JP2021519124A - 分光イメージングデータからの分光腫物マップ - Google Patents
分光イメージングデータからの分光腫物マップ Download PDFInfo
- Publication number
- JP2021519124A JP2021519124A JP2020551474A JP2020551474A JP2021519124A JP 2021519124 A JP2021519124 A JP 2021519124A JP 2020551474 A JP2020551474 A JP 2020551474A JP 2020551474 A JP2020551474 A JP 2020551474A JP 2021519124 A JP2021519124 A JP 2021519124A
- Authority
- JP
- Japan
- Prior art keywords
- fat
- tumor
- concentration
- base
- spectroscopic
- 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
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 133
- 238000000701 chemical imaging Methods 0.000 title description 2
- 239000013598 vector Substances 0.000 claims abstract description 66
- 230000003595 spectral effect Effects 0.000 claims abstract description 29
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 239000003925 fat Substances 0.000 claims description 101
- 238000000034 method Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000015556 catabolic process Effects 0.000 claims 3
- 238000004040 coloring Methods 0.000 claims 3
- 238000006731 degradation reaction Methods 0.000 claims 3
- 238000002591 computed tomography Methods 0.000 description 11
- 238000004611 spectroscopical analysis Methods 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 6
- 238000000926 separation method Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000008961 swelling Effects 0.000 description 3
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 210000001723 extracellular space Anatomy 0.000 description 1
- 230000020764 fibrinolysis Effects 0.000 description 1
- 230000004761 fibrosis Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008816 organ damage Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000008728 vascular permeability Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- A61B6/52—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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
システム３００は、腫物マップ生成器モジュール３２８を記憶するように構成されたメモリ３２４を含む。システムは、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取り、２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方の中で表される各ベースについてベクトルのセットを生成し、各ベースについてのベクトルのセットから、ボクセル内の各ベースの濃度を算出し、各ベースの濃度から、ボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定するように構成された、プロセッサ３２２をさらに含む。システムは、脂肪又は腫物の少なくとも一方の決定された濃度を表示するように構成されたディスプレイをさらに含む。
Description
以下の内容は、概してイメージングに関し、特に、分光イメージングデータから分光腫物画像を生成することに関し、コンピュータ断層撮影イメージングへの特定の適用に関して記載される。
