JP2022509155A - 脳画像内の領域を特定するための装置 - Google Patents

Abstract

本発明は、脳を示すコンピュータ断層撮影画像といった画像内の領域を特定する領域特定装置１に関する。モデル提供ユニット６が、生体の頭部の３次元モデルを提供し、この３次元モデルは、脳のアルベルタ脳卒中プログラム早期ＣＴスコア（ＡＳＰＥＣＴＳ）領域を含む。領域特定ユニット７が、３次元モデルを３次元画像に適用することによって、３次元画像内のＡＳＰＥＣＴＳ領域を特定する。これにより、イメージングシステムにおける頭部の向きとは無関係に、画像スライスの厚さとは無関係に、またさらに、医師といったユーザとは無関係に、ＡＳＰＥＣＴＳ領域を正確かつ自動的に特定できる。これは、脳卒中後の脳内の虚血性変化の定量化を向上させるＡＳＰＥＣＴＳ領域の決定精度の向上につながる。これはまた、治療法の推奨も向上させる。

Description

本発明は、脳を示す画像内の領域を特定するための領域特定装置、方法、及びコンピュータプログラムに関する。

脳卒中後に取得したコンピュータ断層撮影画像における早期虚血性変化の検出及び定量化は、患者に最も適した療法及び治療を特定するために極めて重要である。Ｒ．Ｉ．Ａｖｉｖらによる論文「Ａｌｂｅｒｔａ Ｓｔｒｏｋｅ Ｐｒｏｇｒａｍ Ｅａｒｌｙ ＣＴ Ｓｃｏｒｉｎｇ ｏｆ ＣＴ Ｐｅｒｆｕｓｉｏｎ ｉｎ Ｅａｒｌｙ Ｓｔｒｏｋｅ Ｖｉｓｕａｌｉｚａｔｉｏｎ ａｎｄ Ａｓｓｅｓｓｍｅｎｔ」（Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｎｅｕｒｏｒａｄｉｏｌｏｇｙ、第２８巻、１９７５～１９８０頁（２００７年））は、いわゆるアルベルタ脳卒中プログラム早期コンピュータ断層撮影スコア（Ａｌｂｅｒｔａ Ｓｔｒｏｋｅ Ｐｒｏｇｒａｍ Ｅａｒｌｙ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ Ｓｃｏｒｅ：ＡＳＰＥＣＴＳ）に基づいたこれらの早期虚血性変化の定量化について開示している。このスコアは、コンピュータ断層撮影画像の２つの２次元スライス内の、ＡＳＰＥＣＴＳ領域と命名される１０個の関心領域における虚血性損傷に基づいて評価される。２次元スライス内のＡＳＰＥＣＴＳ領域の特定は、コンピュータ断層撮影スキャナにおける患者の頭部の最適ではない向き、最適ではないスライスの厚さ、又はユーザ間のばらつき、すなわち、異なるユーザがＡＳＰＥＣＴＳ領域を異なって輪郭描出することが多いなど、いくつかの理由のために、あまり正確ではないことが多い。これは、決定されたスコアの品質低下、したがって、脳内の虚血性変化の定量化の品質低下につながる可能性がある。

Ｓｔｏｅｌ Ｂｅｒｅｎｄ Ｃらの「Ａｕｔｏｍａｔｅｄ ｂｒａｉｎ ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｉｃ ｄｅｎｓｉｔｏｍｅｔｒｙ ｏｆ ｅａｒｌｙ ｉｓｃｈｅｍｉｃ ｃｈａｎｇｅｓ ｉｎ ａｃｕｔｅ ｓｔｒｏｋｅ」は、手動スコアリングを支援する補助ツールとしての自動ＡＳＰＥＣＴＳ方法について開示している。

Ｎｏｒｉｙｕｋｉ ｔａｋａｈａｓｈｉらの「Ｃｏｍｐｕｔｅｒ－ａｉｄｅｄ ｄｅｔｅｃｔｉｏｎ ｓｃｈｅｍｅ ｆｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｈｙｐｏａｔｔｅｎｕａｔｉｏｎ ｏｆ ａｃｕｔｅ ｓｔｒｏｋｅ ｉｎ ｕｎｅｎｈａｎｃｅｄ ＣＴ」は、急性脳卒中の血栓溶解のための患者を選択するための、非増強ＣＴ画像上の急性脳卒中の低吸収域の特定のためのコンピュータ支援検出スキームについて開示している。

本発明は、脳卒中後の患者の脳内の虚血性変化の定量化を向上させる、脳を示す画像内の領域を特定するための領域特定装置、方法、及びコンピュータプログラムを提供することを目的とする。

本発明の第１の態様では、脳を示す画像内の領域を特定するための領域特定装置が提示される。領域特定装置は、
‐生体の脳を示す３次元画像を提供する画像提供ユニットと、
‐生体の頭部の３次元モデルを提供するモデル提供ユニットであって、３次元モデルは、脳のＡＳＰＥＣＴＳ領域を含む、モデル提供ユニットと、
‐３次元モデルを３次元画像に適用することによって、３次元画像内のＡＳＰＥＣＴＳ領域を特定する領域特定ユニットとを含む。

脳のＡＳＰＥＣＴＳ領域を含む３次元モデルが提供され、この３次元モデルが生体の脳を示す３次元画像に適用されて、３次元画像内のＡＳＰＥＣＴＳ領域が特定されるので、３次元画像を生成するために使用されるイメージングシステムにおける生体の頭部の向きとは無関係に、画像スライス厚さとは無関係に、またさらに、医師といったユーザとは無関係に、ＡＳＰＥＣＴＳ領域を特定できる。これは、脳卒中後の脳内の虚血性変化の定量化を向上させるＡＳＰＥＣＴＳ領域の決定精度の向上につながる。これはまた、治療法の推奨も向上させる。

画像提供ユニットは、コンピュータ断層撮影スキャナ、磁気共鳴イメージングスキャナなどといった、脳を示す３次元画像を生成するためのイメージングスキャナであり得る。しかしながら、画像提供ユニットはまた、記憶ユニット及び／又は受信ユニットであってもよい。例えば、画像提供ユニットは、例えば、イメージングスキャナや、病院のデータベースといったデータベースから、３次元画像を受信してもよく、この場合、画像提供ユニットは、受信した３次元画像を領域特定ユニットに直接提供するか、又は、受信した３次元画像を最初に記憶し、それを提供のために後で取り出してもよい。

