可能にするユーザインターフェースの構成部品の例である。
ここで使用される“ハードウェアインターフェース”は、コンピュータシステムのプロセッサが外部計算デバイス及び／又は装置と対話し、及び／又は斯かる計算デバイス及び／又は装置を制御することを可能にするインターフェースを含む。ハードウェアインターフェースは、プロセッサが外部計算デバイス及び／又は装置に制御信号又は命令を送信することを可能にし得る。ハードウェアインターフェースは、プロセッサが外部計算デバイス及び／又は装置とデータを交換することも可能にし得る。ハードウェアインターフェースの例は、これらに限定されるものではないが、汎用直列バス、IEEE 1394ポート、パラレルポート、IEEE 1284ポート、直列ポート、RS-232ポート、IEEE 488ポート、ブルートゥース（登録商標）接続、無線ローカルエリアネットワーク接続、TCP/IP接続、イーサネット（登録商標）接続、制御電圧インターフェース、MIDIインターフェース、アナログ入力インターフェース及びデジタル入力インターフェースを含む。
ここで使用される“ディスプレイ”又は“表示装置”は、画像又はデータを表示するように構成された出力装置又はユーザインターフェースを含む。ディスプレイは、視覚、音響及び／又は触覚データを出力することができる。ディスプレイの例は、これらに限定されるものではないが、コンピュータモニタ、テレビジョンスクリーン、タッチスクリーン、触覚電子ディスプレイ、点字スクリーン、陰極線管（ＣＲＴ）、蓄積管、バイステーブルディスプレイ、電子ペーパ、ベクトルディスプレイ、フラットパネルディスプレイ、真空蛍光ディスプレイ（ＶＦ）、発光ダイオード（ＬＥＤ）ディスプレイ、エレクトロルミネッセントディスプレイ（ＥＬＤ）、プラズマディスプレイパネル（ＰＤＰ）、液晶ディスプレイ（ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、プロジェクタ及びヘッドマウント（頭部装着）ディスプレイを含む。
図１は、医療用撮像システムの一例を示す。 図２は、図１の医療用撮像システムを動作させる方法の一例を解説したフローチャートを示す。 図３は、医療用撮像システムの他の例を示す。 図４は、医療用撮像システムの他の例を示す。 図５は、磁気共鳴ファントムが統合されたヘッドコイルの一例を示す。 図６は、図３又は図４の医療用撮像システムを動作させる方法の一例を解説したフローチャートを示す。 図７は、磁気共鳴画像の一例を示す。 図８は、磁気共鳴画像の他の例を示す。 図９は、磁気共鳴画像の他の例を示す。 図１０は、方法の一例を示す。 図１１は、基準グレイスケールによるセグメンテーションアルゴリズムの修正を示す。
以下、本発明の好ましい実施態様を、図面を参照して例示のみとして説明する。
図面の各図における同様の符号の要素は、等価な要素であるか又は同一の機能を果たす。前に説明された要素は、当該機能が等価であるなら後の図では必ずしも説明されることはない。
図１は、医療用撮像システムの一例１００を示す。医療用撮像システム１００は、コンピュータ１０２を有するものとして示されている。該コンピュータは、オプションとしてのハードウェアインターフェース１０４を有する。ハードウェアインターフェース１０４は、プロセッサ１０６に接続される。該プロセッサは、メモリ１１０及びオプションとしてのユーザインターフェース１０８にも接続される。ハードウェアインターフェース１０４は、プロセッサ１０６が当該医療用撮像システムの他の構成要素に対してデータを送信及び受信することを可能にすることができる。例えば、このことは、医療用撮像システム等の医療用撮像装置とデータを交換し、及び／又は斯かる装置を制御するために使用することができる。ユーザインターフェース１０８は、例えば、ユーザからの入力を受信し、及び／又は画像を表示及び／又はレンダリングするためのディスプレイ若しくは入力装置を含むことができる。
当該コンピュータメモリ（又は、単にメモリ）１１０は、プロセッサ１０６に直接アクセス可能な任意の組み合わせのメモリを表すものである。メモリ１１０は、プロセッサ１０６にアクセス可能な任意の組み合わせのメモリとすることができる。これは、主メモリ、キャッシュメモリ及びフラッシュＲＡＭ、ハードドライブ又は他の記憶装置等の不揮発性メモリ等のものを含むことができる。幾つかの例において、メモリ１１０は非一時的コンピュータ読取可能な媒体であると考えることができる。
コンピュータメモリ１１０は、プロセッサ１０６がデータを操作し及び／又は、恐らく、当該医療用撮像システム１００の他の構成要素を制御することを可能にするマシン実行可能な命令１２０を格納するものとして示されている。メモリ１１０は、更に、例えばネットワーク接続を介して受信した又は可能性として自身で再構成した磁気共鳴画像１２２を格納するものとして示されている。コンピュータメモリ１１０は、更に、磁気共鳴画像１２２に関する基準グレイスケールデータ１２４を格納するものとして示されている。該基準グレイスケールデータ１２４は、例えば、磁気共鳴画像１２２内の特定の組織型の予測されるグレイスケールを表す値を有することができる。
他の例において、基準グレイスケールデータ１２４は、例えばファントムの測定から取り出された追加の磁気共鳴画像の部分を含み又は斯かる部分を示すことができる。コンピュータメモリ１１０は、更に、画像セグメンテーションアルゴリズム１２６を格納するものとして示されている。該画像セグメンテーションアルゴリズム１２６は、前記磁気共鳴画像１２２及び基準グレイスケールデータ１２４を入力として取り込むことができる。この場合、該画像セグメンテーションアルゴリズム１２６は、これもメモリ１１０に記憶されるものとして示された画像セグメンテーション１２８を出力する。
図２は、図１の医療用撮像システム１００を動作させる方法の一例を解説するフローチャートを示す。先ず、ステップ２００において、磁気共鳴画像１２２が受信される。次に、ステップ２０２において、基準グレイスケールデータ１２４を有するメタデータが受信される。次に、ステップ２０４において、磁気共鳴画像１２２が、挙動を修正するために基準グレイスケールデータ１２４を使用する画像セグメンテーションアルゴリズム１２６を用いてセグメント化（分割）される。
図３は、医療用撮像システムの他の例３００を示す。該医療用撮像システム３００は、磁気共鳴撮像システム３００を更に組み込んでいることを除き、図１の医療用撮像システム１００と類似している。磁気共鳴撮像システム３００は、磁石３０４を有する。磁石３０４は、内部にボア３０６を備えた超伝導円筒型磁石である。異なるタイプの磁石の使用も可能であり、例えば、分割円筒磁石及び所謂開放磁石の両方を使用することも可能である。分割円筒磁石は、当該磁石のアイソ面へのアクセスを可能にするために低温槽が２つの部分に分割されていることを除き、標準的円筒磁石と同様である。このような磁石は、例えば、荷電粒子ビーム治療に関連して用いることができる。開放型磁石は、被検者を収容する程度に十分に大きな空間を間に挟んだ上下の２つの磁石部分を有するもので、該２つの部分の配置はヘルムホルツコイルのものに類似する。開放型磁石は、被検者が余り制限されないので一般的である。円筒磁石の低温槽内部には、超伝導コイルの集合が存在する。円筒磁石３０４のボア３０６内には撮像ゾーン３０８が存在し、該ゾーンでは、磁場が磁気共鳴撮像を行うほど十分に強く且つ均一である。撮像ゾーン３０８内には、関心領域３０９が示されている。被検者３１８は、被検者サポート３２０により該被検者３１８の少なくとも一部が撮像ゾーン３０８及び関心領域３０９内に位置するように支持されているように示されている。