腫物は、神経変性、心臓血管、及び癌を含む多種の疾患に関係すると考えられる。したがって、非侵襲的な腫物検出方法は、その疾患によって生じる損傷がまだ可逆である時の早期の疾患検出、改善された患者層化、及び治療査定への応答を支援する。放射標識した白血球細胞及び１８Ｆ−フッ化デオキシグルコース（１８Ｆ−ＦＤＧ）を陽子放出断層撮影（ＰＥＴ）でイメージングするなどの核医学技術を介して、腫物のある組織をイメージングすることで、腫物反応に関する情報を得ることができる。しかし、この技術は、要する放射線量が多量であること、制限された利用可能性、高いコスト、制限された空間及び時間解像度、並びに心臓などの高代謝の健康な臓器と付近の腫物とを区別する能力の制限のために制限がある。
コンピュータ断層撮影（ＣＴ）を用いて腫物のある組織をイメージングすることにより、構造的な組織変化に関する情報が得られる。これらの変化には、浮腫、細胞外空間への流体の蓄積、コントラスト強化、内皮破裂、及び臓器損傷が含まれる。しかし、ＣＴは、健康な組織及び／又は脂肪、腫物、並びに線硬化を含むイメージングアーチファクト間のコントラストが低いことに起因して、腫物を特徴化する能力に制限がある。例えば、図１は、第１の関心領域（ＲＯＩ）１０２及び第２のＲＯＩ １０４がある心臓のＣＴ画像１００を描いている。第１の関心領域１０２は、高い腫物を有し、脂肪濃度がほとんどないか又は全くないことが分かっており、第２の関心領域１０４は、腫物をほとんど有さないか又は全く有さず、高い脂肪濃度を有することが分かっている。図２は、ＲＯＩ １０２及び１０４についての箱ひげ図２００を提示する。
図２において、第１の軸２０２はハウンスフィールド単位（ＨＵ）値を表し、第２の軸２０４はＲＯＩを表す。図２は、第１のＲＯＩ １０２について、最小値２０６、最大値２０８、及び中央値２１０を示し、第２のＲＯＩ １０４について、最小値２１２、最大値２１４、及び中央値２１６を示している。箱ひげ図２００は、２つのＲＯＩ １０２及び１０４の間には中央ＨＵ値２１０及び２１６の差があり得るが、この差は統計的に有意でないことを示している。そのため、腫物は、一般に、増大した腫物に関連する血管透過性を主として描画する、コントラスト強化ＣＴスキャンの遅延強化を通じて査定される。不都合点として、これらの変化は、主観的に決定され、また、例えば線硬化を含む様々なイメージングアーチファクトや、健康な組織と腫物との間のコントラストが低いこと等のために定量化することが難しい。
本明細書に記載される態様は、上記で参照された問題及びその他に対処する。
本明細書に記載されるのは、分光ボリューメトリック画像データ（例えばＣＴ）内の腫物を描画し、定量化する分光マップを生成することにより腫物を査定するための手法である。
１つの態様において、システムは、腫物マップ生成器モジュールを記憶するように構成されたメモリを含む。このシステムは、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取り、２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方の中で表される各ベースについてベクトルのセットを生成し、各ベースについてのベクトルのセットからボクセル内の各ベースの濃度を算出し、各ベースの濃度から、ボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定するように構成されたプロセッサをさらに含む。システムはまた、脂肪又は腫物の少なくとも一方の決定された濃度を表示するように構成されたディスプレイも含む。
別の態様において、方法は、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取るステップと、２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方の中で表される各ベースについてベクトルのセットを生成するステップと、を有する。方法は、各ベースについてのベクトルのセットから、ボクセル内の各ベースの濃度を算出するステップと、各ベースの濃度からボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定するステップと、脂肪又は腫物の少なくとも一方の決定された濃度を表示するステップと、をさらに有する。
別の態様において、コンピュータ可読記憶媒体がコンピュータ可読命令で符号化され、コンピュータ可読命令は、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ると、プロセッサに、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取ることと、２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの少なくとも一方の中で表される各ベースについてベクトルのセットを生成することと、を行わせる。コンピュータ可読命令は、プロセッサによって実行されると、プロセッサにさらに、各ベースについてのベクトルのセットから、ボクセル内の各ベースの濃度を算出することと、各ベースの濃度からボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定することと、脂肪又は腫物の少なくとも一方の決定された濃度を表示することと、を行わせる。
当業者は、添付の記載を読み、理解すると、本願のさらに他の態様を認識されよう。
本発明は、様々な構成要素及び構成要素の配置、並びに様々なステップ及びステップの配置の形態を取る。図面は、好ましい実施形態を例示することのみを目的とし、本発明を制限するものとは解釈すべきでない。