モデル提供ユニットは、好ましくは、頭蓋骨、左半球、右半球、及び脳室のうちの少なくとも１つも含むように３次元モデルを提供する。特に、一実施形態では、提供された３次元モデルは、ＡＳＰＥＣＴＳ領域に加えて、頭蓋骨、左半球、右半球、及び脳室のすべてを含む。これらの要素は、一般に、提供された３次元画像において明白に認識できるため、３次元画像への３次元モデルの適用、したがって、３次元画像内のＡＳＰＥＣＴＳ領域の特定がさらに向上され得る。

モデル提供ユニットは、記憶ユニット及び／又は受信ユニットであってもよい。モデル提供ユニットは、例えば、３次元モデルを生成するモデル生成ユニットや、病院のデータベースといったデータベースから、３次元モデルを受信してもよく、モデル提供ユニットは、受信した３次元モデルを領域特定ユニットに直接提供するか、又は、受信した３次元モデルを最初に記憶し、それを提供のために後で取り出してもよい。モデル提供ユニットは、モデル生成ユニット自体であってもよい。

３次元モデルが、脳の左半球及び右半球を含む場合、モデルの左半球及び右半球は、好ましくは、互いに対して対称である。したがって、３次元モデルは、好ましくは、左半球と右半球とを分離する脳の長手方向の溝に対して左右対称性を有する。特に、脳の左半球及び右半球内の同じ構造は、同じトポロジを有する。例えば、モデルは、好ましくは、三角形である表面メッシュを含む表面モデルであり、用語「同じトポロジ」とは、好ましくは、三角形といった表面メッシュが同数であることを指す。したがって、好ましい実施形態では、左半球及び右半球内の同じ構造は、提供された３次元モデルの同数の表面メッシュによってモデル化される。これにより、左半球及び右半球内の構造間の比較が容易になり、脳内の病変の検出を向上できる。

好ましくは、モデル提供ユニットは、脳のスライスも画定するように３次元モデルを提供し、領域特定ユニットはさらに、３次元画像に適用された３次元モデルに基づいて、３次元画像内の脳の２次元スライスを決定し、決定された２次元スライス内のＡＳＰＥＣＴＳ領域を特定し得る。これにより、３次元画像の生成に使用されるイメージングスキャナにおける生体の頭部の向きとは無関係に、好ましくは軸方向スライスである所定の２次元スライス内のＡＳＰＥＣＴＳ領域を、非常に正確に特定できる。特に、領域特定ユニットは、３次元画像に適用された３次元モデルに基づいて、３次元画像内の脳の２つの２次元スライスのみを決定し、決定された２つの２次元スライス内のＡＳＰＥＣＴＳ領域を特定できる。

領域特定装置は、ＡＳＰＥＣＴＳ領域内の画像値に基づいて、脳内の虚血性変化を示すスコアを決定するスコア決定ユニットをさらに含み得る。特に、スコア決定ユニットは、スコアを決定するために、各ＡＳＰＥＣＴＳ領域について、画像値を、対照者又は対照群の画像値と比較し得る。一実施形態では、対照者又は対照群は、健康な脳に対応する。スコア決定ユニットは、ａ）類似性尺度を画像値に適用することによって、生体のＡＳＰＥＣＴＳ領域の画像値を、対照者又は対照群のＡＳＰＥＣＴＳ領域の画像値と比較し、ｂ）類似性尺度を所与として、対照者又は対照群の対応するＡＳＰＥＣＴＳ領域の画像値と類似していない画像値を有する候補ＡＳＰＥＣＴＳ領域を決定し、ｃ）候補ＡＳＰＥＣＴＳ領域の中から、新しい虚血性卒中病変を示す候補ＡＳＰＥＣＴＳ領域を決定し、ｄ）初期スコア値を提供し、ｅ）新しい虚血性卒中病変を示すと決定された各候補ＡＳＰＥＣＴＳ領域について、提供された初期スコアから所定の値を減算することによってスコアを決定する。スコアは、３次元画像において特定された３次元ＡＳＰＥＣＴＳ領域に基づいて決定されても、及び／又は、２次元スライスにおいて特定された２次元ＡＳＰＥＣＴＳ領域に基づいて決定されてもよい。特に、２次元スライスにおける２次元ＡＳＰＥＣＴＳ領域のみが考慮される場合に、正確なスコアを決定できる。スコアを決定するために２つの２次元スライスのみを使用することで十分であり、それによって、計算労力が少なくて済む。

モデル提供ユニットは、好ましくは、１０個のＡＳＰＥＣＴＳ領域を含むように脳の３次元モデルを提供し、領域特定ユニットは、３次元モデルを３次元画像に適用することによって、３次元画像内の１０個のＡＳＰＥＣＴＳ領域を特定する。１０個のＡＳＰＥＣＴＳ領域の各々は、好ましくは、２つの対応するサブ領域、すなわち、脳の左半球内のサブ領域と、脳の右半球内のサブ領域とによって形成される。特に、第１のＡＳＰＥＣＴＳ領域は、２つの半球内の前中大脳動脈（ＭＣＡ）皮質（Ｍ１）によって形成され、第２のＡＳＰＥＣＴＳ領域は、２つの半球内の島皮質の外側のＭＣＡ皮質（Ｍ２）によって形成され、第３のＡＳＰＥＣＴＳ領域は、２つの半球内の後ＭＣＡ皮質（Ｍ３）によって形成され、第４のＡＳＰＥＣＴＳ領域は、２つの半球内のＭ１の直ぐ吻側の前皮質（Ｍ４）によって形成され、第５のＡＳＰＥＣＴＳ領域は、２つの半球内のＭ３のすぐ吻側の外側皮質（Ｍ５）によって形成され、第６のＡＳＰＥＣＴＳ領域は、２つの半球内のＭ３のすぐ吻側の後皮質（Ｍ６）によって形成され、第７のＡＳＰＥＣＴＳ領域は、２つの半球内のレンズ核（Ｌ）によって形成され、第８のＡＳＰＥＣＴＳ領域は、２つの半球内の尾状核（Ｃ）によって形成され、第９のＡＳＰＥＣＴＳ領域は、２つの半球内の島皮質（Ｉ）によって形成され、第１０のＡＳＰＥＣＴＳ領域は、２つの半球内の内包（ＩＣ）によって形成される。さらに、画像提供ユニットは、好ましくは、３次元画像として、コンピュータ断層撮影画像を提供する。３次元モデルが、１０個のＡＳＰＥＣＴＳ領域を含む場合、３次元画像への３次元モデルの適用をさらに向上できる。さらに、３次元画像が３次元コンピュータ断層撮影画像である場合、この適用、したがって、３次元画像内のＡＳＰＥＣＴＳ領域を決定する精度、したがって、虚血性変化の定量化をさらに向上できる。