当該磁石のボア３０６内には、磁気共鳴データの収集のために該磁石３０４の撮像ゾーン３０８内の磁気スピンを空間的にエンコードするために使用される一群の勾配磁場コイル３１０も存在する。これら勾配磁場コイル３１０は、勾配磁場コイル電源３１２に接続される。勾配磁場コイル３１０は代表的なものであることを意図している。典型的に、勾配磁場コイル３１０は３つの直交する空間方向に空間的にエンコードするための３つの別個の組のコイルを含んでいる。勾配磁場電源は、これら勾配磁場コイルに電流を供給する。勾配磁場コイル３１０に供給される電流は、時間の関数として制御され、傾斜されるか又はパルス状とされ得る。
撮像ゾーン３０８に隣接するものは、該撮像ゾーン３０８内の磁気スピンの向きを操作すると共に、該撮像ゾーン３０８内のスピンからのラジオ波伝送を受信するためのラジオ波コイル３１４である。該ラジオ波コイル（アンテナ）は複数のコイルエレメントを含むことができる。該ラジオ波アンテナは、チャンネル又はアンテナと称することもできる。ラジオ波コイル３１４はラジオ波送受信器３１６に接続される。ラジオ波コイル３１４及びラジオ波送受信器３１６は、別個の送信及び受信コイル並びに別個の送信器及び受信器に置換することもできる。ラジオ波コイル３１４は、専用の送信アンテナ及び専用の受信アンテナを表すことも意図される。同様に、ラジオ波送受信器３１６は、別個の送信器及び受信器を表すことも意図される。ラジオ波コイル３１４は複数の受信／送信エレメントを有することもでき、ラジオ波送受信器３１６は複数の受信／送信チャンネルを有することができる。例えば、SENSE等の並列撮像技術が実行される場合、ラジオ波コイル３１４は複数のコイルエレメントを有するであろう。
送受信器３１６及び勾配コントローラ３１２は、コンピュータシステム１０２のハードウェアインターフェース１０４に接続されるものとして図示されている。
コンピュータメモリ１１０は、プロセッサ１０６がハードウェアインターフェース１０４を介して磁気共鳴撮像システム３００を制御することを可能にするパルスシーケンスコマンド３３０を格納するものとして示されている。メモリ１１０は、更に、磁気共鳴撮像システム３００をパルスシーケンスコマンド３３０で制御することにより関心領域３０９から取得された磁気共鳴データ３３２を格納するものとして示されている。メモリ１１０は、更に、プロセッサ１０６が磁気共鳴データ３３２から磁気共鳴画像１２２を再構成することを可能にする命令を含む画像再構成モジュール３３４を格納するものとして示されている。メモリ１１０は、更に、プロセッサ１０６がパルスシーケンスコマンド３３０を使用して基準グレイスケールデータ１２４を計算又は発生することを可能にするコマンドを含む磁気共鳴シミュレータ３３６を格納するものとして示されている。
図４は、医療用撮像システムの他の例４００を示す。医療用撮像システム４００は図３に示された医療用撮像システム３００と類似するが、幾つかの差違が存在する。撮像ゾーン３０８内における被検者３１８に隣接して、複数のファントムが存在することが分かる。撮像ゾーン３０８内には追加の関心領域３０９’も示され、該追加の関心領域は磁気共鳴ファントム４００をカバーする体積（ボリューム）を含む。この場合の磁気共鳴データ３３２は、両関心領域３０９及び３０９’から取得されたデータを含む。メモリ１１０は、上記追加の撮像領域３０９’からデータを再構成することにより得られた追加の磁気共鳴画像４０２を格納するものとして示されている。プロセッサ１０６は、該追加の磁気共鳴画像４０２から基準グレイスケールデータ１２４を発生することができる。
図５は、図５に図示されるラジオ波コイル３１４及びファントム４００を単一ユニット内にどの様に組み込むことができるかの一例を示す。図５には、被検者の頭部を受け入れるヘッドコイルが図示されている。該コイル３１４のプラスチックエンクロージャ（外囲体）内に、複数のファントム４００を配置することができる。図５に示されるコイル３１４及びファントム装置４００は、撮像領域内においてファントムを被検者３１８に隣接して繰り返し可能な態様で容易に配置することができるという利点を有することができる。
ＭＲ画像の画像セグメンテーションのロバストさ及び適用可能性は、ＭＲプロトコルが変化された場合の画像コントラストの変化により妨害される。画像のグレイ値は、取得パラメータ及び多数の他の変数（システム校正パラメータ、再構成パラメータ、画像後処理パラメータ等）の固有の組に依存するからである。ＭＲ撮像方法に組み込まれる、図５に示されるようなファントムは、ＭＲ画像セグメンテーションを改善するためのものであり得る。
ファントム４００は、最もありふれた身体組織型の緩和パラメータ及び陽子密度を模擬するサンプルを有する。このファントムは、セグメント化されるべき患者画像の取得及び後処理に使用されるのと同一の固有のシーケンス及び正確なパラメータセットを用いて撮像される。当該ファントム画像は、取得直後にＭＲコンソール上で自動的に前処理することができ、種々のサンプルのグレイ値が評価され、例えば当該患者画像のＤＩＣＯＭヘッダ等のメタデータ内に記憶されるようにする。当該ファントムの種々の実施態様を構成することができる（受動型、患者の腕部と胴部との間、ＭＲコイルに組み込む、患者サポートに組み込む等）と共に、該ファントムをどの様に及び何時撮像するかの種々の実施態様を構成することができる（各患者に対して、新たなスキャンパラメータが使用される場合にのみスキャナによりリクエストされる、データベースから、それ以外等）。
画像セグメンテーションアルゴリズムは、ＤＩＣＯＭ患者画像に伴って到来する前処理されたグレイ値テーブルを使用することができる。セグメンテーションアルゴリズムのトレーニング（訓練）は、該グレイ値テーブルに関連して実行される。実効的に、このことは当該トレーニングをスキャンパラメータの正確な組から独立したものにさせ得る。例えば、灰白質、白質及びＣＳＦのファントムグレイ値は、当該セグメンテーションアルゴリズムを、これら組織の間の固有のコントラストに適合させるために使用することができる。
ＭＲ画像コントラストは、組織緩和パラメータ、陽子密度、シーケンス型及びシーケンスパラメータ、並びにスキャン毎に変化し又は当該ＭＲシステムにより調整され得るシステムパラメータ（コイルの型及び位置、増幅及び校正パラメータ、再構成パラメータ、画像後処理パラメータ等）を含む多数の変数に依存する。加えて、画像コントラストは、例えば動きによるアーチファクトにより影響を受け得る。結果として、同一のシーケンス型さえもの画像のコントラストも、スキャン毎、システム毎及び供給元毎に変化する。
多数のアプリケーションが存在し、（半）自動ＭＲ画像セグメンテーションに対する増大する要求が存在する。ここで、幾つかの例のみに言及すると、ＭＲ画像の高度の評価（臓器質量／体積、心駆出率、血管寸法）のための、自動スキャン計画（臓器に対する画像面／ボリュームの自動適合化が後続する、斯かる臓器のセグメンテーション）のための、ＭＲベースの放射線治療における線量計画（腫瘍標的及びリスク臓器に対するボリューム測定的線量の計画）のための、又は３Ｄでの進んだ視覚化（サーフェスレンダリング）のためのセグメンテーションである。
ＭＲ画像コントラストの変動は、ＭＲ画像の（半）自動セグメンテーションにとり重大な問題である。これと比較して、Ｘ線及びＣＴ画像の画像コントラストは、組織における放射線の良く定まった吸収度により主に定まり、僅かなシステムパラメータにしか依存しない。ＣＴにおいて、画像グレイ値は、ハンスフィールド単位で与えられる、組織の放射線密度の量的尺度を表しさえもする。結果として、ＣＴ画像のセグメンテーションはＭＲ画像のものより大幅に簡単であり、このことは、特定のアプリケーションに関してはＣＴ撮像がＭＲ撮像よりも好まれるという事実につながり得る。
臨床的実施において、ＭＲ画像の（半）自動セグメンテーションは、ＭＲ画像コントラストが非常に固有なシーケンス、固定されたプロトコルパラメータの組及びスキャニングのための固定された設定（コイル及び患者の設定）を強制することにより低減される場合においてのみロバストに機能する。この場合、当該セグメンテーションアルゴリズムは、この特定のタイプのコントラストに対してトレーニング及び最適化される。このＭＲ画像取得方法からの逸脱は、しばしば、セグメンテーションエラーにつながる。限定された組のパラメータによる動作は、恐らく、所与の臨床的状況に対して撮像の最適な適応化を妨害することになり得る。また、多くの臨床医は、スキャンを自身の固有の臨床的必要性に適合させるために、ＭＲシステムに対して供給される事前設定されたスキャン／プロトコル組を修正したいものである。このことは、顧客毎にセグメンテーションアルゴリズムの更新されたトレーニングを必要とし得、これは膨大な労力により事実上不可能である。
異なる供給者（ベンダ）のＭＲシステム上で取得された画像が同一のセグメンテーションアルゴリズムにより処理されねばならない場合、問題は一層大きくなる。これの１つの理由は、一般的に第三者のＭＲ供給者の全ての取得及び再構成パラメータが既知であるというものではなく、このことは、斯かるパラメータの制御を、セグメンテーションアルゴリズムを販売すると共に画像をどの様に取得するかの仕様を定めなければならない会社にとり更に一層困難にさせることである。
セグメンテーションのために関連のある身体組織型の緩和パラメータ及び陽子密度を模擬したサンプルを有するようなファントムを設計することができる。このファントムは、セグメント化されるべき患者画像の取得のために使用されるのと同一の特定のシーケンス（又は複数のシーケンス）及びパラメータ組を用いて撮像される。当該ファントム画像には、同一の画像後処理を施すこともできる。該ファントム画像は、ＤＩＣＯＭ患者画像と共に、又は該ＤＩＣＯＭ患者画像内にさえ記憶することができる。該ファントム画像は、取得直後にＭＲコンソール上で自動的に前処理することができ、かくして、当該種々のサンプルのグレイ値が評価されると共に当該患者画像のＤＩＣＯＭヘッダ内に記憶されるようにする。
画像セグメンテーションアルゴリズムは、ＤＩＣＯＭ患者画像と一緒に到来する前処理されたグレイ値テーブルを用いる。セグメンテーションアルゴリズムのトレーニングは、上記グレイ値テーブルに関連して、又は特定の基準値に関して実施することができる。実効的に、このことは、当該トレーニングがスキャンパラメータの正確な組とは無関係にさせる。例えば、灰白質、白質及びＣＳＦのファントムグレイ値を、当該セグメンテーションアルゴリズムを斯かる組織の間の固有のコントラストに適合させるために使用することができる。
組織ファントムの種々の例は：
ａ）体上ファントム
このファントムは、患者の上又は横に配置される。該ファントムは、患者の腕と胴体との間にはまるように長尺形状を有することができる；
ｂ）コイル内ファントム
このファントムは、ＭＲ受信コイル内に組み込まれる。一例は、該ファントムを頭部コイルヘッドレスト内に含むもの（図５）、又はIngeniaシステムの場合は受信コイルも格納する患者サポート内に含むものである；
ｃ）独立型ファントム
このファントムは、別体の受動型装置である。該ファントムは患者の頭部の上方の患者サポート上に配置することができる；
ｄ）コイル付ファントム
このファントムは、独立型ファントムとして設計される場合、自身の受信コイル及びコイルコネクタを含む能動型装置である；
ｅ）患者撮像に常に伴うファントム
このファントムは、同一の検査において患者と一緒に撮像することができる。該ファントムは、磁気共鳴画像の関心領域と同時に撮像することができ、又は磁気共鳴画像の関心領域とは別個に撮像することができる。当該磁気共鳴画像は、該画像の関心領域のための特定の磁気共鳴撮像プロトコルを用いて取得することができる。該ファントムは、同一の磁気共鳴撮像プロトコルを用いるが、関心領域をずらして撮像することができる；
これらの例を含むことができる。
幾つかの例において、当該スキャナは設置時から実行された全てのスキャンの履歴を該スキャンのパラメータ組と共に維持することができ、該スキャナは斯かるスキャンにより取得されたファントム画像を別のデータベースにも記憶する。新たにリクエストされたスキャンが以前のスキャンと同一のパラメータを有する場合、データベースからの該以前のスキャンのファントム画像／グレイ値が再使用され、新たな患者画像と共に記憶される。新たにリクエストされたスキャンが新たな組のパラメータを有する場合、当該スキャナは新たなファントムスキャンをリクエストする。独立型ファントムの場合、スキャナはユーザにファントムを定位置に配置することを要求する。
組織型のグレイ値に対する既知の関係は、画像セグメンテーションを助け得る。しかしながら、２つの異なる組織型のグレイ値が特定のスキャンタイプに対しては殆ど同一であり得ることも明らかである。このことは、異なる画像コントラストを提供する２つの異なるスキャンタイプＡ及びＢによる取得により改善することができる。
放射線学的報告のための標準化された提示に関する例である。組織型毎のグレイ値の既知の関係を、患者画像を前処理するために使用することができ、かくして、放射線学的報告のために使用された場合に標準化されたコントラストを有するようにする。一例として、画像をモデルベースのセグメンテーションによりセグメント化することができ、特定の臓器におけるグレイ値は、画像提示のために、このタイプのシーケンスに対してグレイ値が標準化されるように調整することができる。このことは、所与のシーケンスタイプに対するフリップ角並びに例えばＴＲ及びＴＥの正確な設定に依存する生の画像における僅かなグレイ値の変化を校正するであろう。
標準化されたファントムは、僅かに変化する取得パラメータを伴う１つのシーケンスタイプの画像コントラストを関係付けることを可能にする工業規格として確立することもできる。
図６は、図３の医療用撮像システム３００又は図４の医療用撮像システム４００を動作させる方法を解説したフローチャートを示す。図６に示される方法は、図２に示したものに類似し、１つの追加ステップを備える。先ず、ステップ６００において、磁気共鳴撮像システム３００は、パルスシーケンスコマンド３３０により制御されて、磁気共鳴データ３３２を取得する。ステップ２００において、磁気共鳴データ３３２から磁気共鳴画像１２２を再構成することにより磁気共鳴画像が受信される。ステップ２０２において、基準グレイスケール値データ１２４が、図４に示されるような追加の磁気共鳴画像４０２からデータを抽出ことにより、又は図３に示されるような画像再構成モジュール３３４及びパルスシーケンスコマンド３３０を用いることにより発生される。ステップ２０２の後、当該方法は、図２にも示されたように、ステップ２０４に進む。
幾つかの例は、特定の取得プロトコルに関し当該ＭＲスキャナにおいて関連する組織の基準グレイ値をシミュレーションし、これを取得された画像と一緒に記憶し、この情報を臨床用ワークステーションにおいて視覚化、後処理及びセグメンテーションのために使用して、当該機能を一層プロトコル依存性でないものにさせることができる。特に、アルゴリズムトレーニングのためにグレイ値画像及び解剖学的構造又は臓器の対応するグラウンドトルース注釈を必要とするセグメンテーションのための教師あり機械学習方法を使用する場合、異なるスキャン間の画像グレイ値の変動は、基準組織グレイ値を用いて補償される。以前に見られなかった画像のセグメンテーションを実行する場合、同じメカニズムが、セグメント化されるべき画像の特定のプロトコルのために当該アルゴリズムを“構成”すべく使用される。
当該方法は、臨床的アプリケーションにおける画像セグメンテーションをプロトコル（又は供給者）依存性の一層少ないものにさせることを可能にし、当該臨床における一層効率的な診断ＭＲワークフローを可能にし、従って、ＭＲスキャナ、腫瘍学的解決策（ＭＲに基づく放射線治療計画）及び臨床的アプリケーションに関係する。
ＭＲＩは、取得プロトコルを設計すると共に大幅に相違する画像外見及びサンプリング特性を伴う画像を発生するための大きな柔軟性を提供する。画像解析アルゴリズムは、通常、特定のスキャナタイプ及びプロトコルに対して最適化された場合に良好に機能するが、特に画像輝度を標準化するための方法を用いる場合、臨床現場はＭＲＩ撮像の柔軟性及び汎用性を利用すると共にスキャニングプロトコルをローカルな要求及び好みに（僅かに）適合させたいものである。結果として、自動化された画像解析アルゴリズムは、最適以下でしか機能しないか又は調整されることを要する。このことは、市販製品におけるＭＲＩ後処理アプリケーションの普及したサポートを制限すると共に、ＣＴ等の他の撮像方式と比較してＭＲワークフローを阻害する。
図７、図８及び図９は、異なる臨床現場からのシネ心磁気共鳴画像を各々示す。各図は、当該画像に重畳された画像セグメンテーション１２８を示している。図７は、暗表現（dark appearance）の磁気共鳴画像の一例を示す。図８は中間輝度の画像を表し、図９は、所謂、明表現（bright appearance）の磁気共鳴画像を表している。例えば、モデルベースのセグメンテーションによる実験は、これら３つの画像分類の各々に対して当該アルゴリズムが別個に訓練された場合に、アルゴリズムを全画像分類に対して同時に訓練するのに較べて、画像を一層高い精度でセグメント化することができることを示した。例は、３つの全てのタイプの画像を同一のトレーニングにより処理する手段を提供することができる。
例は、モデルベースのセグメンテーション等の画像セグメンテーション方法を変化するＭＲ取得プロトコルに関して訓練し、後続のＭＲ画像セグメンテーションを余りプロトコル固有でない又はプロトコルに依存しないようにさせる方法を提供することができる。結果として、自動化された画像セグメンテーションアルゴリズムは、異なるスキャナ又はＭＲ取得プロトコルの範囲にわたり一層良好に機能すると共に、最適な性能（セグメンテーション精度及びロバストさの点で）を達成するために各プロトコル／スキャナ変形に対して調整されることを要さない。
幾つかの例は、特定の取得プロトコルに関しＭＲスキャナにおける関連する組織の基準グレイ値のシミュレーションを行い、これを取得された画像と一緒に記憶し、この情報を臨床用ワークステーションにおいて視覚化、後処理及びセグメンテーションのために使用して、当該機能を一層プロトコル依存的でないようにすることができる。特に、アルゴリズムトレーニングのためにグレイ値画像及び解剖学的構造又は臓器の対応するグラウンドトルース注釈を必要とするセグメンテーションのための教師あり機械学習方法を使用する場合、異なるスキャン間の画像グレイ値の変動は、基準組織グレイ値を用いて補償される。以前に見られなかった画像のセグメンテーションを実行する場合、同じメカニズムが、セグメント化されるべき画像の特定のプロトコルのために当該アルゴリズムを“構成”すべく使用される。
図１０は、種々の処理ステップの概要を示す。図１０は、斯様なアルゴリズムをモデルベースのセグメンテーションを用いて構築するためのステップも示す。以下の文章において、斯かる処理ステップが更に詳細に説明される。図１０は、２つの方法を示す。即ち、新たな見たことのない画像を処理するための処理チェーンを示す方法１０００が存在する。ブロック１０５０により示される方法は、処理チェーン１０００のための画像を訓練するトレーニング方法を示す。これら２つの方法が、以下の文章：
プロトコル診断ＭＲセグメンテーションのための処理チェーン１０００は、以下のステップの１以上を有することができる：
特定のシステム上での特定のＭＲプロトコルによる新たな磁気共鳴画像の取得１００２；
で説明される。
実際の取得プロトコル及びシステム設定に対する基準組織グレイ値（基準グレイスケール値データ）を発生する（１００４）。該基準組織グレイ値は当該ＭＲシステムにおけるシミュレーションにより発生することができ、組織グレイ値は、次に、記憶すると共にＭＲ画像と共に受け渡すことができる。
画像グレイ値を正規化する（１００６）。当該シミュレーション方法は、異なる取得の間で相違し得る倍率までの画像における組織グレイ値をシミュレーションすることを許容すると仮定する。正規化は、この差を補償する。正規化は、明示的に実行することができ（即ち、画像は正規化され、メモリに記憶され）又は暗黙的に実行することができる（即ち、セグメンテーションの間において画像グレイ値を評価する場合）。
画像セグメンテーションする（１００８）。当該セグメンテーションアルゴリズムは、該アルゴリズムを特定のＭＲ取得プロトコルに対して“構成”するために上記基準組織グレイ値を使用し、セグメンテーションを実行する。
組織グレイ値を発生する（１００４）。異なる撮像シーケンスに対して、画像コントラストを陽子密度ｐ並びに緩和時間Ｔ１及びＴ２等の組織特性並びにエコー時間Ｔｅ又は繰り返し時間Ｔｒ等の取得パラメータに依存して記述する明示的式が開発されている（図３参照）。更に、複雑なシーケンスに対して高度に実際的なＭＲ画像をシミュレーションするＭＲシミュレータが開発されている。これらの簡単又は一層複雑な方法が、実際の撮像シーケンス並びに実際の取得及び臨床的作業に関連する複数の組織（後続のセグメンテーション作業に関連する組織も含む）に対する（典型的）組織グレイ値（及び、オプションとして、これら値の変動）をシミュレーションするために使用される。複雑なシミュレーションの場合、多くのスキャナの仕様をシミュレーションに含めることができる一方、シミュレーションされる組織グレイ値は当該ＭＲスキャナ上で直接計算し、当該画像と一緒に記憶する（例えば、ＤＩＣＯＭタグとして）ことができる。本発明の前後関係で使用される実際のシミュレーション方法は、異なる取得の間で相違し得る倍率までの画像における組織グレイ値をシミュレーションすることを可能にすると仮定される。
他の例として、当該組織基準値は、所望の／関連する組織を表す異なる物質が組み込まれたファントムを撮像することにより及び適切な後処理により得ることができる。
グレイ値を正規化する（１００６）。異なる画像の間の画像輝度変化を補償するために、画像ヒストグラム並びに該ヒストグラムの低及び高Ｌ％百分位数（Ｌ＝２又は５）が計算される。輝度値は、次に、基準間隔に対して再スケーリングされる。正規化は、明示的に実行することができ（即ち、画像は正規化され、メモリに記憶され）又は暗黙的に実行することができる（即ち、処理の間において画像グレイ値を評価する場合）。
代替的なグレイ値正規化として、ヒストグラムマッチングを用いることもできる。この場合、当該磁気共鳴撮像システムにより供給されるメタデータは、撮像領域における最も頻繁な組織の組織基準値のみならず、基準グレイ値ヒストグラムの形態での斯かる組織基準値の頻度及び典型的広がりも有することができる。他の例として、当該医療用撮像システムは、基準組織の頻度及び広がりに関する情報有し、組織基準値を用いて基準グレイ値ヒストグラムを構築することもできる。この場合、グレイ値正規化は、画像ヒストグラムと基準グレイ値ヒストグラムとの間の最適な整合が得られるまで画像グレイ値を再スケーリングすることにより実施される。
磁気共鳴撮像プロトコルを変化させる結果、ＭＲＩ画像内の種々の組織型の輝度が互いに対すると共に尺度的にも変化する。上述したヒストグラムマッチングは、当該画像を、グレイスケールヒストグラム内の組織型の相対位置を変化させることができるように修正することができるという利点を有し得る。従って、ヒストグラムマッチングは、正規化により補償することができるよりも磁気共鳴撮像プロトコルの一層大きな変化の補償も可能にすることができる。
基準スケール（参考尺）を定義する。更に、前記基準組織グレイ値は正規化し、基準間隔にマッピングすることができる。この目的のために、対応するグラウンドトルース（ＧＴ）注釈を伴うトレーニング画像が使用される。特に、平均グレイ値及びその標準偏差が、各画像における各組織分類に対して計算される。基準組織グレイ値を基準スケール上にマッピングするための適切な（縮尺及びシフト）パラメータは、例えば、組織分類の平均グレイ値及び線形に変換された基準組織グレイ値の（加重）最小自乗フィッティング法を介して得ることができる。適切に選択された基準間隔によれば、スケーリングの後のグレイ値は、ＭＲシミュレーションから得られるグレイ値と略一致する。
モデルベースをセグメンテーションする（１００８）。モデルベースのセグメンテーションにおいては、Ｖ個の頂点及びＴ個の三角形による目標解剖構造のメッシュモデルが画像に適合される。最初に、解剖学的構造が一般化ハフ変換（ＧＨＴ）を用いて検出される。その後、パラメータ的モデル適応（parametric model adaptation）が実行される。この目的のために、境界点が、各三角形ｉに関して個々にトレーニングされた境界検出器Fi(x,ni)を用いて三角形法線niに平行な輪郭沿って検出される。当該モデルはパラメータｑに依存する変換T(q)を用いて変換され、該変換パラメータｑは当該メッシュモデルの三角形重心を検出された境界点に引き付ける外部エネルギを最小化することにより更新される。境界検出及びパラメータｑの改良調整は数回反復される。パラメータ的適応は、自由度の増加を伴う変換を用いて幾つかの段階で実施することができる。最後の段階において、適応は境界検出及びメッシュ変形を反復することにより実行される。メッシュ変形は、基準メッシュモデルからの逸脱にペナルティを科す内部エネルギ及び外部エネルギからなるエネルギを最適化する。
ＧＨＴベースの臓器検出は取得プロトコルに対する非常に僅かな依存性しか示さないが、ＧＨＴは画像の勾配情報に依存するので、正確な境界検出は画像の見え方に敏感である。従って、境界検出に対する撮像プロトコルＰの影響を低減するために（正規化された）基準組織グレイ値ITa,Pを使用する境界検出器が構築される。組織ａを組織ｂから分離するために境界検出器Fi(x,ni)が選択されたと仮定すると、この境界検出器に関してグレイ値が、
Figure 2020513975
 により評価される。
ITa,Pref及びITb,Prefは、境界検出トレーニングの間に使用される基準プロトコルPrefの（正規化された）組織グレイ値に対応する。当該境界検出関数の評価は図１１に示され、該図１１は境界検出関数Fi(x,ni)の評価を図示している。パラメータｘ及びｎｉは、組織Ａ及び組織Ｂを分離すると推定される境界の位置及び向きを記述している。図１１は、境界１１０４により分離された組織Ａの領域１１００及び組織Ｂの領域１１０２を示している。勾配情報は、点１１０６においてとられる。
当該トレーニング方法１０５０は、トレーニング画像の取得１０５２、及び、その後のシミュレーション又はファントムにおける測定の何れかによる基準組織値の発生１０５４を含むことができる。次に、解剖学的構造が手動で目標構造として注釈付けされる（１０５６）。次に、ステップ１０５８において、グレイ値の正規化が実行される。ステップ１０６０において、基準スケールの定義がなされる。最後に、ステップ１０６２において、境界検出トレーニングが上記基準組織グレイ値を用いて実行される。
一例における境界検出トレーニングは、例えば最初のステップにおいてセグメント化されるべき解剖学的構造又は臓器の周縁におけるグレイ値特性を分析することにより発生された境界検出関数の大きな集合を使用することにより実行することができる。この手順を採用するために、基準画像及び関連するプロトコルの好みが選択され、全ての他のトレーニング画像のグレイ値は、この基準プロトコルに“変換”される。即ち、ＧＴ注釈の各組織ａに関して、トレーニング画像ｊのグレイ値は、基準画像／プロトコルの基準組織グレイ値ITa,Pjを減算すると共に（正規化された）基準組織グレイ値ITa,Prefを加算することにより修正される。結果として、検出されるべき境界（図１１参照）の両側におけるグレイ値に依存する境界検出関数の大きな集合が得られる。
この例の第２ステップにおいて、境界検出は、トレーニングデータ上で境界検出をシミュレーションすると共に最小の境界検出誤差を有する境界検出関数を各三角形に割り当てることにより、当該臓器メッシュモデルの各三角形に関数を割り当てる。このステップは、基準プロトコルに変換されたトレーニング画像を用いて実行することができる。他の例として、（正規化された）トレーニング画像を使用することができ、式（１）において定義されたように、三角形に関して境界検出関数を評価する場合に取得プロトコル及び基準組織グレイ値を取り込むことができる。
シミュレーションされたグレイ値が両組織のうちの一方にしか利用可能でない場合（例えば、或る臓器／解剖学的構造の注釈のみが存在し、その周囲のものについては存在しない場合）、式（１）において定義されない基準組織グレイ値は省略するか又はゼロに設定することができる。
各例は、臨床的アプリケーションにおける画像セグメンテーションをプロトコル（又は供給者）依存性の少ないものにさせることができ、臨床における一層効率的な診断ＭＲワークフローを可能にし、従って、ＭＲスキャナ及び臨床的アプリケーションに関連するものである。
以上、本発明を図面及び上記記載において詳細に図示及び説明したが、このような図示及び説明は解説的又は例示的であって限定するものではないと見なされるべきである。即ち、本発明は開示された実施態様に限定されるものではない。
開示された実施態様に対する他の変形例は、当業者によれば、請求項に記載された本発明を実施するに際して図面、本開示及び添付請求項の精査から理解し、実施することができるものである。尚、請求項において、“有する”なる文言は他の要素又はステップを排除するものではなく、単数形は複数を排除するものではない。また、単一のプロセッサ又は他のユニットは、請求項に記載された幾つかの項目の機能を満たすことができる。また、特定の手段が互いに異なる従属請求項に記載されているという単なる事実は、これら手段の組合せを有利に使用することができないということを示すものではない。また、コンピュータプログラムは、光記憶媒体又は他のハードウェアと一緒に若しくは他のハードウェアの一部として供給される固体媒体等の適切な媒体により記憶／分配することができるのみならず、インターネット又は他の有線若しくは無線通信システムを介して等のように他の形態で分配することもできる。また、請求項における如何なる符号も、当該範囲を限定するものと見なしてはならない。
１００ 医療用撮像システム
１０２ コンピュータ
１０４ ハードウェアインターフェース
１０６ プロセッサ
１０８ ユーザインターフェース
１１０ メモリ
１２０ マシン実行可能な命令
１２２ 磁気共鳴画像
１２４ 基準グレイスケールデータ
１２６ 画像セグメンテーションアルゴリズム
１２８ 画像セグメンテーション
２００ 磁気共鳴画像を受信する
２０２ 磁気共鳴画像を記述したメタデータを受信する
２０４ 磁気共鳴画像を、基準グレイスケール値データを用いた画像セグメンテーションアルゴリズムを用いて分割する
３００ 磁気共鳴撮像システム
３０４ 磁石
３０６ 磁石のボア
３０８ 撮像ゾーン
３０９ 関心領域
３０９’ 関心領域
３１０ 勾配磁場コイル
３１２ 勾配磁場コイル電源
３１４ ラジオ波コイル
３１６ 送受信器
３１８ 被検者
３２０ 被検者サポート
３３０ パルスシーケンスコマンド
３３２ 磁気共鳴データ
３３４ 画像再構成モジュール
３３６ 磁気共鳴シミュレータ
４００ 磁気共鳴ファントム
４０２ 追加の磁気共鳴画像
６００ パルスシーケンスコマンドを用いて磁気共鳴撮像システムを制御し、磁気共鳴データを取得する
１０００ 処理チェーン
１００２ 目標画像の取得
１００４ 基準グレイ値の発生
１００６ グレイ値の正規化
１００８ 基準組織グレイ値を用いたセグメンテーション
１０５０ トレーニング
１０５２ トレーニング画像の取得
１０５４ 基準組織グレイ値の発生
１０５６ 目標構造の（手動）注釈付け
１０５８ グレイ値の正規化
１０６０ 基準スケールの定義
１０６２ 基準組織グレイ値を用いた境界検出
１１００ 組織領域Ａ
１１０２ 組織領域Ｂ
１１０４ 組織境界
１１０６ 勾配が計算される位置

Claims (14)

  1. マシン実行可能な命令を格納するメモリと、
    プロセッサと、
    を有し、前記マシン実行可能な命令の実行が前記プロセッサに、
    磁気共鳴画像を受信させ、
    前記磁気共鳴画像を記述するメタデータであって、２以上の組織型を各々参照する数値として基準グレイスケール値データを有するメタデータを受信させ、
    前記基準グレイスケール値データに基づいて修正される画像セグメンテーションアルゴリズムを用いて、前記磁気共鳴画像を分割させる、
    医療用撮像システム。
  2. 磁気共鳴撮像システムを有すると共に、該磁気共鳴撮像システムを制御して磁気共鳴データを取得するためのパルスシーケンスコマンドを更に有し、前記マシン実行可能な命令の実行が当該医療用撮像システムに、更に、
    前記パルスシーケンスコマンドを使用して前記磁気共鳴撮像システムを制御することにより前記磁気共鳴データを取得させ、
    前記磁気共鳴データから前記磁気共鳴画像を再構成させ、
    前記基準グレイスケール値データを発生させる、
    請求項１に記載の医療用撮像システム。
  3. 前記画像セグメンテーションアルゴリズムの修正が、前記磁気共鳴画像を分割する前に前記基準グレイスケール値データを用いて境界検出アルゴリズムを修正するステップを含む、請求項２に記載の医療用撮像システム。
  4. 前記マシン実行可能な命令の実行が前記プロセッサに、更に、前記磁気共鳴画像内の２以上の組織型の各々に対応する複数のファントム領域を識別させ、前記基準グレイスケール値データが前記磁気共鳴画像を用いて少なくとも部分的に決定される、請求項２又は３に記載の医療用撮像システム。
  5. 前記磁気共鳴撮像システムは撮像コイルを有し、該撮像コイルが前記２以上の組織型の各々のための磁気共鳴ファントムを有する、請求項２、３又は４に記載の医療用撮像システム。
  6. 前記２以上の組織型の各々のための磁気共鳴ファントムは互いに対して予め定められた幾何学的位置を有し、複数のファントム領域が該予め定められた幾何学的位置を用いて少なくとも部分的に識別される、請求項５に記載の医療用撮像システム。
  7. 前記２以上の組織型の各々のための磁気共鳴ファントムが、前記２以上の組織型をモデル化する陽子密度、Ｔ１値及びＴ２値を持つファントム材料を有する、請求項６に記載の医療用撮像システム。
  8. 前記画像セグメンテーションアルゴリズムは前記磁気共鳴画像を分割するための解剖地図マッチングアルゴリズムを有し、該解剖地図マッチングアルゴリズムが前記基準グレイスケール値を用いて調整される、請求項１ないし７の何れか一項に記載の医療用撮像システム。
  9. 前記画像セグメンテーションアルゴリズムは前記磁気共鳴画像を分割するためのメッシュモデルを有し、該メッシュモデルが前記基準グレイスケール値を用いて調整される、請求項１ないし７の何れか一項に記載の医療用撮像システム。
  10. 前記画像セグメンテーションアルゴリズムは個々のボクセルをグレイスケール値及び当該個々のボクセルの近隣ボクセルを用いて分類することにより前記磁気共鳴画像を分割するボクセル分類部を有し、前記ボクセルが前記基準グレイスケール値を用いて調整される、請求項１ないし７の何れか一項に記載の医療用撮像システム。
  11. 前記マシン実行可能な命令の実行が前記プロセッサに、更に、
    前記磁気共鳴画像のグレイ値を基準間隔に再スケーリングさせ、
    前記基準グレイスケール値データを前記基準間隔に再スケーリングさせる、
    請求項１ないし１０の何れか一項に記載の医療用撮像システム。
  12. 前記メタデータが前記磁気共鳴画像のＤＩＣＯＭヘッダ内に含まれる、請求項１ないし１１の何れか一項に記載の医療用撮像システム。
  13. 医療用撮像システムを制御するプロセッサによる実行のためのマシン実行可能な命令を有するコンピュータプログラムであって、前記マシン実行可能な命令の実行が前記プロセッサに、
    磁気共鳴画像を受信させ、
    前記磁気共鳴画像を記述するメタデータであって、２以上の組織型を各々参照する数値として基準グレイスケール値データを有するメタデータを受信させ、
    前記磁気共鳴画像を、前記基準グレイスケール値データに基づいて修正される画像セグメンテーションアルゴリズムを用いて分割させる、
    コンピュータプログラム。
  14. 医療用撮像システムを動作させる方法であって、
    磁気共鳴画像を受信するステップ、
    前記磁気共鳴画像を記述するメタデータであって、２以上の組織型を各々参照する数値として基準グレイスケール値データを有するメタデータを受信するステップ、及び
    前記磁気共鳴画像を、前記基準グレイスケール値データに基づいて修正される画像セグメンテーションアルゴリズムを用いて分割するステップ、
    を有する、方法。
JP2019551642A 2017-03-20 2018-03-15 基準グレイスケール値を用いる画像セグメンテーション Pending JP2020513975A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17161811.9A EP3379281A1 (en) 2017-03-20 2017-03-20 Image segmentation using reference gray scale values
EP17161811.9 2017-03-20
PCT/EP2018/056475 WO2018172169A1 (en) 2017-03-20 2018-03-15 Image segmentation using reference gray scale values

Publications (2)

Publication Number Publication Date
JP2020513975A true JP2020513975A (ja) 2020-05-21
JP2020513975A5 JP2020513975A5 (ja) 2021-04-22

Family

ID=58398045

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019551642A Pending JP2020513975A (ja) 2017-03-20 2018-03-15 基準グレイスケール値を用いる画像セグメンテーション

Country Status (5)

Country Link
US (1) US11249160B2 (ja)
EP (2) EP3379281A1 (ja)
JP (1) JP2020513975A (ja)
CN (1) CN110785674B (ja)
WO (1) WO2018172169A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022050402A1 (ja) * 2020-09-07 2022-03-10 国立大学法人 東京大学 装置、プログラム、方法及び試料セット

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10753997B2 (en) * 2017-08-10 2020-08-25 Siemens Healthcare Gmbh Image standardization using generative adversarial networks
CA3041140C (en) * 2018-04-26 2021-12-14 NeuralSeg Ltd. Systems and methods for segmenting an image
EP3644275A1 (en) * 2018-10-22 2020-04-29 Koninklijke Philips N.V. Predicting correctness of algorithmic segmentation
WO2020110774A1 (ja) * 2018-11-30 2020-06-04 富士フイルム株式会社 画像処理装置、画像処理方法、及びプログラム
CN110443121A (zh) * 2019-06-25 2019-11-12 国网福建省电力有限公司检修分公司 一种提高阀厅地面水迹识别率的方法
CN112834541B (zh) * 2020-01-03 2022-07-29 上海纽迈电子科技有限公司 一种钠含量及钠分布的测试方法
US11756240B2 (en) * 2020-02-28 2023-09-12 Shanghai United Imaging Intelligence Co., Ltd. Plugin and dynamic image modality reconstruction interface device
WO2021251885A1 (en) * 2020-06-10 2021-12-16 Corsmed Ab A method directed to magnetic resonance imaging simulation
CN116157060A (zh) * 2020-09-18 2023-05-23 科斯迈德有限公司 涉及磁共振（mr）成像模拟的方法
US20220101518A1 (en) * 2020-09-25 2022-03-31 GE Precision Healthcare LLC System and method for stylizing a medical image
CN114500498B (zh) * 2021-12-28 2023-12-08 武汉联影医疗科技有限公司 Dicom文件传输与存储方法、系统、设备及存储介质
CN113744850A (zh) * 2021-09-06 2021-12-03 上海康达卡勒幅医疗科技有限公司 非配对多中心磁共振数据和谐化方法、存储介质及应用
CN113920065B (zh) * 2021-09-18 2023-04-28 天津大学 用于工业现场的视觉检测系统成像质量评价方法
CN114862799B (zh) * 2022-05-10 2023-06-23 同心医联科技（北京）有限公司 一种用于flair-mri序列的全自动脑体积分割方法
CN117640932B (zh) * 2024-01-25 2024-04-26 陕西通达伟业医疗供应链管理有限公司 用于远程医疗的神经内科图像压缩传输方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090292559A1 (en) * 2008-05-21 2009-11-26 Koninklijke Philips Electronics N. V. Medical workflow systems and methods with process workflow recordation
US20100266190A1 (en) * 2007-11-06 2010-10-21 Koninklijke Philips Electronics N.V. System for quantification of neovasculature in ct volumes
JP2011062508A (ja) * 2009-08-20 2011-03-31 Toshiba Corp 磁気共鳴イメージング装置および高周波コイルユニット
JP2015510412A (ja) * 2012-01-27 2015-04-09 コーニンクレッカ フィリップス エヌ ヴェ 定量的ｔ１マッピングを用いた、リスクに晒されたエリアの自動化された検出
JP2015522370A (ja) * 2012-07-16 2015-08-06 コーニンクレッカ フィリップス エヌ ヴェ コントラスト信号採点方程式による磁気共鳴コントラストの予測、点数づけ及び分類
JP2017506997A (ja) * 2014-01-17 2017-03-16 アーテリーズ インコーポレイテッド ４次元（４ｄ）フロー磁気共鳴画像化のための装置、方法、および物品

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6965235B1 (en) 2003-07-24 2005-11-15 General Electric Company Apparatus to simulate MR properties of human brain for MR applications evaluation
US20070276214A1 (en) 2003-11-26 2007-11-29 Dachille Frank C Systems and Methods for Automated Segmentation, Visualization and Analysis of Medical Images
WO2006021920A1 (en) 2004-08-25 2006-03-02 Philips Intellectual Property & Standards Gmbh Mr method of determining local relaxation time values using calibrated phantom
CN101334895B (zh) * 2008-08-07 2011-09-14 清华大学 一种针对动态增强乳腺磁共振影像序列的影像分割方法
US8064674B2 (en) * 2008-11-03 2011-11-22 Siemens Aktiengesellschaft Robust classification of fat and water images from 1-point-Dixon reconstructions
US20110188720A1 (en) * 2010-02-02 2011-08-04 General Electric Company Method and system for automated volume of interest segmentation
US8731261B2 (en) 2010-02-23 2014-05-20 Loma Linda University Method of analyzing a medical image
CN103282788A (zh) * 2010-10-13 2013-09-04 皇家飞利浦电子股份有限公司 用于t1校准的多隔室mri体模
WO2012072129A1 (en) * 2010-12-01 2012-06-07 Brainlab Ag Longitudinal monitoring of pathology
US20130046168A1 (en) * 2011-08-17 2013-02-21 Lei Sui Method and system of characterization of carotid plaque
US20130090946A1 (en) 2011-10-05 2013-04-11 Thomas Kwok-Fah Foo Systems and methods for imaging workflow
CN106133790B (zh) * 2014-03-28 2020-09-29 皇家飞利浦有限公司 用于在组织种类分离的帮助下基于磁共振图像生成一幅或多幅计算机断层摄影图像的方法和设备
EP2930636A1 (en) 2014-04-08 2015-10-14 Camelot Biomedical System srl Method and system for the management of post-acquisition processing procedures related to biomedical images
EP3211892A4 (en) * 2014-11-14 2017-11-29 Samsung Electronics Co., Ltd. Method and device for image display based on metadata, and recording medium therefor

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100266190A1 (en) * 2007-11-06 2010-10-21 Koninklijke Philips Electronics N.V. System for quantification of neovasculature in ct volumes
US20090292559A1 (en) * 2008-05-21 2009-11-26 Koninklijke Philips Electronics N. V. Medical workflow systems and methods with process workflow recordation
JP2011062508A (ja) * 2009-08-20 2011-03-31 Toshiba Corp 磁気共鳴イメージング装置および高周波コイルユニット
JP2015510412A (ja) * 2012-01-27 2015-04-09 コーニンクレッカ フィリップス エヌ ヴェ 定量的ｔ１マッピングを用いた、リスクに晒されたエリアの自動化された検出
JP2015522370A (ja) * 2012-07-16 2015-08-06 コーニンクレッカ フィリップス エヌ ヴェ コントラスト信号採点方程式による磁気共鳴コントラストの予測、点数づけ及び分類
JP2017506997A (ja) * 2014-01-17 2017-03-16 アーテリーズ インコーポレイテッド ４次元（４ｄ）フロー磁気共鳴画像化のための装置、方法、および物品

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022050402A1 (ja) * 2020-09-07 2022-03-10 国立大学法人 東京大学 装置、プログラム、方法及び試料セット

Also Published As

Publication number Publication date
EP3379281A1 (en) 2018-09-26
CN110785674B (zh) 2022-09-16
WO2018172169A1 (en) 2018-09-27
EP3602095A1 (en) 2020-02-05
US11249160B2 (en) 2022-02-15
CN110785674A (zh) 2020-02-11
US20200003857A1 (en) 2020-01-02

Similar Documents

Publication Publication Date Title
US11249160B2 (en) Image segmentation using reference gray scale values
CN106999091B (zh) 用于组成材料的改进分类的方法和系统
US10074037B2 (en) System and method for determining optimal operating parameters for medical imaging
US10823798B2 (en) Virtual CT images from magnetic resonance images
CN110476075B (zh) 针对解剖区域的磁共振指纹识别词典的选择
US10114098B2 (en) Method estimating a pseudo Hounsfield Unit value
JP2019506916A (ja) 磁気共鳴拡散画像化のための方法及び装置
US10935617B2 (en) Image quality control in dynamic contrast enhanced magnetic resonance imaging
Torfeh et al. Development and validation of a novel large field of view phantom and a software module for the quality assurance of geometric distortion in magnetic resonance imaging
EP3676851A1 (en) Automated consistency check for medical imaging
JP2021526403A (ja) Ｃｅｓｔ磁気共鳴イメージングにおける動き検出
EP3514757A1 (en) Spectral matching for assessing image segmentation
KR20140061380A (ko) 이미지 처리 방법
US11435422B2 (en) Anomaly detection using magnetic resonance fingerprinting
US11423554B2 (en) Registering a two-dimensional image with a three-dimensional image
US20220215540A1 (en) A method for motion artifact detection
CN114080184A (zh) 电学属性断层摄影的深度学习
EP4266074A1 (en) Segmentation of medical images reconstructed from a set of magnetic resonance images
CN111033290B (zh) 傅里叶空间中的磁共振指纹识别
WO2024033111A1 (en) Reconstruction parameter determination for the reconstruction of synthesized magnetic resonance images
WO2024012945A1 (en) Making anatomical measurements using magnetic resonance imaging

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210311

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210311

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220126

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220210

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220928