図３は、分光（マルチエネルギー）イメージング用に構成されたＣＴスキャナなどのイメージングシステム３０２を含む、システム３００を概略的に示す。イメージングシステム３０２は、概ね静止しているガントリ３０４と、回転ガントリ３０６とを含み、回転ガントリ３０６は、静止ガントリ３０４によって支持され、検査領域３０８の周りをｚ軸を中心に回転する。寝台などの対象者支持体３１０が、検査領域３０８内で物体又は対象者を支持する。
Ｘ線管などの放射線源３１２が、回転ガントリ３０６によって回転可能に支持され、回転ガントリ３０６と共に回転し、検査領域３０８を横断する放射線を放出する。一例では、放射線源３１２は、単一の広域スペクトルＸ線管を含む。別の例では、放射線源３１２は、スキャン中に少なくとも２つの異なる放出電圧（例えば８０ｋＶｐ及び１４０ｋＶｐ）間を切り替えるように構成された単一のＸ線管を含む。さらに別の例では、放射線源３１２は、異なる平均スペクトルを有する放射線を放出するように構成された２つ以上のＸ線管を含む。さらに別の例では、放射線源３１２はそれらの組み合わせを含む。
放射線感応検出器アレイ３１４は、検出器要素３１６の列の１次元又は２次元のアレイを含み、検査領域３０８をはさんで放射線源３１２の反対側で一定の角度弧に対している。放射線感応検出器アレイ３１４は、検査領域３０８を横断する放射線を検出し、分光投影データを生成する。放射線源３１２が単一の広域スペクトルＸ線管を含む場合、放射線感応検出器アレイ３１４は、エネルギー分解検出器（例えば、直接変換光子計数検出器、異なる分光感度をもつフォトダイオードの少なくとも２つのセット（マルチレイヤ）等）を含む。ｋＶｐ切り替え及び多管構成を用いて、検出器要素３１６は、代替として、非エネルギー分解検出器とすることもできる。
再構成器３１８は、分光投影データを受け取り、光電画像、コンプトン散乱画像、ヨウ素画像、仮想非コントラスト画像、骨画像、軟組織画像、及び／又は他のベース分光画像の１つ又は複数などの、分光ボリューメトリック画像データを再構成する。再構成器３１８はまた、例えば、分光投影データを組み合わせて組み合わせた分光投影データを再構成するか、又は分光ボリューメトリック画像データを組み合わせることにより、非分光ボリューメトリック画像データを生成することもできる。
コンピューティングシステム３２０は、オペレータコンソールとして働く。コンソール３２０は、ディスプレイなどの人間可読の出力装置と、キーボードやマウス等の入力装置とを含む。コンソール３２０に常駐するソフトウェアが、オペレータが、グラフィカルユーザインターフェース（ＧＵＩ）を介して、又はその他の形でスキャナ３０２と対話する、及び／又はスキャナ３０２を操作することを可能にする。コンソール３２０はさらに、プロセッサ３２２（例えばマイクロプロセッサ、コントローラ、中央演算処理装置（ＣＰＵ）等）と、非一時的な媒体を除き、物理的メモリ装置等の一時的媒体を含む、コンピュータ可読記憶媒体３２４とを含む。
コンピュータ可読記憶媒体３２４は、少なくとも腫物マップ生成器３２８に対する命令３２６を含む。一変形例では、プロセッサ３２２及びコンピュータ可読記憶媒体３２４は、コンピューティングシステム３２０とは別個でコンピューティングシステム３２０から遠隔にある（すなわち、その一部ではない）別のコンピューティングシステムの一部である。別の変形例では、プロセッサ３２２は、追加又は代替として、搬送波、信号、及び／又は他の一時的媒体によって搬送される１つ又は複数のコンピュータ可読命令を実行する。
腫物マップ生成器３２８は、少なくとも分光ボリューメトリック画像データ及び／又は分光投影データを処理して、腫物マップを生成するように構成される。下記で詳しく説明するように、腫物マップ生成器３２８は、少なくとも腫物マップを通じてピクセル当たりの組織成分（例えば腫物及び／又は脂肪）の寄与分を定量化することにより、少なくとも分光投影データ及び／又は分光ボリューメトリック画像データ中の腫物及び／又は脂肪を定量化する。そのため、本明細書に記載される手法は、一例において、例えば改良された描画及び腫物の定量化を通じてＣＴによる非侵襲的な腫物の査定を改良する、新しい分光マップ（すなわち、腫物マップ）を提供する。
図４は、腫物マップ生成器３２８の一例を概略的に示す。
腫物マップ生成器３２８は、物質分解器４０２を含む。物質分解器４０２は、分光データ（分光投影データ及び／又は分光ボリューメトリック画像データ）を受け取り、受け取った分光データを、少なくとも脂肪及び腫物に、少なくとも直接分解する。物質分解器４０２は、脂肪を表すベクトルのセット及び腫物を表すベクトルのセットを出力し、ボクセル当たり１つの脂肪ベクトル及び１つの腫物ベクトルがある。
腫物マップ生成器３２８はさらに、それらベクトルに基づいてボクセル内の脂肪及び腫物濃度を決定する、脂肪及び腫物濃度計算器４０４を含む。一例では、脂肪及び腫物濃度計算器４０４は、式１に示されるように脂肪の濃度及び腫物の濃度を決定する。
ここで、Ｌｏｗ ｋｖは、低い方のエネルギー獲得についての分光データであり、Ｈｉｇｈ ｋｖは、高い方のエネルギー獲得についての分光データであり、
は、原点からのバイアスベクトルであり（例えば、バイアスがない場合は
）、
は、物質分解器４０２によって出力される脂肪を表すベクトルであり、ｃｆａｔは、未知の脂肪濃度であり、
は、物質分解器４０２によって出力される腫物を表すベクトルであり、ｃｉｎｆは、未知の腫物濃度である。一般に、式１は、ｃｆａｔ及びｃｉｎｆを求めるために同時に解くことができる線形方程式の系を表す。