本発明のさらなる態様では、脳を示す画像内の領域を特定するための領域特定方法が提示される。領域特定方法は、
‐画像提供ユニットによって、生体の脳を示す３次元画像を提供するステップと、
‐モデル提供ユニットによって、生体の頭部の３次元モデルを提供するステップであって、３次元モデルは、脳のＡＳＰＥＣＴＳ領域を含む、提供するステップと、
‐領域特定ユニットによって、３次元モデルを３次元画像に適用することによって、３次元画像内のＡＳＰＥＣＴＳ領域を特定するステップとを含む。

本発明の別の態様では、脳を示す画像内の領域を特定するためのコンピュータプログラムが提示され、コンピュータプログラムは、請求項１に記載の領域特定装置を制御するコンピュータ上で実行されるときに、領域特定装置に、請求項１３に記載の領域特定方法のステップを実行させるためのプログラムコード手段を含む。

請求項１の領域特定装置、請求項１３の領域特定方法、及び請求項１４のコンピュータプログラムは、特に従属請求項に規定されるように、類似及び／又は同一の好ましい実施形態を有することを理解されたい。

本発明の好ましい実施形態は、従属請求項又は上記の実施形態とそれぞれの独立請求項との任意の組合せであってもよいことを理解されたい。

本発明のこれら及び他の態様は、以下に記載される実施形態から明らかになり、それを参照して説明される。

図１は、脳を示す画像内の領域を特定するための領域特定装置の実施形態を概略的かつ例示的に示す。 図２は、生体の頭部の３次元モデルのいくつかの要素を概略的かつ例示的に示す。 図３は、図２に示す３次元モデルのさらなる要素を示す図である。 図４は、図２及び図３に示す３次元モデルを用いて決定された、提供された３次元画像の２つの２次元軸方向スライスを概略的かつ例示的に示す。 図５は、脳を示す画像内の領域を特定するための領域特定方法の実施形態を例示的に示すフローチャートを示す。 図６は、脳を示す画像内の領域を特定するための領域特定装置のさらなる実施形態を概略的かつ例示的に示す。

図１は、脳を示す画像内の領域を特定するための領域特定装置の実施形態を概略的かつ例示的に示す。領域特定装置１は、患者テーブル４といった支持手段上に横たわる生体２の頭部３の３次元画像を提供する画像提供ユニット５を含み、この実施形態では、画像提供ユニット５は、３次元コンピュータ断層撮影画像を提供するコンピュータ断層撮影スキャナである。３次元コンピュータ断層撮影画像は、好ましくは、非造影コンピュータ断層撮影画像、すなわち、頭部に造影剤がないときに生成されたコンピュータ断層撮影画像である。

領域特定装置１は、図２及び図３に概略的かつ例示的に示されている頭部の３次元モデル３０を提供するモデル提供ユニット６をさらに含む。３次元モデルは、頭蓋骨３１、左半球３２、右半球３３、及び脳室３８を含む。さらに、３次元モデル３０は、図２において参照番号３４で参照されるＡＳＰＥＣＴＳ領域Ｍ１～Ｍ６と、皮質下のＡＳＰＥＣＴＳ領域、すなわち、参照番号３５で参照される内包（ＩＣ）と、参照番号３６で参照されるレンズ核（Ｌ）と、参照番号３７で参照される島皮質（Ｉ）とを含む。さらなるＡＳＰＥＣＴＳ領域である尾状核（Ｃ）も３次元モデル３０に含まれるが、図２及び図３では見えない。したがって、３次元モデル３０は、頭蓋骨３１、左半球３２、右半球３３、及び脳室３８に加えて、１０個のＡＳＰＥＣＴＳ領域を含み、各ＡＳＰＥＣＴＳ領域は、脳の２つの半球内の２つの対応するサブ領域によって形成される。

モデル３０の左半球３２及び右半球３３は、互いに対して対称である。特に、脳の左半球３２及び右半球３３内の同じ構造は、同じトポロジを有する。本実施形態では、３次元モデルは、三角形の表面要素からなる表面メッシュであり、左半球３２及び右半球３３内の同じ構造は、同数の三角形メッシュ要素を有する。例えば、左尾状核及び右尾状核は、同数の三角形メッシュ要素によってモデル化される。

領域特定装置１は、３次元モデル３０を、提供された３次元コンピュータ断層撮影画像に適用することによって、提供された３次元コンピュータ断層撮影画像内のＡＳＰＥＣＴＳ領域を特定する領域特定ユニット７をさらに含む。したがって、提供された３次元モデル３０を使用することによって、提供された３次元コンピュータ断層撮影画像内の１０個のＡＳＰＥＣＴＳ領域がセグメント化される。

３次元モデル３０は、脳の軸方向スライスも画定するように提供され、領域特定ユニット７はさらに、３次元コンピュータ断層撮影画像に適用された３次元モデル３０に基づいて、３次元コンピュータ断層撮影画像内の脳の２次元スライス２０、２１を決定し、図４に概略的かつ例示的に示される、決定された２次元軸方向スライス２０、２１内のＡＳＰＥＣＴＳ領域を特定する。この例では、スライス２０は、頭部内の上側の軸方向スライスであり、スライス２１は、下側の軸方向スライスである。図４では、２次元軸方向スライス２０、２１内の特定されたＡＳＰＥＣＴＳ領域は、線４０によって示されている。

領域特定装置１は、決定された２次元軸方向スライス２０、２１内のＡＳＰＥＣＴＳ領域内の画像値に基づいて、脳内の虚血性変化を示すスコアを決定するスコア決定ユニット８をさらに含む。特に、スコア決定ユニット８は、スコアとしてＡＳＰＥＣＴＳを決定する。また、領域特定装置１は、キーボード、コンピュータマウス、タッチパッドなどといった入力ユニット９と、ディスプレイといった出力ユニット１０とを含む。