腫物マップ生成器３２８はさらに、分光腫物マップ可視化モジュール４０６を含む。分光腫物マップ可視化モジュール４０６は、ディスプレイに、各ピクセルをその脂肪及び／又は腫物濃度ｃｆａｔ及びｃｉｎｆに基づいて視覚的に強化する（例えば色付けする）ことにより、定量化された脂肪濃度及び腫物濃度を表示させる。例えば、一例では、脂肪のみを含んでいるピクセルは、第１の又は暗い濃淡の陰影で色付けされ、腫物のみを含んでいるピクセルは、第２の又は明るい濃淡の陰影で色付けされ、脂肪と腫物との両方を含んでいるピクセルは、それらの間の濃淡の陰影で色付けされ、濃淡の陰影は、ピクセルが脂肪より腫物を多く含んでいる場合は、第１の陰影に近づき、ピクセルが腫物より脂肪を多く含んでいる場合は、第２の陰影に近づく。
これが図５に示され、同図は、第１のＲＯＩ ５０２、第２のＲＯＩ ５０４、及び第３のＲＯＩ ５０６のあるＣＴ画像５００を描いている。第１のＲＯＩ ５０２は、より高い腫物濃度を有し、その結果、より高い脂肪濃度を有する第２のＲＯＩ ５０４よりも明るく見える。第３のＲＯＩ ５０６は、脂肪と腫物との両方を含み、その結果、第１のＲＯＩ ５０２に対応する濃淡値と第２のＲＯＩ ５０４に対応する濃淡値との間の濃淡の陰影として見える。この例では、第１のＲＯＩ ５０２及び第２のＲＯＩ ５０４は、図１に描かれる第１のＲＯＩ １０２及び第２のＲＯＩ １０４と実質的に同じ位置に位置する。図１に示すように、第１のＲＯＩ １０２及び第２のＲＯＩ １０４内のボクセルは、実質的に同じ濃淡の陰影である。その結果、図１の画像では腫物から脂肪を区別することが難しいのに対し、第１のＲＯＩ ５０２及び第２のＲＯＩ ５０４内のボクセルは、腫物から脂肪を区別する異なる濃淡の陰影を明らかに備えている。
図６は、腫物マップ生成器３２８の別の例を概略的に示す。
この例では、物質分解器６０２は、入力された分光データを、２ベース物質（例えばヨウ素及び水）、又は成分（例えば光電効果及びコンプトン散乱）に分解する。物質分解器６０２は、一方のベースを表すベクトルのセットと、別のベースを表すベクトルのセットとを出力し、ボクセルごとに１つのベクトルがある。
腫物マップ生成器３２８はさらに、物質濃度計算器６０４を含む。物質濃度計算器６０４は、所与の２ベース分解（例えば、下記に示されるように光電効果及びコンプトン散乱）に対して、例えば式２に示すように、ボクセルごとに各ベースの濃度を見つける。
ここで、ＰｈｏｔｏＥは、光電効果分光データであり、ＣＳｃａｔｔｅｒは、コンプトン散乱分光データであり、
は、物質濃度計算器６０４によって生成される光電効果を表すベクトルであり、ｃＰｈｏｔｏＥは、光電効果についての未知の濃度であり、
は、物質濃度計算器６０５によって生成されるコンプトン散乱を表すベクトルであり、ｃＣＳｃａｔｔｅｒは、コンプトン散乱についての未知の濃度である。
腫物マップ生成器３２８はさらに、脂肪及び腫物ベクトル識別器６０６を含む。脂肪及び腫物ベクトル識別器６０６は、２ベース図を用いて脂肪ベクトル及び腫物ベクトルを識別する。脂肪ベクトル及び腫物ベクトルは、訓練データから、又は事前知識（例えば腫物及び健康な脂肪の場所）を使用して対象者から、学習することができる。
腫物マップ生成器３２８は、脂肪及び腫物濃度計算器６０８も含む。脂肪及び腫物濃度計算器６０８は、図７に示されるようにベクトル分離技術を概念的に使用して、所与のボクセル内の脂肪及び腫物の濃度を決定する。一般に、ベクトル分離技術は、所与のボクセルに対応する脂肪及び／又は腫物のグラフィック上の場所を、対応する脂肪ベクトル及び／又は腫物ベクトルと位置合わせすることに基づいて、ボクセル内の脂肪及び腫物の濃度を決定する。図７において、第１の軸７０２は第１のベースを表し、第２の軸７０４は、第２のベースを表す（例えば光電及びコンプトン散乱）。
図７は、腫物に対応する第１のベクトル７０６及び脂肪に対応する第２のベクトル７０８をさらに示す。２つのベクトル同士は、原点からの２つのベクトルのバイアスを表す点７１０で接する。この場合、原点からのバイアスはゼロ（０）である。図７は、第１のベクトル７０６の第１の外挿７１２、及び第２のベクトル７０８の第２の外挿７１４も示している。外挿７１２及び７１４に基づき、第１及び第２のベース７０２及び７０４に対応する既知の値を有する所与のボクセル７１６について、脂肪及び／又は腫物の濃度を決定することができる。
一例では、脂肪及び腫物濃度計算器６０８は、式３に示されるように、ベクトル分離技術を使用して脂肪の濃度及び腫物の濃度を決定する。
ここで、
は、物質分解によって定義され、ピクセル値を与えられる２Ｄ座標系中でのボクセルの表現であり、軸として、
及び
を持つ２Ｄ座標で、
及び
によって定義される座標系中で
に等しく、
は、原点からのバイアスを表し、
は、脂肪及び腫物ベクトル識別器６０６によって識別された脂肪を表すベクトルであり、ｃｆａｔは、脂肪の未知の濃度であり、
は、脂肪及び腫物ベクトル識別器６０６によって識別された腫物を表すベクトルであり、ｃｉｎｆは、腫物の未知の濃度である。
腫物マップ生成器３２８はさらに、分光腫物マップ可視化モジュール６１０を含む。分光腫物マップ可視化モジュール６１０は、ディスプレイに、分光投影データ及び／又は分光ボリューメトリック画像データの中の各ピクセルを、その脂肪濃度及び／又は腫物濃度に基づいて色付けすることにより、定量化された脂肪濃度及び腫物濃度を表示させる。
図８は、本明細書に記載される実施形態に係る例示的方法を示す。
８０２において、分光データ（すなわち分光投影データ又は分光ボリューメトリック画像データ）が、本明細書に記載されるように、及び／又は他の形で受け取られる。