以下、図５に示されるフローチャートを参照して、脳を示す画像内の領域を特定するための領域特定方法の実施形態を例示的に説明する。

ステップ１０１において、画像提供ユニット５によって、生体の脳を示す３次元画像が提供される。この実施形態では、画像提供ユニット５によって、３次元コンピュータ断層撮影画像が提供される。ステップ１０２において、モデル提供ユニット６が、生体の頭部の３次元モデル３０を提供する。この３次元モデル３０は、脳の１０個のＡＳＰＥＣＴＳ領域を含み、各ＡＳＰＥＣＴＳ領域は、脳の２つの半球内の２つの対応するサブ領域によって形成される。この実施形態では、３次元モデル３０はまた、頭蓋骨、左半球、右半球、及び脳室を含む、すなわち、モデル化する。

ステップ１０３において、３次元コンピュータ断層撮影画像内のＡＳＰＥＣＴＳ領域を特定するために、領域特定ユニット７によって、３次元モデル３０が３次元コンピュータ断層撮影画像に適用される。したがって、提供された３次元モデル３０を使用することによって、３次元コンピュータ断層撮影画像内に、１０個のＡＳＰＥＣＴＳ領域がセグメント化される。ステップ１０４において、３次元コンピュータ断層撮影画像に適用された、提供された３次元モデルに基づいて、３次元コンピュータ断層撮影画像内の脳の２つの２次元軸方向スライスが決定され、３次元コンピュータ断層撮影画像内の対応するセグメント化に基づいて、決定された２つの２次元軸方向スライス内のＡＳＰＥＣＴＳ領域が特定される。ステップ１０５において、スコア決定ユニット８が、決定された２次元軸方向スライス内で特定されたＡＳＰＥＣＴＳ領域内の画像値に基づいて、脳内の虚血性変化を示すスコア、特に、ＡＳＰＥＣＴＳを決定する。

図１を参照して上述した実施形態では、画像提供ユニットは、イメージングスキャナ、特に、コンピュータ断層撮影スキャナであるが、別の実施形態では、画像提供ユニットは、単に３次元画像が記憶され、記憶された３次元画像がそれを提供するために取り出される記憶ユニットであってもよい。画像提供ユニットはまた、例えば、イメージングスキャナ又は画像データベースから３次元画像を受信する受信ユニットであってもよく、この例では、画像提供ユニットは、３次元画像、すなわち、この場合では、受信した３次元画像を提供してもよい。

図６は、３次元画像を記憶し、記憶された３次元画像を領域特定ユニット７に提供する記憶ユニットである画像提供ユニット１０５を有する実施形態を概略的かつ例示的に示す。対応する領域特定装置１０１は、図１を参照して上述したように、モデル提供ユニット６、領域特定ユニット７、スコア決定ユニット８、入力ユニット９、及び出力ユニット１０をさらに含む。

脳卒中後に取得したコンピュータ断層撮影における早期虚血性変化の検出及び定量化は、患者に最も適した療法及び治療を特定するために極めて重要である。これらの変化の多様性は、例えば、Ｒ．Ｉ．Ａｖｉｖらによる上記論文に開示されているように、ＡＳＰＥＣＴＳを用いて定量化できる。このスコアは、関心領域内、すなわち、ＡＳＰＥＣＴＳ領域内の虚血性損傷について評価され、その精度は、通常は手動で行われるＡＳＰＥＣＴＳ領域の輪郭描出の質に依存する。図１から図６を参照して上述した、脳を示す画像内の領域を特定するための領域特定装置及び方法は、脳を示し、したがって、３次元の脳モデルとみなすこともできる人の頭部の３次元モデルを使用する。３次元モデルは、実際のデータ、すなわち、実際の患者の実際の３次元画像と、トレーニング目的のために非常に正確に輪郭描出された対応するＡＳＰＥＣＴＳ領域とを使用することによって、トレーニングできる。３次元モデルは、一貫したやり方で、ＡＳＰＥＣＴＳ領域を自動的に輪郭描出するために使用される。ＡＳＰＥＣＴＳ領域を特定するための３次元モデルを使用することによって、ＡＳＰＥＣＴＳ領域のこの特定は、コンピュータ断層撮影画像の取得方向及びスライス厚さや、観察者間のばらつきとは無関係であり得る。さらに、ＡＳＰＥＣＴＳ領域を決定するこのアプローチはまた、計算的に非常に効率的であるという利点を有する。

脳卒中後の早期虚血性変化の検出及び定量化の場合、超急性虚血性脳卒中の血栓溶解治療前に、３次元画像、特に３次元コンピュータ断層撮影画像を取得すべきである。というのは、それは、例えば、Ｐ．Ａ．Ｂａｒｂｅｒらによる論文「Ｖａｌｉｄｉｔｙ ａｎｄ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ａ ｑｕａｎｔｉｔａｔｉｖｅ ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ ｓｃｏｒｅ ｉｎ ｐｒｅｄｉｃｔｉｎｇ ｏｕｔｃｏｍｅ ｏｆ ｈｙｐｅｒａｃｕｔｅ ｓｔｒｏｋｅ ｂｅｆｏｒｅ ｔｈｒｏｍｂｏｌｙｔｉｃ ｔｈｅｒａｐｙ」（Ｔｈｅ Ｌａｎｃｅｔ、第３５５巻、１６７０－１６７４頁（２０００年））において開示されているように、脳内出血の検出に非常に感度が高いからである。３次元コンピュータ断層撮影画像といった３次元画像に基づいた早期虚血性変化の検出及び定量化、並びに機能的転帰との相関におけるその意義を利用して、血栓溶解薬を用いた介入脳卒中治療に最も適切な患者を特定できる。

ＡＳＰＥＣＴＳ、すなわち、スコアは、中大脳動脈卒中患者のコンピュータ断層撮影脳スキャンで早期虚血性変化を定量化するのに特に有用である。ＡＳＰＥＣＴＳは、１０点式の定量的トポグラフィコンピュータ断層撮影スキャンスコアであり、ＭＣＡ血管領域のセグメント評価が行われ、注意力低下、灰白質－白質の境界不明瞭化、又は限局性腫脹といった虚血性損傷のエビデンスを示すＡＳＰＥＣＴＳ領域の各々について、１０である最初のスコアから１点が差し引かれる。ＭＣＡ領域内に虚血がない画像は、１０の最大スコアを有し、一方、ＭＣＡ領域全体の拡散関与を伴うスキャンは、０のスコアになる。ＡＳＰＥＣＴＳスコアが７以下であれば、３ヵ月時点での機能的転帰の悪化だけでなく、症候性出血が予測される。ＡＳＰＥＣＴＳ、すなわち、スコアが基づくＡＳＰＥＣＴＳ領域は、皮質下構造である尾状核（Ｃ）、島皮質（Ｉ）、及び内包（ＩＣ）、並びに、ＭＣＡ皮質領域であるレンズ核（Ｌ）、前ＭＣＡ皮質（Ｍ１）、島皮質の外側のＭＣＡ皮質（Ｍ２）、後ＭＣＡ皮質（Ｍ３）、Ｍ１のすぐ吻側の前皮質（Ｍ４）、Ｍ３のすぐ吻側の外側皮質（Ｍ５）、及びＭ３のすぐ吻側の後皮質（Ｍ６）である。図１から図６を参照して上述した領域特定装置及び方法を用いることなく、これらの１０個のＡＳＰＥＣＴＳ領域は、スコアリングが行われる２つの軸方向コンピュータ断層撮影スライスにおいて手動で輪郭描出できる。しかしながら、軸方向コンピュータ断層撮影スライス上にＡＳＰＥＣＴＳ領域を手動で輪郭描出する代わりに、図１から図６を参照して上述した領域特定装置及び方法は、比較的少ない計算労力で、かつ、コンピュータ断層撮影スキャナにおける患者の頭部の向き又は傾斜とは無関係に、３次元コンピュータ断層撮影画像内、したがって、３次元コンピュータ断層撮影画像から得られる軸方向コンピュータ断層撮影スライス内のＡＳＰＥＣＴＳ領域の正確な自動輪郭描出を可能にする。計算労力が比較的少ないことは、ＡＳＰＥＣＴＳ領域の高速特定につながり、これは、脳卒中の場合、時間窓が極めて重要であり、治療計画が比較的短時間で実行されなければならないため、重要である。

領域特定装置及び方法は、少なくともＡＳＰＥＣＴＳ領域を含む３次元モデルを使用することから、例えば、３次元画像の傾斜又は向き補正を行うための前処理を必要とせずに、３次元画像内、したがって、３次元画像の２次元スライス内のＡＳＰＥＣＴＳ領域を、正確かつ高速に特定できる。特に、３次元モデルは、コンピュータ断層撮影スキャナにおける患者の頭部の向きとは無関係であるために、提供された３次元画像内のＡＳＰＥＣＴＳ領域をセグメント化するために使用される。すなわち、比較的少ない計算労力で、頭部の向き及びスライス厚とは無関係に、同じＡＳＰＥＣＴＳ領域を一貫してセグメント化できる。提供された３次元画像内のＡＳＰＥＣＴＳ領域のセグメント化はまた、ＡＳＰＥＣＴＳ領域の適切かつ一貫した視覚化のためだけでなく、ＡＳＰＥＣＴＳスコアリングの自動定量化のために、画像の向きをリフォーマットするためにも使用できる。したがって、装置は、頭部が、ユーザによって選択可能な及び／又は所定の所望の向きを有するように、３次元画像を示せる。特に、３次元画像への３次元モデルの適応により、３次元画像内の頭部の向きが既知であるため、装置は、頭部を所望の及び／又は所定の向きで示すように、３次元画像を適応できる。したがって、頭部は、イメージング中の及び最初に提供された３次元画像内の頭部の実際の向きとは無関係に、所望の及び／又は所定の向きで示される。これは、例えば、イメージング中の及び最初に提供された３次元画像内の頭部の実際の向きとは無関係に、異なる患者の頭部をすべて同じ向きで示せることを意味する。

ＡＳＰＥＣＴＳ領域をモデル化した３次元画像モデルを用いることにより、提供された３次元画像においてＡＳＰＥＣＴＳ領域をセグメント化するので、セグメント化は、モデルベースのセグメント化とみなすことができる。モデルは、好ましくは、頭蓋骨、左半球、右半球、脳室、及び異なるＡＳＰＥＣＴＳ領域の境界といったモデル化される異なる要素の境界を表す三角形メッシュを含む。モデル化される異なる要素の境界を表す三角形メッシュは、特にＡＳＰＥＣＴＳ領域のセグメント化が事前の解剖学的知識に基づくように、事前の解剖学的知識に基づいて生成され、これは、この技術を、提供された３次元画像内の可能なアーチファクトに対して非常にロバストにする。この事前の解剖学的知識の考慮は、事前の解剖学的知識に基づくセグメント化の正則化であるとみなせる。セグメント化は、セグメント化される異なる要素の全体の形状が保存されるように実行される。セグメント化については、Ｏ．Ｅｃａｂｅｒｔらによる論文「Ａｕｔｏｍａｔｉｃ Ｍｏｄｅｌ－Ｂａｓｅｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｔｈｅ Ｈｅａｒｔ ｉｎ ＣＴ Ｉｍａｇｅｓ」（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、第２７巻、１１８９～１２０１頁（２００８年））、Ｊ．Ｐｅｔｅｒｓらによる論文「Ｏｐｔｉｍｉｚｉｎｇ ｂｏｕｎｄａｒｙ ｄｅｔｅｃｔｉｏｎ ｖｉａ ｓｉｍｕｌａｔｅｄ ｓｅａｒｃｈ ｗｉｔｈ ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｍｕｌｔｉ－ｍｏｄａｌ ｈｅａｒｔ ｓｅｇｍｅｎｔａｔｉｏｎ」（Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ、第１４巻、７０～８４頁（２０１０年））、及びＴ．Ｂｒｏｓｃｈらによる論文「Ｄｅｅｐ Ｌｅａｒｎｉｎｇ－Ｂａｓｅｄ Ｂｏｕｎｄａｒｙ Ｄｅｔｅｃｔｉｏｎ ｆｏｒ Ｍｏｄｅｌ－Ｂａｓｅｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ＭＲ Ｐｒｏｓｔａｔｅ Ｓｅｇｍｅｎｔａｔｉｏｎ」（Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｃｏｍｐｕｔｅｒ－Ａｓｓｉｓｔｅｄ Ｉｎｔｅｒｖｅｎｔｉｏｎ－ＭＩＣＣＡＩ２０１８）に開示されているセグメント化アルゴリズムといった既知のセグメント化アルゴリズムを使用できる。

提供された３次元モデルは、好ましくは、ＡＳＰＥＣＴＳ領域を含む三角形モデルであり、これは、ＡＳＰＥＣＴＳ領域を一貫してかつ自動的にセグメント化するために使用される。上述したように、３次元の使用は、画像内の患者の頭部の向きとは無関係であるという利点を有し、このアプローチはまた、計算的に非常に効率的であるという利点を有する。