８０４において、分光データを物質的に分解し、本明細書に記載されるように、及び／又は他の形で、２つの異なるベースについてのベクトルのセットを生成する。
８０６において、各ベースを表すベクトルを使用して、本明細書に記載されるように、及び／又は他の形で、ボクセル内の脂肪及び／又は腫物の濃度を得る。
８０８において、決定されたボクセル内の脂肪及び／又は腫物が、本明細書に記載されるように、及び／又は他の形で表示される。
図９は、本明細書に記載される実施形態に係る例示的方法を示す。
９０２において、分光データ（すなわち分光投影データ又は分光ボリューメトリック画像データ）が、本明細書に記載されるように、及び／又は他の形で受け取られる。
９０４において、分光データを物質的に分解し、本明細書に記載されるように、及び／又は他の形で、２つの異なるベースについてのベクトルのセットを生成する。
９０６において、各ベースを表すベクトルを使用して、本明細書に記載されるように、及び／又は他の形で、ボクセル内の各ベースの濃度を得る。
９０８において、既知の脂肪又は腫物を有する２つのベース図中での場所を使用して、本明細書に記載されるように、及び／又は他の形で、脂肪及び腫物を表すベクトルを得る。
９１０において、ボクセル内の脂肪及び／又は腫物の濃度が、本明細書に記載されるように、及び／又は他の形で決定される。
９１２において、決定されたボクセル内の脂肪及び／又は腫物が、本明細書に記載されるように、及び／又は他の形で表示される。
上記動作の順序は、制限的なものではないことが理解されるべきである。そのため、本明細書において他の順序が企図される。また、１つ若しくは複数の動作が省略されてもよく、及び／又は１つ若しくは複数の追加的な動作が含まれてもよい。
上記は、コンピュータ可読記憶媒体に符号化された又はコンピュータ可読記憶媒体に内蔵されたコンピュータ可読命令によって実施され、コンピュータ可読命令は、コンピュータプロセッサによって実行されると、プロセッサに上記の動作を遂行させる。追加又は代替として、コンピュータ可読命令の少なくとも１つが、コンピュータ可読記憶媒体ではない、信号、搬送波、他の一時的媒体によって搬送される。
本発明について好ましい実施形態を参照して説明した。上述の詳細な説明を読み、理解すると、変更及び改変が他者に想到されよう。本発明は、それらが添付の特許請求の範囲又はその均等物に該当する限りにおいてすべてのそのような変更及び改変を含むと解釈されることが意図される。
Claims (20)
- 腫物マップ生成器モジュールを記憶するメモリと、
分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取り、２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの前記少なくとも一方を分解して、前記分光投影データ又は前記分光ボリューメトリック画像データの前記少なくとも一方の中で表される各ベースについてベクトルのセットを生成し、各ベースについての前記ベクトルのセットから、ボクセル内の各ベースの濃度を算出し、各ベースの前記濃度から、前記ボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定する、プロセッサと、
脂肪又は腫物の決定された前記少なくとも一方の濃度を表示するディスプレイと、
を備える、システム。 - Ｘ線放射線を放出する放射線源と、
Ｘ線放射線を検出し、前記分光投影データを生成する、検出器アレイと、
信号を再構成し、前記分光ボリューメトリック画像データを生成する、再構成器と、
を含むイメージングシステムをさらに備える、請求項１に記載のシステム。 - 前記２ベース分解の一方の物質が脂肪であり、他方が腫物である、請求項１又は２に記載のシステム。
- 前記プロセッサがさらに、
ここで、Ｌｏｗ ｋｖは低エネルギー画像からの分光ボリューメトリック画像データであり、Ｈｉｇｈ ｋｖは高エネルギー画像からの分光ボリューメトリック画像データであり、
- 前記２ベース分解の一方のベースが光電効果であり、他方がコンプトン散乱である、請求項１又は２に記載のシステム。
- 前記プロセッサがさらに、
ここで、ＰｈｏｔｏＥは光電効果であり、ＣＳｃａｔｔｅｒはコンプトン散乱であり、
- 前記プロセッサがさらに、
ここで、
- 脂肪又は腫物の少なくとも一方の前記濃度が、対応するボクセル内の脂肪又は腫物の前記少なくとも一方の前記濃度に基づいてピクセルを色付けすることによって表示され、腫物を表すボクセルは、第１の色で表示され、脂肪を表すボクセルは、第２の異なる色で表示され、腫物と脂肪との組み合わせを表すボクセルは、前記第１の色と前記第２の色との間の色範囲にある第３の異なる色で表示される、請求項１に記載のシステム。
- 分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取るステップと、
２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの前記少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの前記少なくとも一方の中で表される各ベースについてベクトルのセットを生成するステップと、
各ベースについての前記ベクトルのセットから、ボクセル内の各ベースの濃度を算出するステップと、
各ベースの前記濃度から、前記ボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定するステップと、