脳をモデル化していることにより３次元脳モデルともみなされる３次元モデルは、好ましくは、１０個のＡＳＰＥＣＴＳ領域だけでなく、コンピュータ断層撮影画像において可視であり、ＡＳＰＥＣＴＳ領域の正確なセグメント化を支援するために使用される半球及び脳室などの追加の構造を含む左右対称のモデルであり、各ＡＳＰＥＣＴＳ領域は、脳の２つの半球内の２つの対応するサブ領域によって形成される。好ましい３次元モデルの左右対称性は、右半球と左半球とを分離する脳の長手方向の溝を指す。３次元モデルはまた、上述したように、頭蓋骨をモデル化できる。３次元モデルを生成するために、それは、実際のデータ、すなわち、ＡＳＰＥＣＴＳ領域の対応する正確な手動で生成された輪郭描出を有する実際の患者の実際の３次元コンピュータ断層撮影画像でトレーニングされる。モデルをトレーニングするために使用される手動輪郭描出は、好ましくは、Ａｖｉｖらによる上記論文に開示されているＡＳＰＥＣＴＳ輪郭描出ガイドラインに従う。

モデルは、Ｏ．Ｅｃａｂｅｒｔら及びＪ．Ｐｅｔｅｒｓらによる上記論文に開示されているトレーニングアルゴリズムに従ってトレーニングできる。モデルのトレーニングはまた、例えば、Ｔ．Ｂｒｏｓｃｈらによる上記論文に説明されているように、深層学習アプローチを使用することによっても実行できる。

スコア決定ユニット８が、提供された３次元画像内のＡＳＰＥＣＴＳ領域の自動輪郭描出を使用して、ＡＳＰＥＣＴＳ、すなわち、スコアを自動的に計算できる。スコアのこの決定は、ＡＳＰＥＣＴＳ領域内の画像値と、対照群の対応するＡＳＰＥＣＴＳ領域の対応する画像値との比較に基づくか、又は深層学習などの機械学習手法を使用することによってでもよい。特に、３次元モデルは、すべての被検者にわたって一貫したメッシュで関心のＡＳＰＥＣＴＳ領域を記述するので、各提供された３次元画像において、どの画像要素がどのＡＳＰＥＣＴＳ領域に対応しているかが明確であり、これにより、スコア決定ユニット８が、異なる画像内の同じＡＳＰＥＣＴＳ領域の画像値を比較できる。一実施形態では、各ＡＳＰＥＣＴＳ領域について、患者の画像値が、健康な被検者からなる対照者又は対照群の画像値と比較される。この比較のために、好ましくは、類似性尺度が画定される。類似性尺度を所与として、患者のＡＳＰＥＣＴＳ領域の画像値が、健康な被験者の対応するＡＳＰＥＣＴＳ領域の画像値と類似していない場合、このＡＳＰＥＣＴＳ領域は、候補ＡＳＰＥＣＴＳ領域とみなされる。次に、分類ステップにおいて、どの候補ＡＳＰＥＣＴＳ領域が現在の脳卒中によって実際に影響を受けるかが決定され、これにより、そのようなＡＳＰＥＣＴＳ領域が、古い虚血性病変、腫瘍、ウィルヒョウ（Ｖｉｒｃｈｏｗ）空間などを含むＡＳＰＥＣＴＳ領域から区別される。新しい虚血性病変を示すと分類された候補ＡＳＰＥＣＴＳ領域の数に基づいて、スコアを決定できる。特に、新しい虚血性病変を示す各候補ＡＳＰＥＣＴＳ領域について、１０の初期値から１が減算される。したがって、すべてのＡＳＰＥＣＴＳ領域が、新しい虚血性病変を示す候補ＡＳＰＥＣＴＳ領域である場合、スコアはゼロとなり、ＡＳＰＥＣＴＳ領域が、新しい虚血性病変を示す候補ＡＳＰＥＣＴＳ領域ではない場合、スコアは１０となる。ここで、各ＡＳＰＥＣＴＳ領域は、２つの対応するサブ領域によって形成されており、２つのサブ領域の一方又は両方において、現在の脳卒中によって悪影響を受けていると決定される場合、最初に１０であるスコアから１が差し引かれることに留意されたい。したがって、第１のＡＳＰＥＣＴＳ領域Ｍ１を形成するサブ領域のうちの１つが影響を受けている場合、スコアから１が差し引かれ、第２のＡＳＰＥＣＴ領域Ｍ２を形成するサブ領域のうちの１つが影響を受けている場合も１が差し引かれ、以下同様である。

類似性尺度は、対応するＡＳＰＥＣＴＳ領域内の画像の強度分布のヒストグラムの互いからの偏差に基づいていてもよい。しかしながら、現在の患者のＡＳＰＥＣＴＳ領域内の画像値を、対照者又は対照群のＡＳＰＥＣＴ領域と比較するために、他の類似性尺度も使用できる。類似性尺度は、異なる領域の画像値が類似しているか否かを決定するために閾値と比較できる類似性値を出力できる。

候補ＡＳＰＥＣＴＳ領域を分類するために、この分類ステップのためにトレーニングされたニューラルネットワークといった人工知能に基づく分類技術、ヒストグラムベースの分類技術、特徴ベースの分類技術、パターンベースの分類技術などを使用できる。

どのＡＳＰＥＣＴＳ領域が現在の脳卒中によって悪影響を受け、どのＡＳＰＥＣＴＳ領域が現在の脳卒中によって悪影響を受けていないかの決定は、３次元画像において、又はその画像の２次元軸方向スライスにおいて実行できる。画像のこれらの２次元軸方向スライスは、提供された３次元画像に適応されている３次元モデルに基づいて自動的に決定される。特に、３次元モデルを提供された３次元画像に適応させることによって、２次元軸方向スライスが自動的に決定されるように、２次元軸方向スライスを３次元モデルに関して画定できる。例えば、２つの２次元スライスは、それらが互いに平行であるように自動的に決定され、このとき、第１のスライスは、視床及び大脳基底核のレベルにあり、第２のスライスは、神経節構造が見えないように、神経節構造の最も上位の縁に隣接する。