脂肪又は腫物の前記少なくとも一方の決定された前記濃度を表示するステップと、
を有する、方法。 - 前記２ベース分解の一方の物質が脂肪であり、他方が腫物である、請求項９に記載の方法。
-
ここで、Ｌｏｗ ｋｖは低エネルギー画像からの分光ボリューメトリック画像データであり、Ｈｉｇｈ ｋｖは高エネルギー画像からの分光ボリューメトリック画像データであり、
- 前記２ベース分解の一方のベースが光電効果であり、他方がコンプトン散乱である、請求項９に記載の方法。
-
ここで、ＰｈｏｔｏＥは光電効果であり、ＣＳｃａｔｔｅｒはコンプトン散乱であり、
-
ここで、
- 脂肪又は腫物の前記少なくとも一方の濃度が、対応するボクセル内の脂肪又は腫物の前記少なくとも一方の濃度に基づいてピクセルを色付けすることによって表示され、腫物を表すボクセルは、第１の色で表示され、脂肪を表すボクセルは、第２の異なる色で表示され、腫物と脂肪との組み合わせを表すボクセルは、前記第１の色と前記第２の色との間の色範囲にある第３の異なる色で表示される、請求項９に記載の方法。
- コンピュータ可読命令で符号化されたコンピュータ可読記憶媒体であって、前記コンピュータ可読命令は、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ると、前記プロセッサに、
分光投影データ又は分光ボリューメトリック画像データの少なくとも一方を受け取ることと、
２ベース分解を使用して、分光投影データ又は分光ボリューメトリック画像データの前記少なくとも一方を分解して、分光投影データ又は分光ボリューメトリック画像データの前記少なくとも一方の中で表される各ベースについてベクトルのセットを生成することと、
各ベースについての前記ベクトルのセットから、ボクセル内の各ベースの濃度を算出することと、
各ベースの濃度から、前記ボクセル内の脂肪又は腫物の少なくとも一方の濃度を決定することと、
脂肪又は腫物の決定された前記少なくとも一方の濃度を表示することと、
を行わせる、コンピュータ可読記憶媒体。 - 前記２ベース分解の一方の物質が脂肪であり、他方が腫物である、請求項１６に記載のコンピュータ可読記憶媒体。
- 前記２ベース分解の一方のベースが光電効果であり、他方がコンプトン散乱である、請求項１６に記載のコンピュータ可読記憶媒体。
- 前記コンピュータ可読命令の実行がさらに、前記プロセッサに、訓練データ、又は対象者内の既知の脂肪若しくは腫物の少なくとも一方の場所、の少なくとも一方から、脂肪又は腫物ベクトル識別の少なくとも一方を学習させる、請求項１６に記載のコンピュータ可読記憶媒体。
- 脂肪又は腫物の前記少なくとも一方の濃度が、対応するボクセル内の脂肪又は腫物の前記少なくとも一方の濃度に基づいてピクセルを色付けすることによって表示され、腫物を表すボクセルは、第１の色で表示され、脂肪を表すボクセルは、第２の異なる色で表示され、腫物と脂肪との組み合わせを表すボクセルは、前記第１の色と前記第２の色との間の色範囲にある第３の異なる色で表示される、請求項１６に記載のコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862647865P | 2018-03-26 | 2018-03-26 | |
| US62/647,865 | 2018-03-26 | ||
| PCT/EP2019/057184 WO2019185457A1 (en) | 2018-03-26 | 2019-03-22 | Spectral inflammation map from spectral imaging data |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2021519124A true JP2021519124A (ja) | 2021-08-10 |
| JPWO2019185457A5 JPWO2019185457A5 (ja) | 2023-08-09 |
| JP7442455B2 JP7442455B2 (ja) | 2024-03-04 |
Family
ID=65904437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020551474A Active JP7442455B2 (ja) | 2018-03-26 | 2019-03-22 | 分光イメージングデータからの分光炎症マップ |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11602321B2 (ja) |
| EP (1) | EP3776459A1 (ja) |
| JP (1) | JP7442455B2 (ja) |
| CN (1) | CN111971710A (ja) |
| WO (1) | WO2019185457A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7467222B2 (ja) | 2020-05-07 | 2024-04-15 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法及び医用情報処理プログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004174261A (ja) * | 2002-11-27 | 2004-06-24 | Ge Medical Systems Global Technology Co Llc | 組織脂肪含有量を定量化する方法及び装置 |
| JP2007229464A (ja) * | 2006-02-28 | 2007-09-13 | Siemens Ag | 身体構成要素内の物質の濃度の決定方法および装置 |
| JP2008062035A (ja) * | 2006-09-08 | 2008-03-21 | General Electric Co <Ge> | 対象の多重スペクトル画像を形成する方法及びシステム |
| JP2009508617A (ja) * | 2005-09-22 | 2009-03-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | スペクトルｃｔに対する定量的な材料の分解 |
| US20140010427A1 (en) * | 2012-07-06 | 2014-01-09 | Andras Kriston | Apparatus and method for multi-energy tissue quantification |
| WO2016147844A1 (ja) * | 2015-03-19 | 2016-09-22 | 株式会社日立製作所 | Ｘ線ｃｔ装置及びマルチエネルギー像作成方法 |
| WO2016171570A1 (en) * | 2015-04-20 | 2016-10-27 | Mars Bioimaging Limited | Improving material identification using multi-energy ct image data |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1526808B1 (en) * | 2002-07-23 | 2013-01-09 | GE Medical Systems Global Technology Company LLC | Systems for detecting components of plaque |
| CN1814323B (zh) * | 2005-01-31 | 2010-05-12 | 重庆海扶(Hifu)技术有限公司 | 一种聚焦超声波治疗系统 |
| JPWO2009048081A1 (ja) * | 2007-10-12 | 2011-02-24 | 公立大学法人横浜市立大学 | 脂肪性肝疾患の診断方法、診断装置、診断プログラム及び脂肪性肝疾患用治療薬のスクリーニング方法 |
| WO2013011418A2 (en) * | 2011-07-15 | 2013-01-24 | Koninklijke Philips Electronics N.V. | Spectral ct |
| US9153045B2 (en) * | 2012-03-22 | 2015-10-06 | The Cleveland Clinic Foundation | Augmented reconstruction for computed tomography |
| US9538971B2 (en) | 2013-06-24 | 2017-01-10 | University Of Washington | Systems for characterizing atherosclerotic plaque and methods of using same |
| US9713452B2 (en) * | 2014-03-31 | 2017-07-25 | General Electric Company | Generation of monochromatic images |
| GB201414496D0 (en) * | 2014-08-15 | 2014-10-01 | Isis Innovation | Method |
| US9761024B1 (en) * | 2014-10-20 | 2017-09-12 | Koninklijke Philips N.V. | Start image for spectral image iterative reconstruction |
| GB2557263A (en) * | 2016-12-02 | 2018-06-20 | Univ Oxford Innovation Ltd | Method |
-
2019
- 2019-03-22 US US17/041,172 patent/US11602321B2/en active Active
- 2019-03-22 WO PCT/EP2019/057184 patent/WO2019185457A1/en unknown
- 2019-03-22 JP JP2020551474A patent/JP7442455B2/ja active Active
- 2019-03-22 CN CN201980022073.1A patent/CN111971710A/zh active Pending
- 2019-03-22 EP EP19713001.6A patent/EP3776459A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004174261A (ja) * | 2002-11-27 | 2004-06-24 | Ge Medical Systems Global Technology Co Llc | 組織脂肪含有量を定量化する方法及び装置 |
| JP2009508617A (ja) * | 2005-09-22 | 2009-03-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | スペクトルｃｔに対する定量的な材料の分解 |