一般に、コンピュータ断層撮影画像は、コンピュータ断層撮影画像内の２次元軸方向スライスを選択するために、コンピュータ断層撮影画像内の脳の向きに対応する向きを有するアトラステンプレートに位置合わせされる。しかしながら、このような位置合わせは、２次元軸方向スライスの選択、したがって、可能な後続の輪郭描出及びスコアの決定に影響を及ぼす位置合わせ誤差を導入する。これとは対照的に、図１から図６を参照して上述した領域特定装置及び方法は、必ずしもこのような位置合わせステップを必要とせず、誤差を低減する可能性がある。図１から図６に示される説明された領域特定装置及び方法による２次元スライスの選択もまた、ＡＳＰＥＣＴＳ領域を含む３次元モデルと、提供された３次元画像へのこの３次元モデルの適応とが関与するので、３次元画像内の脳の向きとは無関係である。さらに、アトラステンプレートへの提供された３次元画像のこのような位置合わせは、ＡＳＰＥＣＴＳ領域の自動決定及びスコアの自動計算も含まない。さらに、アトラステンプレートへの３次元画像のこのような位置合わせは、ＡＳＰＥＣＴＳ領域を含む３次元モデルを提供された３次元画像に単に適応させることと比較して、比較的多い計算労力を必要とする。

ＡＳＰＥＣＴＳ領域は、好ましくは三角形である対称表面メッシュによって画定されることによって、好ましくはトポロジ的に対称である。したがって、左尾状核といった左半球内のＡＳＰＥＣＴＳ領域のサブ領域は、右尾状核といった右半球内の同じＡＳＰＥＣＴＳ領域のサブ領域と同じトポロジ、すなわち、好ましくは同数の三角形を有する。したがって、左半球及び右半球内の同じＡＳＰＥＣＴＳ領域のサブ領域は、例えば、メッシュベースの画像ワーピングを介して、追加の前処理ステップを必要とすることなく、容易に比較できる。例えば、非対称病変を検出できる。つまり、ＡＳＰＥＣＴＳ領域の左のサブ領域における、脳卒中によって引き起こされた病変が、ＡＳＰＥＣＴＳ領域の対応する右のサブ領域における病変と類似しているか否かを、所定の類似性尺度の考慮の下で検出できることを意味する。また、ここで、類似性尺度は、同じＡＳＰＥＣＴＳ領域の対応するサブ領域における画像値の強度分布のヒストグラムの互いからの偏差に基づいていてもよい。しかしながら、ＡＳＰＥＣＴＳ領域の左のサブ領域内の画像値を、同じＡＳＰＥＣＴＳ領域の対応する右のサブ領域と比較するために、他の類似性尺度も使用できる。

上述の実施形態では、提供された３次元モデル画像は、コンピュータ断層撮影画像であるが、ＡＳＰＥＣＴＳ領域が脳卒中によって悪影響を受けたか否かを特定することを可能にする別の種類の画像であってもよい。例えば、脳を含む頭部の提供された３次元画像は、磁気共鳴画像であってもよい。

上述の実施形態では、ＡＳＰＥＣＴＳ、すなわち、スコアは、ＡＳＰＥＣＴＳ領域画像値に類似性尺度を適用することによって、その画像値を、対照者又は対照群のＡＳＰＥＣＴＳ領域の画像値と比較することによって、類似性尺度を所与として、対照者又は対照群の対応するＡＳＰＥＣＴＳ領域の画像値に類似していない画像値を有する候補ＡＳＰＥＣＴＳ領域を決定することによって、候補ＡＳＰＥＣＴＳ領域の中から、新しい虚血性脳卒中病変を示す候補ＡＳＰＥＣＴＳ領域を決定することによって、初期スコア値を提供することによって、及び、新しい虚血性脳卒中病変を示すと決定された各候補ＡＳＰＥＣＴＳ領域について、提供された初期スコアから所定の値を減算することによってスコアを決定することによって、自動的に決定されるが、スコアはまた、別のやり方でも自動的に決定できる。例えば、類似性尺度を画像値に適用することによって、ＡＳＰＥＣＴＳ領域の左のサブ領域の画像値を、同じＡＳＰＥＣＴＳ領域の右のサブ領域と比較することもでき、類似性尺度を所与として、左のサブ領域の画像値が、ＡＳＰＥＣＴＳ領域の右のサブ領域の画像値と異なる場合、このＡＳＰＥＣＴＳ領域も候補ＡＳＰＥＣＴＳ領域であると決定される。したがって、候補ＡＳＰＥＣＴＳ領域を決定するために、生体、すなわち、現在の患者のＡＳＰＥＣＴＳ領域の画像値を、対照者又は対照群の対応するＡＳＰＥＣＴＳ領域の画像値と比較できるか、及び／又は、生体、すなわち、現在の患者の同じＡＳＰＥＣＴＳ領域のサブ領域の画像値を互いに比較できる。

どのＡＳＰＥＣＴＳ領域が現在の脳卒中によって影響されているかを決定するために、人工知能といった他の手段、例えば、トレーニングされた畳み込みニューラルネットワークも使用できる。検出された病変の形状、検出された病変の画像値の平均などに基づくパターン認識技術も使用できる。どのＡＳＰＥＣＴＳ領域が、新しい脳卒中によって実際に影響を受けているかが決定された後、例えば、新しい脳卒中によって影響を受けていると決定された各ＡＳＰＥＣＴＳ領域について、提供された初期スコアから所定の値を減算することによって、スコアを自動的に決定できる。

上述の実施形態では、ＡＳＰＥＣＴＳ、すなわち、スコアは自動的に決定されるが、当然ながら、特定されたＡＳＰＥＣＴＳ領域が、単に医師といったユーザに示されてもよく、次に、医師といったユーザは、スコアを決定するためにこれらの特定されたＡＳＰＥＣＴＳ領域を使用できる。

開示された実施形態に対する他の変形は、図面、開示及び添付の特許請求の範囲の精査から、特許請求されている発明を実施する際に当業者によって理解され、達成され得る。

特許請求の範囲において、「含む」という用語は、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。

単一のユニット又はデバイスが、特許請求の範囲に列挙されるいくつかのアイテムの機能を果たすことができる。特定の手段が相互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、これらの手段の組合せを有利に使用することができないことを示すものではない。

３次元モデルを提供すること、３次元画像内のＡＳＰＥＣＴＳ領域を特定するために、３次元モデルを３次元画像に適応させることによって、３次元モデルを、提供された３次元画像に適用すること、特定されたＡＳＰＥＣＴＳ領域内の画像値に基づいてスコアを計算することなどといった、１つ若しくはいくつかのユニット又はデバイスによって行われる手順は、他の任意の数のユニット又はデバイスによって行われてもよい。例えば、図５を参照して上述したステップ１０１からステップ１０５は、単一のユニットによって、又は任意の他の数の異なるユニットによって行われてもよい。領域特定方法による領域特定装置のこれらの手順及び／又は制御は、コンピュータプログラムのプログラムコード手段及び／又は専用ハードウェアとして実施できる。

コンピュータプログラムは、他のハードウェアと共に又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶/配布することができるが、インターネット又は他の有線もしくは無線電気通信システムなどを介して他の形態で配布することもできる。

特許請求の範囲におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。

本発明は、脳を示すコンピュータ断層撮影画像といった画像内の領域を特定するための領域特定装置に関する。モデル提供ユニットが、生体の頭部の３次元モデルを提供し、３次元モデルは、脳のＡＳＰＥＣＴＳ領域を含む。領域特定ユニットが、３次元モデルを３次元画像に適用することによって、３次元画像内のＡＳＰＥＣＴＳ領域を特定する。これにより、イメージングシステムにおける頭部の向きとは無関係に、画像スライスの厚さとは無関係に、またさらに、医師といったユーザとは無関係に、ＡＳＰＥＣＴＳ領域を正確にかつ自動的に特定できる。これは、脳卒中後の脳内の虚血性変化の定量化を向上させるＡＳＰＥＣＴＳ領域の決定精度の向上につながる。これはまた、治療法の推奨も向上させる。

Claims (14)

1. 脳を示す画像内の領域を特定するための領域特定装置であって、
   生体の脳を示す３次元画像を提供する画像提供ユニットと、
   生体の頭部の３次元モデルを提供するモデル提供ユニットであって、前記３次元モデルは、脳のアルベルタ脳卒中プログラム早期ＣＴスコア（ＡＳＰＥＣＴＳ）領域を含む、モデル提供ユニットと、
   前記３次元モデルを前記３次元画像に適用することによって、前記３次元画像内のＡＳＰＥＣＴＳ領域を特定する領域特定ユニットと、
   を含む、領域特定装置。
2. 前記モデル提供ユニットは、頭蓋骨、左半球、右半球、及び脳室のうちの少なくとも１つも含むように前記３次元モデルを提供する、請求項１に記載の領域特定装置。
3. 前記モデル提供ユニットは、前記脳の左半球及び右半球を含むように前記３次元モデルを提供し、前記３次元モデルの前記左半球及び前記右半球は、互いに対して対称である、請求項２に記載の領域特定装置。
4. 前記モデル提供ユニットは、前記脳の左半球及び右半球を含むように前記３次元モデルを提供し、前記脳の前記左半球及び前記右半球内の同じ構造は、同じトポロジを有する、請求項２又は３に記載の領域特定装置。
5. 前記モデル提供ユニットは、前記脳のスライスも画定するように前記３次元モデルを提供し、前記領域特定ユニットはさらに、前記３次元画像に適用された前記３次元モデルに基づいて、前記３次元画像内の前記脳の２次元スライスを決定し、決定された前記２次元スライス内の前記ＡＳＰＥＣＴＳ領域を特定する、請求項１から４のいずれか一項に記載の領域特定装置。
6. 前記領域特定ユニットは、前記３次元画像に適用された前記３次元モデルに基づいて、前記３次元画像内の前記脳の２つの２次元スライスのみを決定し、決定された前記２つの２次元スライス内の前記ＡＳＰＥＣＴＳ領域を特定する、請求項５に記載の領域特定装置。
7. 前記ＡＳＰＥＣＴＳ領域内の画像値に基づいて、前記脳内の虚血性変化を示すスコアを決定するスコア決定ユニットをさらに含む、請求項１から６のいずれか一項に記載の領域特定装置。
8. 前記スコア決定ユニットは、前記スコアを決定するために、各ＡＳＰＥＣＴＳ領域について、前記画像値を、対照者又は対照群の画像値と比較する、請求項７に記載の領域特定装置。
9. 前記対照者又は前記対照群は、健康な脳に対応し、
   前記スコア決定ユニットは、
   類似性尺度を前記画像値に適用することによって、前記生体のＡＳＰＥＣＴＳ領域の前記画像値を、前記対照者又は前記対照群の前記ＡＳＰＥＣＴＳ領域の前記画像値と比較し、
   前記類似性尺度を所与として、前記対照者又は前記対照群の対応するＡＳＰＥＣＴＳ領域の前記画像値と類似していない画像値を有する候補ＡＳＰＥＣＴＳ領域を決定し、
   前記候補ＡＳＰＥＣＴＳ領域の中から、新しい虚血性卒中病変を示す候補ＡＳＰＥＣＴＳ領域を決定し、
   初期スコア値を提供し、
   新しい虚血性卒中病変を示すと決定された各候補ＡＳＰＥＣＴＳ領域について、提供された前記初期スコアから所定の値を減算することによって前記スコアを決定する、請求項８に記載の領域特定装置。
10. 前記スコア決定ユニットは、決定された前記２次元スライスにおける前記ＡＳＰＥＣＴＳ領域内の画像値に基づいて、前記脳内の虚血性変化を示すスコアを決定する、請求項５から９のいずれか一項に記載の領域特定装置。
11. 前記モデル提供ユニットは、１０個のＡＳＰＥＣＴＳ領域を含むように前記脳の前記３次元モデルを提供し、前記領域特定ユニットは、前記３次元モデルを前記３次元画像に適用することによって、前記３次元画像内の前記１０個のＡＳＰＥＣＴＳ領域を特定する、請求項１から１０のいずれか一項に記載の領域特定装置。
12. 前記画像提供ユニットは、前記３次元画像として、コンピュータ断層撮影画像を提供する、請求項１から１１のいずれか一項に記載の領域特定装置。
13. 脳を示す画像内の領域を特定するための領域特定方法であって、
    画像提供ユニットによって、生体の脳を示す３次元画像を提供するステップと、
    モデル提供ユニットによって、生体の頭部の３次元モデルを提供するステップであって、前記３次元モデルは、脳のＡＳＰＥＣＴＳ領域を含む、提供するステップと、
    領域特定ユニットによって、前記３次元モデルを前記３次元画像に適用することによって、前記３次元画像内のＡＳＰＥＣＴＳ領域を特定するステップと、
    を含む、領域特定方法。
14. 脳を示す画像内の領域を特定するためのコンピュータプログラムであって、前記コンピュータプログラムが、請求項１に記載の領域特定装置を制御するコンピュータ上で実行されるときに、前記領域特定装置に、請求項１３に記載の領域特定方法のステップを実行させるためのプログラムコード手段を含む、コンピュータプログラム。

Images