| JP2007229464A (ja) * | 2006-02-28 | 2007-09-13 | Siemens Ag | 身体構成要素内の物質の濃度の決定方法および装置 |
| JP2008062035A (ja) * | 2006-09-08 | 2008-03-21 | General Electric Co <Ge> | 対象の多重スペクトル画像を形成する方法及びシステム |
| US20140010427A1 (en) * | 2012-07-06 | 2014-01-09 | Andras Kriston | Apparatus and method for multi-energy tissue quantification |
| WO2016147844A1 (ja) * | 2015-03-19 | 2016-09-22 | 株式会社日立製作所 | Ｘ線ｃｔ装置及びマルチエネルギー像作成方法 |
| WO2016171570A1 (en) * | 2015-04-20 | 2016-10-27 | Mars Bioimaging Limited | Improving material identification using multi-energy ct image data |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3776459A1 (en) | 2021-02-17 |
| US20210007698A1 (en) | 2021-01-14 |
| US11602321B2 (en) | 2023-03-14 |
| WO2019185457A1 (en) | 2019-10-03 |
| CN111971710A (zh) | 2020-11-20 |
| JP7442455B2 (ja) | 2024-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | SPIE medical imaging | |
| CN106462985B (zh) | 利用锐度驱动的正则化参数的迭代图像重建 | |
| US9547889B2 (en) | Image processing for spectral CT | |
| JP6559678B2 (ja) | スペクトル画像データ処理 | |
| CN110461235B (zh) | 心肌ct灌注图像合成 | |
| CN105793894B (zh) | 根据图像数据来进行骨骼分割 | |
| US10074190B2 (en) | Texture analysis map for image data | |
| CN107106109A (zh) | 计算机断层扫描系统 | |
| JP2018537226A (ja) | 造影剤濃度マップを生成する方法 | |
| JP2017528244A (ja) | スペクトル投影拡張 | |
| JP7489387B2 (ja) | ３ｄ仮想内視鏡レンダリング | |
| JP7442455B2 (ja) | 分光イメージングデータからの分光炎症マップ | |
| US20230334732A1 (en) | Image rendering method for tomographic image data | |
| JP6106260B2 (ja) | ボリュームレンダリング | |
| EP3544511B1 (en) | System and method for quantifying luminal stenosis using multi-energy computed tomography imaging | |
| JPWO2019185457A5 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220317 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220317 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230130 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230201 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230428 |
|
| A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20230731 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230822 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231220 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231228 |
|
| 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: 20240122 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240220 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7442455 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |