JP2022531514A - 頭蓋内血管の解析 - Google Patents

Abstract

個体の脳に関連する血管の異常を、個体の脳を含む画像を解析することにより検出することができる。画像に含まれる血管を同定することができ、半球にわたる血管の密度を求めることができる。個体の脳の異なる半球における血管の密度の差を使用して、個体の脳に関連する１つ又は複数の血管に関する異常の確率を求めることができる。個体の脳に関連するあり得る異常を示すユーザインタフェースを生成することができる。

Description

頭蓋内血管の解析に関する。

頭蓋内血管は、大脳、小脳及び脳幹を含む脳に栄養分及び酸素を供給する。いくつかの動脈は、脳の前方部分に血液を供給し、他の動脈は、脳の後方部分に血液を供給する。主要血管には、内頸動脈（ＩＣＡ）、脳底動脈（ＢＡ）及び頸椎動脈（ＶＡ）があり、それらは、脳の両半球に分散されている。脳の前方部分に血液を供給する血管としては、ＩＣＡ、前大脳動脈（ＡＣＡ）及び中大脳動脈（ＭＣＡ）を挙げることができる。さらに、脳の後方部分に血液を供給する血管には、ＢＡ、後大脳動脈（ＰＣＡ）、後下小脳動脈（ＰＩＣＡ）、前下小脳動脈（ＡＩＣＡ）及び上小脳動脈（ＳＣＡ）がある。

脳の任意の部分への血液の流れの中断は、深刻な影響を及ぼす可能性がある。脳への血液の流れは、脳に血液を供給する血管の狭窄及び／又は閉塞によって遮断される可能性がある。脳の一部への血液の流れの中断は、脳の機能を低下させ、身体の一部に痺れ、脱力又は麻痺をもたらす可能性がある。脳の一部への血液供給が遮断されると、脳卒中が発生する可能性がある。脳卒中の早期検出及び治療により、血液供給が中断された脳の部分への損傷を最小限にし、脳卒中の後遺症を最小限にすることができる。治療は、例えば血栓溶解を介して、内科的に、又は、血管内血栓回収（ＥＣＲ：ｅｎｄｏｖａｓｃｕｌａｒ ｃｌｏｔ ｒｅｔｒｉｅｖａｌ）を可能にする血管内カテーテルを介して機械的に、行うことができる。臨床研究により、ＩＣＡ又はＭＣＡに血栓があり、ＥＣＲを介して血流を回復させることができた患者は、内科的治療のみを受けた患者よりも著しく良好な転帰が得られることが示された。

本開示は、同様の参照符号が同様の要素を示す添付図面の図において、限定としてではなく例として示されている。

１つ又は複数の実装例による、脳の血管を解析するフレームワーク例を示す図である。 １つ又は複数の実装例による、脳の血管を解析し、その解析に基づき血管の１つ又は複数の画像を生成するプロセス例を示す絵図である。 １つ又は複数の実装例による、脳の一方の半球に位置する血管を脳の別の半球に位置するさらなる血管に関連して解析するフレームワーク例を示す図である。 １つ又は複数の実装例による、血管の経路を追跡することにより個体の脳内に位置する血管を解析するプロセスの図解例４００を示す図である。 １つ又は複数の実装例による、個人の脳内に血管の閾値量の閉塞（ｂｌｏｃｋａｇｅ）がある確率を求めるプロセス例のフロー図である。 １つ又は複数の実装例による、あり得る血管閉塞を示す個体の脳の１つ又は複数の画像を生成するプロセス例のフロー図である。 １つ又は複数の実装例による、脳内の１つ又は複数の血管の経路を追跡することによりあり得る血管閉塞を決定するプロセス例７００のフロー図である。 １つ又は複数の実装例による、本明細書に記載する装置のうちの任意の１つ又は複数にインストールすることができるソフトウェアのアーキテクチャ例を示すブロック図である。 １つ又は複数の実装例による、コンピュータシステムの形態の機械例の図式表現であり、この機械内で、本明細書で考察する方法論のうちの任意の１つ又は複数を機械に実施させるために、命令のセットを実行することができる。 Ａ－Ｄは、本明細書に記載する１つ又は複数の実装により、脳主幹動脈閉塞（ｌａｒｇｅ ｖｅｓｓｅｌ ｏｃｃｌｕｓｉｏｎ）検出を実施した、脳の血管の画像を示す。 Ａ－Ｄは、解離に伴う左錐体内頸動脈（ＩＣＡ）閉塞がある５９歳の男性の脳の画像を示す。 Ａ－Ｄは、失語症及び右側脱力を示す５０歳の男性に偽陽性判断がなされた、個体の脳の画像を示す。 Ａは、頭蓋内ＬＶＯの検出のためのＲＯＣ曲線を示し、Ｂは、頭蓋内ＬＶＯ又はＭ２－ＭＣＡ閉塞のいずれかの検出のためのＲＯＣ曲線を示す。 Ａ－Ｉは、本明細書に記載する１つ又は複数の実装により、脳主幹動脈閉塞検出が実施された、脳の血管の画像を示す。 Ａ－Ｂは、偽陰性判断がなされた血管の画像を示す。 Ａ－Ｄは、自動脳主幹動脈閉塞（ＬＶＯ）検出のための結果に関連する画像例を示す。 Ａ－Ｂは、頭蓋内脳主幹動脈閉塞（ＬＶＯ）の検出のためのＲＯＣ曲線を示す。 Ａ－Ｃは、個々の血管セグメントの閉塞に対するＲＯＣ曲線を示す。 Ａ－Ｄは、偽陰性結果の画像を示す。 Ａ－Ｂは、偽陰性結果のさらなる画像を示す。 Ａ－Ｃは、正常変異に関連する偽陽性結果の画像を示す。 Ａ－Ｃは、他の病理からの偽陽性結果のさらなる画像を示す。 ＬＶＯの予測因子としての血管密度比スコアに対するＲＯＣ曲線を示す。

脳卒中は、動脈を通る血液の流れを中断している血栓を除去することによって治療することができる。血管内血栓除去術は、脳の動脈内の血栓を除去することにより血流を回復させるために使用される１つの方法であり得る。脳主幹動脈閉鎖（ＬＶＯ）は、急性虚血性脳卒中のおよそ１／３をもたらし、さらに、この症状に関連する死亡率の９０％及び生存者における深刻な神経障害の原因である。血管内血栓除去術は、前方循環脳主幹動脈閉塞のある患者における標準的な内科的治療と比較して、障害を低減させるとともに機能的転帰を向上させることが示されている。したがって、頭蓋内内頸動脈（ＩＣＡ）又は中大脳動脈のＭ１セグメント（Ｍ１－ＭＣＡ）の閉塞に対する最適な治療であり、脳卒中発症の後の最大２４時間、厳選された患者において安全に実施することができる。血栓の除去が、ＬＶＯが起こっている個体に対して時間窓内で実施されない状況では、血液供給がないために脳組織の壊死が発生する可能性があり、それにより、重大な罹患率及び死亡率に至る可能性がある。したがって、ＬＶＯの迅速な診断により、この状態が起こっている個体の有益な治療を容易にすることができる。

本明細書に記載するシステム及び技法は、脳の血管の異常を検出するための、脳内の造影された血管のＸ線コンピュータ断層撮影血管造影（ＣＴＡ）画像を使用する脳の血管の解析に関する。１つ又は複数のさらなる実装は、磁気共鳴血管造影（ＭＲＡ）、例えば、造影増強ＭＲＡ、飛行時間（ＴＯＦ）ＭＲＡ、位相コントラスト（ＰＣ）ＭＲＡ又は動脈スピンラベルベースＭＲＡ等を実施することができる。本明細書で用いる場合の「血管」は、血管の全長、又は、血管のセグメント等、血管の一部を指すことができる。実装例では、本明細書に記載する技法及びシステムを使用して、脳卒中をもたらす脳の大血管の閉塞及び深刻な狭窄を検出することができる。さまざまな例では、脳の血管における異常を示す画像を生成することができ、そうした画像を使用して、脳卒中に対する迅速な治療を必要としている可能性がある個体を特定することができる。このように、画像によって示される状態に基づき、個体の治療に優先順位を付けることができる。

例示的な実装では、個体の脳の画像を取得することができる。さまざまな例では、画像は、患者の脳のコンピュータ断層撮影血管造影（ＣＴＡ）画像を含むことができる。画像を処理及び解析して、患者の脳のさまざまな解剖学的特徴部を同定することができる。例えば、画像を解析して、それらの画像に含まれる骨を同定することができる。加えて、画像を解析して、それらの画像に含まれる血管を同定することができる。さまざまな実装では、限定されないが解剖学的領域等、ヒト脳の特徴部に対応する１つ又は複数のテンプレートを使用して、画像に含まれる脳のそれぞれの特徴部を同定することができる。

脳の血管は異なる直径を有する可能性があり、それらの直径に従って、血管を特徴付けることができる。例示のために、脳の血管は、比較的大きい内腔径（例えば、約４ｍｍ～約８ｍｍ）を有するものとして、又は、比較的小さい内腔径（例えば、約１ｍｍ～約４ｍｍ未満）を有するものとして、分類することができる。さまざまな実装では、脳の血管における異常を検出するために実施される解析は、解析されている血管の直径に基づくことができる。

実装例では、ＣＴＡ画像のデータは、ボクセルとして表すことができ、これらのボクセルは、ハンスフィールド単位（ＨＵ：Ｈｏｕｎｓｆｉｅｌｄ Ｕｎｉｔ）密度値に関連付けることができる。視覚化の目的で、所与のボクセルに関連する密度は、その画像におけるボクセルのグレースケール値によって示すことができる。例えば、比較的密度の高い特徴部は、より低いグレースケール値を有するとともに画像においてより暗く見える、比較的密度の低い特徴部よりも、より高いグレースケール値を有するとともに画像においてより白く見える。

血管異常を検出する本明細書に記載する実装は、脳の各半球に位置する血管の密度の差を求めることができる。例えば、脳の第１半球における内頸動脈のセグメントの密度を、脳の第２半球における内頸動脈のセグメントに対応する密度と比較することができる。脳の異なる半球における対称的に位置する血管の相違の程度は、血管セグメントに関連する異常がある確率を示すことができる。脳の異なる半球における対称的に位置する血管の密度の差が、閾値差よりも大きい状況では、低い方の密度値を有する血管セグメントにおける異常の確率が、閾値確率よりも高い可能性がある。その結果、個体の脳の血管を含むとともに、異常に関連する可能性がある血管を強調表示する、さらなる画像を生成することができる。これらのさらなる画像は、個体に対する治療を決定する検討のために、１人又は複数人の臨床医に提供することができる。

１つ又は複数のさらなる実装では、脳の異なる半球における血管の密度の比較なしに、ＬＶＯの存在を決定することができる。例えば、脳の大血管を示す解剖学的テンプレートを、患者の脳の画像と位置合せすることができる。これらのシナリオでは、ＨＵでの密度値は、大血管の１つ又は複数の位置に対応する、患者の脳の領域において解析される。さまざまな例では、患者の血管に提供される造影剤として、ヨウ素を使用することができる。造影剤は、他の脳組織と対照的に血管の位置を示すことができる。１つ又は複数の例では、血管の複数の位置に対するＨＵ値を、１つ又は複数の閾値ＨＵ値と比較することができる。患者の脳内の１つ又は複数の位置におけるＨＵ値が閾値未満である状況では、ＬＶＯを検出することができる。異常な血管の存在の推論を使用して、患者の治療における行為を自動化することができる。例えば、コンピュータアルゴリズムは、別の病院の臨床医に警報をトリガするか又は放射線科医／臨床医によりこの患者のＣＴＡの検討を優先させるために、それらの入力として、本明細書に記載する実装の出力を使用する。

したがって、本明細書に記載する実装は、脳の血管セグメントにおけるあり得る異常を自動化方法で同定することができる。あり得る異常は、臨床医に提供することができる画像に視覚的に示すことができ、これらの画像は、臨床医による画像の検討に関して緊急性を示すことができる。このように、脳卒中等、ある状態の発症と、個体の脳の画像に基づく臨床医による診断との間の時間の量が、最小限になる。さらに、その状態の発症と、個体がその状態に対する治療を受けるときとの間の時間の量もまた、最小限にすることができる。さらに、ＥＣＲを提供することができない病院から患者の治療を引き継ぐ必要がある可能性がある、専門施設の臨床医に、標準治療チャネルを介するよりも早期にＥＣＲ候補患者について注意を促すことができる。このように、個体の脳内の血管の閉塞又は狭窄に起因して血流が妨げられる個体の組織に対する損傷の量を、最小限にすることができる。

図１は、１つ又は複数の実装例による、脳の血管を解析するフレームワーク例１００を示す図である。フレームワーク１００は、脳画像解析システム１０２を含むことができる。脳画像解析システム１０２は、個体の脳の画像を解析し、その個体の脳に関連するあり得る生物学的状態を同定することができる。さまざまな実装では、脳画像解析システム１０２は、個体の脳の画像を解析して、個体の脳の血管における異常を同定することができる。例えば、脳画像解析システム１０２は、脳内に位置する血管の特徴を解析して、その個体が、脳機能に悪影響を及ぼす可能性がある生物学的状態を有する確率を求めることができる。例示のために、脳画像解析システム１０２は、脳内に位置する血管の特徴を解析して、個体に脳卒中が起きている確率を求めることができる。例示的な例では、脳画像解析システム１０２は、脳内に位置する血管の特徴を解析して、脳主幹動脈閉塞を同定することができる。本明細書において１つ又は複数の実装で用いる場合の「近位」という用語は、個体の脳の正中線に比較的近い位置を指すことができ、「遠位」という用語は、その正中線から遠くなる、個体の脳の位置を指すことができる。

脳画像解析システム１０２は、複数の画像１０４に関連するデータを取得することができる。画像１０４は、個体の頭部内に位置する特徴部を含むことができる。実装例では、画像１０４は、骨、血管、筋肉等、個体の頭部内の内部に位置する特徴部を示すことができる。例えば、画像１０４は、個体の脳と、血液を脳内に且つ脳から出るように循環させる血管と、頭蓋底及び頭蓋冠等、個体の頭部内に位置する骨とを含むことができる。

画像１０４は、撮像装置１０６によって取り込むことができる。撮像装置１０６は、１つ又は複数の撮像技術を利用して画像１０４を取り込むことができる。例示的な例では、撮像装置１０６は、Ｘ線コンピュータ断層撮影（ＣＴ）撮像装置を含むことができる。実装例では、撮像装置１０６は、コンピュータ断層撮影血管造影（ＣＴＡ）撮像装置を含むことができる。さらなる例示的な例では、撮像装置１０６は、コンピュータ断層撮影灌流（ＣＴＰ）撮像装置を含むことができる。１つ又は複数の処理デバイスが表示デバイス上で画像１０４を生成するために使用することができる、撮像装置１０６によって生成されるデータは、脳画像解析システム１０２に画像データ１０８として提供することができる。画像データ１０８は、指定された標準規格に従ってフォーマットすることができる。例えば、画像データ１０８は、医療におけるデジタル画像と通信（ＤＩＣＯＭ：Ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ）標準規格に従ってフォーマットすることができる。画像データ１０８は、１つ若しくは複数のネットワークを介して、又は１つ若しくは複数のポータブルメモリ記憶デバイス（例えば、フラッシュデバイス）を介して、脳画像解析システム１０２に通信することができる。さらに、画像データ１０８は、ウェブサイトを介して、又はクラウドコンピューティングサービスプロバイダを介して、脳画像解析システム１０２にアクセス可能であり得る。さまざまなシナリオでは、画像データ１０８は、１つ又は複数の撮像技法によって生成されたデータを含むことができる。例示のために、画像データ１０８は、ＣＴＡ撮像技法及びＣＴＰ撮像技法を使用して生成されたデータを含むことができる。

例示的な実装では、撮像装置１０６は、個体１１２の脳１１０を含む１つ又は複数の画像１０４を取り込むことができる。個体１１２の脳１１０は、第１半球１１４及び第２半球１１６を含むことができる。第１半球１１４に位置する脳１１０の特徴部は、第２半球１１６に位置する脳１１０の特徴部に対して実質的に対称的に配置されている可能性がある。例えば、第１半球１１４に位置する血管１１８は、実質的に対称的な位置で第２半球１１６に位置する相対血管１２０を有する可能性がある。１つ又は複数の例示的な例では、第１半球１１４に位置する血管は、本明細書では対側血管と称することができ、第２半球１１６に位置する血管は、本明細書では同側血管と称することができる。

脳画像解析システム１０２は、画像１０４の解析において複数の動作を実施して、画像１０４に示されている特徴部に基づき個体がさまざまな生物学的状態を有する確率を求めることができる。例えば、動作１２２において、脳画像解析システム１０２は、血管同定を実施することができる。実装例では、脳画像解析システム１０２は、個体の脳に含まれる血管に対応しない画像１０４の特徴部を同定し、それらの特徴部を除去して、修正画像データ１２４を生成することができる。修正画像データ１２４は、脳画像解析システム１０２が画像１０４に関連するデータの一部を除去した後に残っている、画像１０４に関連するデータの部分を含むことができる。修正画像データ１２４を使用して、元の画像セットに含まれていた１つ又は複数の特徴部を含まない、個体の脳の修正画像を生成することができる。例えば、脳画像解析システム１０２は、画像１０４に含まれる頸部の部分を同定し、頸部の部分に対応するデータを除去することができる。すなわち、脳画像解析システム１０２は、個体の頸部の一部である画像１０４の部分に対応するデータを削除することができる。脳画像解析システム１０２はまた、個体の頭部に位置する血管に対応しない画像１０４の部分を同定し、画像１０４からそれらの部分を除去することができる。例示のために、脳画像解析システム１０２は、画像１０４に含まれる骨を同定し、画像１０４から骨に関連するデータを削除して修正画像データ１２４を生成することができる。

さまざまな実装では、血管解析システム１０２は、１つ又は複数のテンプレートを利用して、個体の脳内又は脳の周囲に位置する特徴部を同定することができる。例では、血管解析システム１０２は、個体の脳に関連する特徴部の位置を示すテンプレートを格納し、又は他の方法でそうしたテンプレートにアクセスすることができる。例示的な例では、血管解析システム１０２は、椎骨、頭蓋冠及び頭蓋底等、個体の頭部内に位置する骨構造を示すテンプレートを使用することができる。さらなる例では、血管解析システム１０２は、個体の脳内及び脳の周囲の血管の位置を示すテンプレートを使用することができる。例示のために、テンプレートは、内頸動脈及び中大脳動脈の位置を示すことができる。

脳画像解析システム１０２によって使用されるテンプレートは、個体の脳と個体の脳に関連する特徴部とを含む、複数の個体から取得された参照画像を使用して生成することができる。画像に含まれる特徴部の平均又は中央位置を示す参照画像を使用して、合成画像を生成することができる。さまざまな実装では、指定された年齢群に対して、且つ／又はさまざまな生物学的状態を有する個体に対して、テンプレートを生成することができる。例えば、５５歳～７０歳の年齢の個体の脳を含む参照画像を取得することができる。これらの状況では、５５～７０歳群内の個体の脳に関連する特徴部の位置を示す参照画像から、１つ又は複数のテンプレートを生成することができる。５５～７０歳群内の個体とは異なる位置を有する、脳に関連する特徴部を有する可能性がある、４０～５４歳の個体に対して、さらなるテンプレートを生成することができる。さらなる例では、脳卒中が起こった個体、又は、限定されないが、胎児性ＰＣＡ、ＡＣＡの低形成若しくは無形性Ａ１セグメント、又は無形性若しくは低形成椎骨動脈等、脳血管系の正常変異がある個体の脳を含む参照画像から、１つ又は複数のテンプレートを生成することができる。

実装例では、脳画像解析システム１０２により、テンプレートを使用して、レジストレーションプロセスを使用して個体の脳に関連する特徴部の位置を決定することができる。レジストレーションプロセスは、画像１０４をテンプレートと位置合せして、画像１０４をテンプレートと空間的に位置合せすることができる。実装例では、脳画像解析システム１０２は、１つ又は複数の座標変換を実施して、画像１０４をテンプレートと位置合せすることができる。例示的な例では、脳画像解析システム１０２は、１つ又は複数のテンプレートに含まれる対応する特徴部との位置合せの閾値量を有する、画像１０４に含まれる特徴部を決定し、画像１０４に含まれる特徴部がテンプレートの特徴部に対応することを示すことができる。具体的な例示的な例では、脳画像解析システム１０２は、画像１０４の特徴部がテンプレートの内頸動脈に対応すると判断することができる。そして、脳画像解析システム１０２は、画像１０４の特徴部を内頸動脈として標識することができる。いくつかの例では、脳画像解析システム１０２は、画像１０４に含まれる特徴部が内頸動脈であることを示すメタデータを生成することができる。

さまざまな例では、１つ又は複数の第１テンプレートを使用して、第１半球１１４又は第２半球１１６のうちの少なくとも一方に位置するＩＣＡを同定することができる。さらに、１つ又は複数の第２テンプレートを使用して、第１半球１１４又は第２半球１１６のうちの少なくとも一方に位置するＭ１－ＭＣＡを同定することができる。さらに、１つ又は複数の第３テンプレートを使用して、第１半球１１４又は第２半球１１６のうちの少なくとも一方に位置するＭ２－ＭＣＡと、さらに遠位のＭＣＡ枝を同定することができる。１つ又は複数のさらなる例では、第１半球１１４及び第２半球１１６に位置する血管は、１つ又は複数の機械学習技法を使用して決定することができる。例えば、第１半球１１４及び第２半球１１６に位置する血管は、１つ又は複数の深層畳み込みニューラルネットワークを使用して同定することができる。脳１１０の１つ又は複数の領域もまた、１つ又は複数の畳み込みニューラルネットワーク等、１つ又は複数の機械学習技法を使用して決定することができる。

動作１２６において、脳画像解析システム１０２は、血管の特徴付けに関連する動作を実施することができる。すなわち、脳画像解析システム１０２は、修正画像データ１２４又は画像データ１０８のうちの少なくとも１つを解析し、画像１０４に含まれる血管を同定することができる。画像データ１０８に含まれる血管は、画像における管状物体を同定する１つ又は複数のフィルタリングアルゴリズムを使用して同定することができる。例示的な例では、脳画像解析システム１０２は、画像データ１０８におけるデータ点に関連する輝度値に基づき、画像１０４において管状物体を同定することができる。

脳画像解析システム１０２は、血管の特徴のセット１２８も求めることができる。例えば、脳画像解析システム１０２は、個体の脳内に位置する血管の直径を求めることができる。さらなる例では、脳画像解析システム１０２は、個体の脳内に含まれる血管の長さを求めることができる。さらに、脳画像解析システム１０２は、個体の脳内に含まれる血管の密度を求めることができる。さまざまな実装では、血管の密度は、画像１０４における血管の強度を使用して決定することができる。例示のために、ある材料によって吸収されるＸ線の量は、その材料の密度を示すことができ、その材料によって吸収されるＸ線の量は、画像１０４における材料の強度に対応することができる。画像１０４に含まれる特徴部の強度はまた、その特徴部の不透明度の尺度（ｍｅａｓｕｒｅ）に対応することができる。

脳画像解析システム１０２は、血管の１つ又は複数の特徴に従って、画像１０４に含まれる血管をグループ化することができる。例えば、画像１０４に含まれる血管は、血管の直径に従ってグループ化することができる。さらに、画像１０４に含まれる血管は、血管の長さに従ってグループ化することができる。さらなる例では、画像１０４に含まれる血管は、血管の密度に従ってグループ化することができる。例示的な実装では、脳画像解析システム１０２は、第１範囲の直径を有する第１グループ血管と、第２範囲の直径を有する血管の第２グループとを生成することができる。さまざまな例では、脳画像解析システム１０２は、少なくとも約０．２ｍｍから約４ｍｍ以下の直径を有する血管の第１グループと、少なくとも約４ｍｍから約１０ｍｍ以下の直径を有する血管の第２グループとを生成することができる。

脳画像解析システム１０２は、動作１３０において、個体の脳の異なる半球における血管の特徴の解析を実施することができる。脳画像解析システム１０２は、指定された直径を有するとともに、脳の所与の領域に位置している血管の密度を求めることができる。例えば、脳画像解析システム１０２は、脳の第１領域に位置している比較的大きい直径を有する血管及び血管のセグメントの密度を求めることができる。例示的なシナリオでは、脳画像解析システム１０２は、床突起上（ｓｕｐｒａｃｌｉｎｏｉｄ）ＩＣＡの直径を求めることができる。第１領域は、中大脳動脈の近位Ｍ１セグメントも含む場合もある。

脳画像解析システム１０２は、少なくとも脳の第２領域及び脳の第３領域等、第１領域の外側の脳の領域に位置する、約３．５ｍｍ以下等、比較的小さい直径を有する血管及び血管のセグメントの直径も求めることができる。例示のために、脳画像解析システム１０２は、中大脳動脈のＭ１セグメントの中部から遠位部を含む、脳の第２領域に位置する血管の直径を求めることができる。さらに、脳画像解析システム１０２によって解析されている脳の第３領域に位置する血管又は血管のセグメントは、中大脳動脈のＭ２セグメント及びＭ３セグメントを含むことができる。中大脳動脈のＭ２セグメント（例えば、上、下、分岐）は、島セグメントとも称することができる。

解剖学的テンプレート又は他の事前指定された特徴部によって同定される、脳の異なる部分に位置する血管の密度を求めた後、脳画像解析システム１０２は、脳の異なる半球にわたるそれぞれの領域に位置する密度、又は、血管の位置が解剖学的テンプレートを介して見つけられた場合は、その絶対ＨＵ値を比較することができる。実装例では、脳画像解析システム１０２は、患者の脳の第１半球の解剖学的テンプレートによって配置された領域内に位置する血管のＨＵ密度を、患者の脳の第２半球の対応する領域内に位置する血管の密度と比較することができる。１つ又は複数の例示的な例では、脳の半球間の血管密度の比較は、頭蓋内動脈を含む第１領域と、中大脳動脈のＭ１セグメントを含む第２領域と、中大脳動脈のＭ２セグメント及び中大脳動脈のさらなる遠位枝を含む第３領域とを含むことができる。

半球にわたる個体の脳の異なる部分に位置する血管の密度を比較することにより、半球間の血管の密度の差を求めることができる。異なる半球における血管の密度の差は、血管に関連する異常を示すことができる。実装例では、脳内に位置する血管の異常は、生物学的状態に対応する可能性がある。例示的な実装では、脳画像解析システム１０２は、個体の脳の第１半球の領域に位置する血管の密度と、個体の脳の第２半球の相対領域に位置する血管の密度との差を求めることができる。個体の脳の異なる半球の相対領域における血管差の差が少なくとも閾値量である状況では、脳画像解析システム１０２は、個体の脳のある領域における血管に関する異常の少なくとも閾値確率があると判断することができる。脳画像解析システム１０２は、個体の脳の第１半球に位置する領域が、個体の脳の第２半球の相対領域に位置する血管の密度に対して閾値量未満である血管密度を有する状況では、個体の脳の領域に位置する血管に関して異常が存在すると判断することができる。すなわち、個体の脳内の血管に関する異常の確率は、血管の密度が一方の半球から他方の半球に関して低下するに従い、増大する可能性がある。

いくつかの実装では、脳画像解析システム１０２は、個体の脳の半球にわたる複数の領域において血管密度の差を求めることができるが、他の状況では、脳画像解析システム１０２は、個体の脳の半球にわたる単一領域において血管密度の差を求めることができる。さまざまな実装では、脳画像解析システム１０２が脳の半球にわたる比較を実施する領域の数は、個体の脳の相対領域に位置する血管の密度の差の量に基づき、且つ／又は血管密度の少なくとも閾値量の差が存在する領域に基づくことができる。

脳画像解析システム１０２は、１３２において、個体の脳の修正画像を生成することができる。修正画像は、少なくとも一部には、修正画像データ１２４に基づいて生成することができる。さまざまな実装では、修正画像は、個体の脳の血管を示すことができる。修正画像は、個体の脳の異なる部分における血管密度の差も示すことができる。例示的な実装では、脳画像解析システム１０２は、異常な血管の存在のさまざまな確率に関連する可能性がある、個々の脳の領域を示す画像を生成することができる。脳画像解析システム１０２は、個体がある生物学的状態を有することを示す、個体の脳の領域を示す画像も生成することができる。例示的な例では、脳画像解析システム１０２は、個体１１２の脳１１０の血管を含む修正画像１３４を生成することができる。修正画像１３４は、脳画像解析システム１０２が、少なくとも異常であるという閾値確率を有すると判断した血管を含む、個体１１２の脳１１０の領域、及び／又は、個体１１２に関する生物学的状態の存在に対応する特徴を有する血管を含む、個体１１２の脳１１０の領域を示すユーザインタフェース要素１３６も含む。ユーザインタフェース要素１３６は、個体１１２の脳１１０に関して表示されるオーバレイであり得る。１つ又は複数の例示的な例では、脳画像解析システム１０２によって生成される修正画像は、さまざまなシナリオでは、最大値投影（ＭＩＰ：ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）を含むことができる。

図２は、１つ又は複数の実装例による、脳の血管を解析し、その解析に基づき血管の１つ又は複数の画像を生成するプロセス例２００を示す、絵図である。図２の例示的な例では、個体の脳を含む個体の、撮像装置によって取り込まれる画像に関して実施することができる、複数の動作が示されており、図２は、画像に対して実施されている動作の結果を示す複数の画像例を示す。

特に、図２は、自動脳主幹動脈閉塞（ＬＶＯ）検出アルゴリズムの絵図を含む。（１）医療におけるデジタル画像と通信（ＤＩＣＯＭ）フォーマットでの生の薄層スライスのＣＴ血管造影（ＣＴＡ）画像をインポートした後、（２）Ｃ１の上のスライスのみがさらなる処理に使用され、ＣＴ頭部固定具が取り除かれる。（３）次いで、ＣＴ頭部テンプレートが患者のＣＴＡと相互にレジストレーションされ、その後、（ＣＴテンプレート上で先行して画定された）ＣＴＡ解析領域は、患者のＣＴＡスキャン上に空間的に変換される。次に、すべての骨が除去される（４）。管状フィルタが適用されて（５）血管が抽出される。次いで、（６）大血管を構成するすべてのボクセルの密度（ハンスフィールド単位）和と遠位血管を構成するすべてのボクセルの密度和とが計算され、（７）半球の比較がなされる。（８）血管密度和が事前指定された閾値を下回る領域は、最大値投影においてカラーオーバレイとして強調表示される。ＩＣＡは内頸動脈を示し、ＭＣＡは中大脳動脈を示す。このプロセスについて、より詳細に後述する。

動作２０２において、プロセス２００は、データインポート動作を含む。データインポート動作は、個体の脳２０４を含む１つ又は複数の画像に対応する画像データを取得することを含むことができる。画像データは、ＤＩＣＯＭ標準規格に従ってフォーマットすることができる。さらに、画像データは、コンピュータ断層撮影血管造影（ＣＴＡ）撮像技術を使用してデータを生成する撮像装置から取得することができる。図２の例示的な例では、画像データを使用して、頭蓋、歯、顎、椎骨等、個体の他の身体部分に加えて個体の脳２０４を含む画像２０６を生成することができる。実装例では、画像を表すデータは、ボクセルとして表すことができる。個々のボクセルは、３次元空間における位置を有することができ、個々のボクセルは、ボクセルのそれぞれの位置に対応する情報を符号化することができる。例示的な例では、画像データに含まれるボクセルは、個々のボクセルに対応するそれぞれの位置に関して検出されたＸ線の強度を符号化することができる。ＣＴＡ検査の顕著な特徴は、ヨウ素等、Ｘ線減衰性である外因性造影剤の、患者の血流内への投与である。血管内のヨウ素は、Ｘ線を減衰させ、血管の自然な顕著性を増大させ、したがって、人が血管を正常組織から識別するのを容易にする。

プロセス２００は、動作２０８において、インポートされた画像データに関する前処理動作も含むことができる。例えば、患者の頭部よりも下方であるとともに患者の頸部を含む、画像２０６の部分２１０は、画像データから切り取ることができる。さまざまな実装では、個体の頭部に対応しない画像データの部分は、同定し、削除するか、又は、画像データを含む１つ又は複数のデータボリュームから移動させることができる。部分２１０に対応するデータが除去された後、画像２１２を生成することができる。さらに、画像２１６に示されている頭部固定具２１４に対応するデータもまた、前処理中に除去することができ、残りのデータを使用して、頭部固定具２１４を含まない画像２１８を生成することができる。頭部固定具２１４は、撮像装置の一部である可能性があり、画像データを取り込むために使用される撮像プロセス中に患者の頭部を保持するために使用することができる。画像の前処理は、１つ又は複数の撮像技術を使用して取得された初期画像に、１つ若しくは複数の体動補正及び／又は１つ若しくは複数の頭部傾斜補正を適用することも含むことができる。

加えて、動作２２０において、プロセス２００は、画像データの少なくとも一部から個体の解剖学的構造の部分を同定することを含むことができる。１つ又は複数のテンプレートを使用して、個体のさまざまな解剖学的部分を同定することができる。図２の例示的な例では、ヒトの頭部部分に対応する第１テンプレート２２２及び第２テンプレート２２４を、１つ又は複数の画像レジストレーション技法を使用して、画像データに含まれる患者の頭部の部分と位置合せすることができる。第１テンプレート２２２及び第２テンプレート２２４を患者の画像データと位置合せした後、画像２２６を生成することができる。個体の脳２０４の領域を同定するために、第３テンプレート２２８、第４テンプレート２３０、第５テンプレート２３２及び第６テンプレート２３４も使用することができる。すなわち、第３テンプレート２２８は、個体の脳２０４のある領域に対応することができ、第４テンプレート２３０は、個体の脳２０４のさらなる領域に対応することができ、第５テンプレート２３２は、個体の脳２０４の別の領域に対応することができ、第６テンプレート２３４は、個体の脳２０４のさらに別の領域に対応することができる。個体の画像データに関してテンプレート２２８、２３０、２３２、２３４を使用して、１つ又は複数の空間変換を実施することができる。テンプレート２２８、２３０、２３２、２３４が個体の画像データに位置合せされた後、画像２３６を生成することができ、そこでは、画像２３６は、個体の脳２０４に関するヒト脳の領域を示す。

動作２３８では、プロセス２００は、骨除去プロセスを含むことができ、２４０によって示される特徴部等、骨に対応する画像データの部分を画像データから除去することができる。実装例では、個体の画像データとレジストレーションされた、ヒト頭部に位置する骨を示す１つ又は複数のテンプレート２４２を使用して、骨２４０を同定することができる。骨２４０に対応するデータが特定された後、画像データから、骨２４０に対応するデータを除去することができる。元の画像データから骨２４０（並びに頭部固定具及び頸部）に対応する画像データの部分が除去された後、画像データの残りの部分に対応する画像２４４を生成することができる。

プロセス２００は、動作２４６において、画像データを使用して、個体の脳２０４内に又はその近くに位置する血管を検出することを含むことができる。画像データに含まれる管状物体を同定する１つ又は複数の技法を適用することにより、血管を検出することができる。例示的な例では、所与のボクセルと背景ボクセルとのコントラストの量に基づき管状物体を同定する１つ又は複数のフィルタリング技法により、血管を検出することができる。さらに、１つ又は複数のテンプレートを使用して、脳内の血管の位置を求めることができる。さらに、血管の直径に従って、血管をグループ化することができる。例えば、画像データに含まれる血管は、比較的小さい直径を有する第１グループと、比較的大きい直径を有する第２グループとに分割することができる。さまざまな実装では、一般性を失うことなく、血管の第１グループは、少なくとも約０．２ｍｍから約３ｍｍ以下の直径を有することができ、血管の第２グループは、少なくとも約３ｍｍから約１０ｍｍ以下の直径を有することができる。画像２４８は、脳２０４の比較的小さい血管のグループを含み、画像２５０は、脳２０４の比較的大きい血管のグループを含む。

さらに、動作２５２において、プロセス２００は、脳２０４の異なる領域に含まれる血管を評価することを含むことができる。加えて、脳２０４の異なる領域における血管に関して異なる解析を実施することができる。画像２５４は、脳２０４の第１半球に位置する第１領域をＲ１として示すとともに、脳２０４の第２半球に位置する相対第１領域をＲ１’として示す。Ｒ１及びＲ１’は、任意の形状であり、１つ又は複数の血管、及び／又は血管の１つ又は複数のセグメントを含むことができる。例えば、Ｒ１及びＲ１’は、内頸動脈の１つ又は複数のセグメント、又は、中大脳動脈の１つ又は複数のセグメントのうちの少なくとも１つを含むことができる。実装例では、Ｒ１及びＲ１’は、内頸動脈の頭蓋内部分と、中大脳動脈のＭ１セグメントの近位部とを含むことができる。さまざまな実装では、２５２における領域の評価は、比較的大きい直径を有する、領域Ｒ１に位置する血管に対応するボクセルの強度を求めることを含むことができる。加えて、比較的大きい直径を有する、領域Ｒ１に位置する血管に対応するボクセルの強度を総計して、これらの強度の和を求めることができる。さらに、比較的大きい直径を有する、領域Ｒ１に位置する血管に対応するボクセルの強度の和は、比較的大きい直径を有する、Ｒ１に位置する血管の長さに関して、評価することができる。

２５２における個体の脳２０４に含まれる血管の特徴の評価は、画像２５６においてＲ２として示す第２領域と、画像２５６においてＲ３として示す第３領域とに含まれる血管の特徴を解析することも含むことができる。領域Ｒ２及びＲ３は、任意の形状とすることができ、脳２０４の第１半球に位置している。さらに、画像２５６は、脳２０４の第２半球に位置する相対第２領域Ｒ２’及び相対第３領域Ｒ３’も含む。画像２５６は、脳２０４内の血管を同定し且つ／又はグループ化するために使用することができる１つ又は複数のテンプレートの領域に対応するオーバレイも含む。例示のために、画像２５６は、脳２０４の第１半球に位置する第１テンプレート領域Ｒ_Ｔ３と、脳２０４の第２半球に位置する第２テンプレート領域Ｒ_Ｔ３’とを示す。実装例では、第２領域Ｒ２及び相対第２領域Ｒ２’は、中大脳動脈のＭ１セグメントの遠位部と、中大脳動脈のＭ２セグメントの部分とを含むことができる。さらに、第３領域Ｒ３及び相対第３領域Ｒ３’は、中大脳動脈のＭ３セグメント、及び場合により中大脳動脈のＭ４セグメント等、中大脳動脈のより遠位のセグメントを含むことができる。領域Ｒ２、Ｒ３、Ｒ２’及びＲ３’に含まれる血管は、領域Ｒ１及びＲ１’に含まれる血管の直径に関して比較的小さい直径を有することができる。さまざまな実装では、領域Ｒ２、Ｒ３、Ｒ２’及びＲ３’に含まれる、２５６における血管の特徴の評価は、領域Ｒ２、Ｒ３、Ｒ２’及びＲ３’に位置する血管に対応するボクセルのＨＵ強度を求めることを含むことができる。いくつかの例示的な例では、それぞれの領域Ｒ２、Ｒ３、Ｒ２’及びＲ３’に位置する血管に対応するボクセルの強度の和を求めることができる。すなわち、領域Ｒ２に位置する血管に対応するボクセルの強度の和を求めることができ、領域Ｒ３に位置する血管に対応するボクセルの強度の和を求めることができ、領域Ｒ２に位置する血管に対応するボクセルの強度の和を求めることができ、領域Ｒ３’に位置する血管に対応するボクセルの強度の和を求めることができる。

プロセス２００は、動作２５８において、脳２０４の血管内に異常が存在するか否かを判断する動作を実施することを含むことができる。脳２０４の領域の血管に異常が存在するか否かの判断は、脳２０４の半球にわたる血管の強度の比を求めることを含むことができる。例えば、Ｒ１に位置する血管に対応するボクセルの強度の、Ｒ１’に位置する血管に対応するボクセルの強度に対する差を示す第１比を求めることができる。加えて、Ｒ２に位置する血管に対応するボクセルの強度の、Ｒ２’に位置する血管に対応するボクセルの強度に対する差を示す第２比を求めることができる。さらに、Ｒ３に位置する血管に対応するボクセルの強度の、Ｒ３’に位置する血管に対応するボクセルの強度に対する差を示す第３比を求めることができる。

脳２０４の半球にわたる異なる領域に位置する血管に対応するボクセルの強度の差を求めることにより、脳２０４の半球にわたる個々の領域における血管密度の差を特定することができる。脳２０４の異なる半球における実質的に対称的に位置する領域に位置する血管の密度の差が、１つ又は複数の閾値差よりも大きい状況では、異常が存在する可能性がある。さまざまな実装では、脳２０４の異なる半球における相対領域のボクセルの強度の差を示す比を求めた後、個々の領域に対して、その比を閾値と比較することができる。閾値は、血管に関して異常が存在する確率を示すことができる。半球の比の代わりに単一位置を使用する場合、血流における典型的な量のヨウ素造影剤で正常血管が不透明化した状態で、ＨＵ値に対する絶対的な又は相対的な変化を評価することができる。ヨウ素不透明化のこれらの正常なＨＵ値は、大動脈弓等、各患者の大血管からの文献値又は参照値から得られる、２００～３００ＨＵであり得る。

例示的な例では、脳２０４に関連する血管の異常の検出において、閾値のスキーマを実施することができる。例えば、このスキーマは複数の層を含みことができ、第１層が、脳２０４の異なる半球に位置する相対領域に対する血管密度の緩やかな低下を示すとともに、脳２０４の異なる半球における相対領域の間の血管密度の最大差を示す最後の層までわたっている。実装例では、スキーマの第１層は、脳２０４の第１半球に位置する領域と、脳２０４の第２領域に位置する相対領域との間における、少なくとも約８０％から約１００％までの血管密度の低下に対応することができる。さらに、スキーマの第２層は、脳２０４の第１半球に位置する領域と、脳２０４の第２半球に位置する相対領域との間における、少なくとも約７５％から約８０％以下までの血管密度の低下に対応することができる。スキーマの第３層は、脳２０４の第１半球に位置する領域と、脳２０４の第２半球に位置する相対領域との間における、少なくとも約６０％から約７４％以下までの血管密度の低下に対応することができる。スキーマの第４層は、脳２０４の第１半球に位置する領域と、脳２０４の第２半球に位置する相対領域との間における、少なくとも約４５％から約５９％以下までの血管密度の低下に対応することができる。さらに、スキーマの第５層は、脳の第１半球に位置する領域と、脳２０４の第２半球に位置する相対領域との間における、約４５％以下の血管密度の低下に対応することができる。スキーマの例示的な例を上述しているが、層の数、閾値レベル及び範囲に対する他のさまざまな値を選択することができる。

血管における異常を決定するために適用される閾値は、異なる領域に対して異なる可能性がある。例示的な例では、脳２０４の１つの領域において異常を検出するための閾値は、スキーマの１つの層に対応することができ、脳２０４の別の領域において異常を検出するための閾値は、スキーマの別の層に対応することができる。さらなる例示的な例では、脳２０４のＲ１又はＲ１’領域において血管の異常を検出するための閾値は、領域Ｒ１及びＲ１’に位置する相対血管の少なくとも１つの対の間における血管密度の少なくとも約６０％から７５％以下の低下であり得る。さらなる例示的な例では、脳２０４のＲ２又はＲ２’領域において血管の異常を検出するための閾値は、領域Ｒ２及びＲ２’に位置する相対血管の少なくとも１つの対の間における血管密度の約４５％以下の低下であり得る。

さまざまな実装では、脳２０４の領域に対して、いくつかの領域において半球にわたる血管の密度の比較が、別の領域における半球にわたる血管密度の閾値低下が満足されるまで実施されないように、優先順位を割り当てることができる。例示のために、領域Ｒ１と領域Ｒ１’との血管密度の差が差の閾値範囲内にない限り、領域Ｒ２と領域Ｒ２’との血管密度の差を求めることはできない。加えて、領域Ｒ２と領域Ｒ２’との血管密度の差が差の閾値範囲内にない限り、領域Ｒ３と領域Ｒ３’との血管密度の差を求めることはできない。領域Ｒ１、Ｒ２、Ｒ３、Ｒ１’、Ｒ２’又はＲ３’のうちの１つ又は複数における血管密度の低下の量に基づき、個体の脳２０４において異常を検出することができる。

さらなる実装では、Ｒ１領域及びＲ１’領域における血管密度の差が第１閾値密度よりも大きいシナリオでは、脳半球の間の血管密度の比較解析は停止する可能性があり、Ｒ１領域又はＲ１’領域に位置する血管の異常を推断することができる。Ｒ１領域及びＲ１’領域における血管密度が第１閾値密度よりも小さい状況では、領域Ｒ２と領域Ｒ２’との血管密度の差の解析を実施することができる。これらの状況では、Ｒ２領域及びＲ２’領域における血管密度の差を求めることができる。Ｒ２領域及びＲ２’領域の血管の間の密度が第２閾値密度よりも大きい場合、脳の連続した半球の血管密度の比較解析は停止する可能性があり、Ｒ２領域又はＲ２’領域に位置する異常を推断することができる。さまざまな例では、第２閾値密度は、第１閾値密度とは異なり得る。Ｒ２領域又はＲ２’領域における血管密度が第２閾値密度よりも小さいシナリオでは、Ｒ３領域及びＲ３’領域における血管密度を解析して、脳２０４のＲ３領域又はＲ３’領域に位置する１つ又は複数の血管に異常が存在するか否かを判断することができる。このように、脳２０４のそれぞれの半球に位置する比較的対称的な領域の間の初期比較解析が解析され、先行する領域の対に異常が見つからない場合を除き、脳２０４のさらなる領域の比較解析が実施されない、漸進的解析を実施することができる。

動作２６０において、プロセス２００は、血管における異常が存在する可能性がある、個体の脳２０４のあり得る領域を示す報告を生成することを含むことができる。実装では、最大値投影（ＭＩＰ）画像を生成するために使用することができるデータを生成することができる。ＭＩＰ画像は、個体の脳２０４の特徴部を含むことができる。例えば、ＭＩＰ画像は、個体の脳２０４の血管を含むことができる。さまざまな実装では、ＭＩＰ画像を生成するために使用されるデータは、２０２で取得された初期画像データのサブセットであり得る。実装例では、ＭＩＰ画像を生成するために使用されるデータは、２０２でインポートされた初期データを含むことができ、頭部以外の個体の身体の特徴部、骨に対応する頭部の部分、及び、初期画像データを生成するために使用された撮像装置の頭部固定具等、個体の身体の外側に位置する特徴部に対応する、初期データの部分は除去されている。

さらに、血管異常を含む可能性がある脳２０４の領域を、強調表示することができる。いくつかの実装では、血管異常を含む可能性がある、脳２０４の１つ又は複数の領域を示す、１つ又は複数のオーバレイを生成することができる。例示的な例では、オーバレイの色は、個体の脳２０４の血管における異常の確率又は重症度のうちの少なくとも一方に対応することができる。例示的な実装では、青色は、少なくとも約７５％から約８０％以下までの、脳領域に対する半球の間の血管密度の低下に対応することができる。さらに、緑色は、少なくとも約６０％から約７５％以下までの、脳領域に対する半球の間の血管密度の低下に対応することができ、黄色は、少なくとも約４５％から約６０％以下までの、脳領域に対する半球の間の血管密度の低下に対応することができる。さらに、赤色は、４５％以下の、脳領域に対する半球の間の血管密度の低下に対応することができる。さまざまな例では、８０％を超える、脳領域に対する半球の間の血管密度の低下は、画像において色によって示されない場合がある。図２の例示的な例では、画像２６２は、強調表示部分２６４を含み、それは、その強調表示部分２６４に対応するその領域におけるあり得る血管異常を示す。図２の例示的な例は、強調表示部分２６８を有する画像２６６も含み、その強調表示部分２６８に対応するその領域におけるあり得る血管異常を示す。

ＭＩＰ画像に対するデータが生成された後、そのデータをエクスポートして、臨床医に表示することができるユーザインタフェースを生成するために使用することができる。ＭＩＰ画像に対するデータは、ＤＩＣＯＭ標準規格に従ってフォーマットすることができる。実装例では、臨床医による画像の検討に対して、画像に含まれるオーバレイの色分けに基づいて優先順位を付けることができる。例えば、赤色オーバレイを含む画像に対して、緑色オーバレイを含む画像よりも、検討に対して高い優先順位を付けることができ、緑色オーバレイを含む画像に対して、青色オーバレイを含む画像又はオーバレイのない画像よりも、検討に対して高い優先順位を付けることができる。プロセス２００の結果に基づく画像検討の優先順位付けにより、個体の脳内の血管異常に関連する生物学的状態の発症と、治療が個体に提供されるときとの間の時間の量を最小限にすることができる。したがって、異常によってもたらされる悪影響もまた最小限にすることができる。

図３は、１つ又は複数の実装例による、脳の一方の半球に位置する血管を、脳の別の半球に位置するさらなる血管に関連して解析する、フレームワーク例３００を示す図である。フレームワーク３００は、動作３０２において、個体の脳３０４の半球間で血管の密度値を比較することを含むことができる。例示のために、脳３０４は、第１半球３０６及び第２半球３０８を含むことができる。図３の例示的な例は、値の第１範囲に含まれる直径の血管を有する脳３０４の血管を含む第１図解３１０と、値の第２範囲に含まれる直径の血管を有する脳３０４の血管を含む第２図解３１２とを含む。さまざまな実装では、値の第１範囲に含まれる直径の少なくとも一部は、値の第２範囲に含まれる直径よりも大きい可能性がある。例示的な例では、図解３１０に示す値の第１範囲に含まれる直径は、少なくとも約３ｍｍから約８ｍｍ以下、少なくとも約３．５ｍｍから約９ｍｍ以下、少なくとも約４ｍｍから約１０ｍｍ以下、又は少なくとも約３．２ｍｍから約１０．５ｍｍ以下であり得る。さらに、図解３１２に示す値の第２範囲に含まれる直径は、少なくとも約０．１ｍｍから約３ｍｍ以下、少なくとも約０．３ｍｍから約３．５ｍｍ以下、少なくとも約０．５ｍｍから約４ｍｍ以下、又は少なくとも約０．１ｍｍから約２．８ｍｍ以下であり得る。

脳３０４は、複数の領域に分割することができ、第１半球３０６の領域は第２半球３０８に相対領域を有する。例えば、第１半球３０６は第１領域３１４を含むことができ、第２半球３０８は、第１領域３１４に対応するとともに第１領域３１４に関して実質的に対称的に位置する、第１相対領域３１６を有することができる。さらに、第１半球３０６は第２領域３１８を含むことができ、第２半球３０８は、第２領域３１８に対応するとともに第２領域３１８に関して実質的に対称的に位置する第２相対領域３２０を含むことができる。さらに、第１半球３０６は第３領域３２２を含むことができ、第２半球３０８は、第３領域３２２に対応するとともに第３領域３２２に関して実質的に対称的に位置する第３相対領域３２４を含むことができる。

例示的な例では、第１領域３１４は、第１半球３０６に位置する、頭蓋内内頸動脈の少なくとも一部と、中大脳動脈のＭ１セグメントの近位部とを含むことができ、相対第１領域３１６は、第２半球３０８に位置する、頭蓋内内頸動脈の少なくとも一部と、中大脳動脈のＭ１セグメントの近位部とを含むことができる。さらなる例示的な例では、第２領域３１８は、第１半球３０６に位置する、中大脳動脈のＭ１セグメントの中部から遠位部を含むことができ、相対第２領域３２０は、第２半球３０８に位置する、中大脳動脈のＭ１セグメントの中部から遠位部を含むことができる。さらに別の例示的な例では、第３領域３２２は、第１半球３０６に位置する、中大脳動脈のＭ２セグメントのうちの１つ又は複数の少なくとも一部を含むことができ、相対第３領域３２４は、第２半球３０８に位置する、中大脳動脈のＭ２セグメントのうちの１つ又は複数の少なくとも一部を含むことができる。さまざまな実装例では、第３領域３２２は、第１半球３０６に位置する中大脳動脈のＭ３セグメントのうちの１つ又は複数の少なくとも一部を含むことができ、相対第３領域３２４は、第２半球３０８に位置する中大脳動脈のＭ３セグメントのうちの１つ又は複数の少なくとも一部を含むことができる。

脳３０４の半球の間の血管の密度値の比較は、脳３０４の両半球３０６、３０８における個々の血管及び／又は血管のセグメントに対する密度値を求めることを含むことができる。例えば、第１血管３２６に対して密度を求めることができ、相対第１血管３２８に対して密度を求めることができる。さらに、第２血管３３０に対して密度を求めることができ、相対第２血管３３２に対して密度を求めることができる。さらなる例示的な例では、第３血管３３４に対して密度を求めることができ、相対第３血管３３６に対して密度を求めることができる。さらに追加の例示的な例では、第４血管３３８に対して密度を求めることができ、相対第４血管３４０に対して密度を求めることができる。また、第５血管３４２に対して密度を求めることができ、相対第５血管３４４に対して密度を求めることができる。

血管３２６、３３０、３３４、３３８、３４２及び相対血管３２８、３３２、３３６、３４０、３４４に対して密度値を求めた後、それらの密度値を比較することができる。例示のために、第１血管３２６の密度値は、相対第１血管３２８の密度値と比較することができる。また、第２血管３３０の密度値は、相対第２血管３３２の密度値と比較することができる。加えて、第３血管３３４の密度値は、相対第３血管３３６の密度値と比較することができる。さらに、第４血管３３８の密度値は、相対第４血管３４０の密度値と比較することができる。第５血管３４２の密度値もまた、相対第５血管３４４の密度値と比較することができる。

さまざまな実装では、脳３０４のある領域に位置する個々の血管の密度値の和を求めて、相対領域における血管密度の和と比較することができる。例えば、第２領域３１８に位置する血管の密度の和は、第２血管３３０の密度を第３血管３３２の密度に且つ第５血管３４２の密度に可算することにより、求めることができる。さらに、相対第２領域３２０に位置する血管の密度の和は、相対第２血管３３２の密度を相対第３血管３３６の密度に且つ相対第５血管３４４の密度に可算することにより、求めることができる。そして、第２領域３１８に対する血管密度の和を、相対第２領域３２０に対する血管密度の和と比較することができる。

フレームワーク３００は、動作３４６において、脳３０４の異なる半球３０６、３０８における血管の密度値の差を示す尺度を求めることも含むことができる。さまざまな実装では、半球３０６、３０８の間の血管の密度値の差を示す尺度は、第１半球３０６のある領域に位置する少なくとも１つの血管の、第２半球３０８の相対領域に位置する少なくとも１つの血管の血管密度に対する血管密度に基づく、比を含むことができる。例示的な例では、第１血管３２６の密度の値と相対第１血管３２８の密度の値とを使用して、比を求めることができる。実装例では、半球３０６、３０８にわたる血管密度の差は、百分率差として表すことができる。例示のために、第１半球３０６のある領域に位置する少なくとも１つの血管の密度の、第２半球３０８の相対領域に位置する少なくとも１つの血管の密度に対する差の百分率を、求めることができる。実装では、半球３０６、３０８のうちの一方に位置する１つ又は複数の血管の密度の、半球３０６、３０８のうちの他方に位置する１つ又は複数の相対血管に対する低下の百分率を、求めることができる。例えば、相対第２血管３３２の密度が第２血管３３０の密度の７０％であることを示す尺度を求めることができる。別の例では、相対第２血管３３２及び相対第３血管３３６の密度の和が、第２血管３３０及び第３血管３３４の密度の和の６５％であることを示す尺度を求めることができる。

３４８において、フレームワーク３００は、基準３５０等、１つ又は複数の基準に基づいて尺度を評価することを含むことができる。例えば、動作３４６で求められた尺度を、１つ又は複数の閾値と比較することができる。実装では、閾値は、脳３０４の血管に関する異常の確率を示すことができる。さらに、閾値は、脳３０４の血管に関する異常の重症度を示すことができる。さまざまな実装では、一方の半球３０６、３０８に位置する１つ又は複数の血管の、他方の半球３０６、３０８に位置する１つ又は複数の相対血管の密度に関する低下が大きいほど、脳３０４に関連する血管に関して異常が存在する確率が高いこと、又は、脳３０４に関連する血管の異常の重症度が高いことのうちの少なくとも一方を示すことができる。例示的な例では、少なくとも約４５％から約６０％以下である、異なる半球３０６、３０８に位置する相対血管の１つ又は複数の対の間の密度の低下は、少なくとも約７５％から約８０％以下である、異なる半球３０６、３０８に位置する相対血管の対の間の密度の低下よりも、脳３０４において１つ又は複数の血管の異常が存在する確率が高いこと、又は、脳３０４に関連する１つ又は複数の血管の異常の重症度が高いこととのうちの少なくとも一方を示すことができる。

さらに、脳３０４の異なる領域に関連する血管に対する優先順位を使用して、それぞれの領域に位置する血管の密度値の差を示す尺度を評価することができる。例示的な例では、第１領域３１４及び相対第１領域３１６に位置する血管に対する密度値の差が１つ又は複数の閾値基準を満足させるまで、第２領域３１８及び相対第２領域３２０に位置する血管に対する密度値の差を示す尺度を評価することができない。さらに、第２領域３１８及び相対第２領域３２０に位置する血管に対する密度値の差が１つ又は複数の閾値基準を満足させるまで、第３領域３２２及び相対第３領域３２４に位置する血管に対する密度値の差を示す尺度を評価することができない。さまざまな実装では、領域優先順位は、血管密度差が、脳３０４の他の領域における血管密度差よりも比較的高い、脳の血管に関する異常の確率を示す、脳３０４の領域を示すことができる。領域優先順位は、血管密度差が、ある領域の血管において脳３０４の別の領域における血管密度差よりも高い異常の重症度を示す、脳３０４の領域も示すことができる。

図４は、１つ又は複数の実装例による、血管の経路を追跡することにより個体の脳内に位置する血管を解析するプロセスの図解例４００を示す図である。図解４００は、脳の他の部分に対するコントラストにより脳の血管を示すことができる。ヨウ素等の造影剤を個体内に注入することができ、脳の血管内の造影剤の位置を示す、ＣＴＡ等の撮像技法を実施することができる。１つ又は複数の実装では、脳内の血管の存在は、造影剤が見出される脳内の位置と、造影剤が存在しないか又は１つ若しくは複数の閾値量未満の量で存在する脳内の位置とのコントラストの量を測定することにより、追跡することができる。さまざまな例では、図４に関して記載する技法は、対称的に位置する血管に対する血管密度の比較解析を実施することができない状況において実施することができる。

図解４００は、第１血管４０２及び第２血管４０４を含む複数の血管を示す。図４に示す血管に沿った経路を追跡して、予測される終点の前で経路が終端しているか否かを判断することができる。ＭＣＡの一部で起始している血管の経路を追跡することができる。図４の例示的な例では、図解４００は、脳の第１半球に位置する第１ＭＣＡ領域４０６と、脳の第２半球に位置する第２ＭＣＡ領域とを示す。第１ＭＣＡ領域４０６は、脳の一方の半球におけるＭＣＡの近位端に位置することができ、第２ＭＣＡ領域４０８は、脳の第２半球におけるＭＣＡの近位端に位置することができる。さらに、第１始点４１０が、第１ＭＣＡ領域４０６に位置することができ、第１血管４２０を追跡する開始位置を示すことができる。さらに、第２始点４１２が、第２ＭＣＡ領域４０８に位置することができ、第２血管４０４を追跡する開始位置を示すことができる。第１ＭＣＡ領域４０６内のボクセルであって、第１ＭＣＡ領域４０６内に位置するさらなるボクセルに関連して最大の血管性（ｖｅｓｓｅｌｎｅｓｓ）値を有するボクセルを決定することにより、第１始点４１０を特定することができる。本明細書で用いる場合の「血管性値」は、所与のボクセルが血管の少なくとも一部を含む確率に対応することができる。加えて、第２ＭＣＡ領域４０８内のボクセルであって、第２ＭＣＡ領域４０８内に位置するさらなるボクセルに関連して最大の血管性値を有するボクセルを決定することにより、第２始点４１２を特定することができる。第１ＭＣＡ領域４０６又は第２ＭＣＡ領域４０８のうちの少なくとも一方に含まれるボクセルに対する血管性値は、背景に関する相対ＨＵの輝度の量を示すことができる。１つ又は複数の例示的な例では、ヘシアン（Ｈｅｓｓｉａｎ）フィルタ行列の固有値を計算することにより、第１ＭＣＡ領域４０６又は第２ＭＣＡ領域４０８のうちの少なくとも一方に位置するボクセルに対する血管性値を求めることができる。ヘシアンフィルタ行列の固有値は、ヘシアンフィルタで計算された主固有ベクトル次元に沿ったコントラストの変化に対応することができる。

経路をトラッキングすべき各血管に対して、終点も求めることができる。図解４００は、第１血管４０２に対応する第１終点４１４と、第２血管４０４に対応する第２終点４１６とを含むことができる。第１終点４１４及び第２終点４１６は、ＭＣＡ遠位端が脳の遠位部に達するために通過する脳のそれぞれの領域に対応することができる。１つ又は複数の実装では、図解４００は、第１終点４１４で終端する第１血管４０２に沿った第１経路４１８を示す。図解４００は、第２終点４１６に達する前に終端する第２血管４０４に沿った第２経路４２０も示す。

第１経路４１８及び第２経路４２０は、第１始点４１０及び第２始点４１２で開始するボクセルに沿った最低コストの経路を特定することにより決定することができる。１つ又は複数の例では、第１経路４１８は、第１始点４１０で開始し、第１始点４１０からのすべてのあり得る経路を評価して現時点での最低コストを有する経路に沿って移動することにより、継続することができる。第２経路４２０は、第２始点４１２で開始し、第２始点からのすべてのあり得る経路を評価して現時点での最低コストを有する経路に沿って移動することにより、継続することができる。さまざまな例では、第１経路４１８及び第２経路４２０は、第１血管４０２及び第２血管４０４に沿った最低コストの経路の再帰探索を実施することにより決定することができる。比較的高い血管性値を有するボクセルは、背景に関して比較的高い量のコントラストを有するとともに、血液の流れが妨げられない血管に対応する、図解４００内の位置に対応する。１つ又は複数の例では、比較的高い血管性値を有するボクセルに移動するコストは、比較的低い血管性値を有するボクセルに移動するコストよりも低い。さまざまな例では、閾値未満である血管性値又はゼロを含むか若しくはゼロに近づく血管性値を有するボクセルを通過するコストは、通過するのに非常に高いか又は無限のコストを有する可能性がある。

探索は、第１終点４１４又は第２終点４１６等の終点とともに位置するボクセルに達すると、終了することができる。１つ又は複数の実装では、第１終点４１４に位置する少なくとも１つのボクセルと、第２終点４１６に位置する少なくとも１つのボクセルとは、第１終点４１４又は第２終点内にあるものとして標識することができる。これらのシナリオでは、第１終点４１４又は第２終点４１６に位置していることに対応する標識を有するボクセルの検出により、第１血管４０２又は第２血管４０４に沿った最低コストの経路に対する探索を終了することができる。さらに、探索は、現ボクセルから移動すべきボクセルが残っていないと判断することに応じて終了することができる。例えば、有限コストを有する第１血管４０２又は第２血管４０４に対応するボクセルにはすでに訪れており、有限コストが存在するさらなるボクセルは残っていない。これらの状況では、経路は、終点に位置しているものとして標識されたボクセルに達する前に終了する可能性がある。さらなる例では、探索は、現時点での最低コストの経路の総コストが事前定義された最大コストに対応すると判断することに応じて、終了することができる。事前定義された最大コストに達する少なくともいくつかの状況では、経路は、終点に位置しているものとして標識されたボクセルに達する前にも終端する可能性がある。血管内の血流の中断、又は閾値量を超える血管の狭窄は、その血管に対する終点に達する前の血管に沿った経路の終了によって示すことができる。これらの状況では、患者の脳の画像の上にあり得るＬＶＯを示すことができる。

１つ又は複数の実装では、血管の位置は、１つ又は複数のテンプレートを使用して決定することができる。例示のために、第１血管４０２の位置及び第２血管４０４の位置は、脳内に位置する血管の位置を示す１つ又は複数のテンプレートを使用して決定することができる。１つ又は複数のテンプレートによって指定されるように、血管の位置に関して、ＨＵ値の解析を実施することができる。１つ又は複数の例では、ＨＵ値は、１つ又は複数のテンプレートによって指定される血管の位置の、約±５％、±１０％、±１５％、±２０％又は±２５％等の許容範囲内で決定することができる。

図４の例示的な例では、図解４００は、第１経路４１８が第１始点４１０で開始し、第１終点４１４内の位置まで進むことを示す。したがって、この状況では、第１始点４１０から第１終点４１４までの第１血管４０２内の閉塞の可能性は、比較的低い。図解４００は、第２経路４２０が第２始点４１２で開始し、第２終点４１６に達する前に終了することも示す。したがって、このシナリオでは、第２始点４１２と第２終点４１６との間の第２血管４０４内の閉塞の可能性は、比較的高い。図４に関して記載する技法を使用して、ＩＣＡ及びＭＣＡのさまざまな部分等、脳の半球に対称的に配置され得る血管内の異常を決定することができる。さらに、図４に関して記載する技法を使用して、脳底動脈等、対称性のない単一血管における異常を決定し、又は血栓の遠位／後の血流の再構成により比較的短いセグメントにわたり閉塞が発生しているか否かを判断することも可能である。

図５は、１つ又は複数の実装例による、個体の脳内に位置する血管に関して異常がある確率を求めるプロセス例５００のフロー図である。動作５０２において、プロセス５００は、個体の脳内に位置する血管を示す１つ又は複数の画像に対応する画像データを取得することを含むことができる。画像データは、コンピュータ断層撮影（ＣＴ）撮像装置又は磁気共鳴画像化（ＭＲＩ）装置等の撮像装置によって生成することができる。さまざまな実装では、画像データは、ボクセルとして１つ又は複数の画像に含まれる特徴部を表すことができる。ボクセルは、３次元空間において互いに関する位置を有することができる。さらに、個々のボクセルは、強度値に関連付けることができる。

例示的な例では、コンピュータ断層撮影撮像装置は、複数のＸ線検出器を含み、Ｘ線検出器によって検出されるＸ線をさまざまな角度で放出することができる。画像データは、スライスでデータを指定された間隔で取り込むＣＴ撮像装置によって生成することができる。スライスは、少なくとも約０．５ｍｍから約５ｍｍ以下の厚さを有し、少なくとも約０．５ｍｍから約５ｍｍ以下の増分で取り込まれ得る。所与の検出器で検出されるＸ線の強度は、画像においてグレースケールに従って表すことができる。画像の一部の強度は、画像のその部分に含まれる物質の密度に対応することができる。例示的な例では、物質の密度は、ハンスフィールド単位で表すことができ、物質のハンスフィールド密度は、その物質の物理的密度に対応することができる。慣習により、比較的高密度である物質は、ＣＴ画像において比較的白い色として見える可能性があり、比較的低密度である物質は、ＣＴ画像において比較的暗い色として見える可能性がある。ＣＴ撮像装置によって検出される強度は、撮像されている物質の不透明度にも対応することができる。さまざまな例示的な例では、撮像装置は、ＣＴ血管造影（ＣＴＡ）撮像装置を含むことができる。

加えて、動作５０４において、プロセス５００は、脳の第１半球の第１領域に位置する血管の第１グループに対して密度の第１尺度を求めることを含むことができる。例示的な例では、第１領域は、第１半球に位置する、頭蓋内内頸動脈の少なくとも一部と中大脳動脈のＭ１セグメントの少なくとも一部とを含むことができる。血管の第１グループに対する密度の第１尺度は、画像データに含まれる強度値に基づくことができる。第１グループに含まれる個々の血管に対する密度は、個々の血管に対応するボクセルに関連する強度値を加算することにより求めることができる。実装例では、第１グループに含まれる血管に対する密度の個々の尺度を加算して、第１尺度の和を生成することができる。

プロセス５００は、５０６において、脳の第２半球の第２領域に位置する血管の第２グループに対して密度の第２尺度を求めることを含むことができる。第２領域は、第１領域に対する相対領域であり得る。さまざまな実装では、第２領域は、第１領域に関して実質的に対称的に位置することができる。例示的な例では、第２領域は、第２半球に位置する、頭蓋内内頸動脈の少なくとも一部と中大脳動脈のＭ１セグメントの少なくとも一部とを含むことができる。血管の第２グループに対する密度の第２尺度は、画像データに含まれる強度値に基づくことができる。第２グループに含まれる個々の血管に対する密度は、個々の血管に対応するボクセルに関連する強度値を加算することにより求めることができる。実装例では、第２グループに含まれる血管に対する密度の個々の尺度を加算して、第２尺度の和を生成することができる。

動作５０８において、プロセス５００は、脳の異なる半球に位置する個々の領域の間の１つ又は複数の差異を示す尺度を求めることを含むことができる。この尺度は、密度の第１尺度と密度の第２尺度との差を示すことができる。さまざまな実装では、第１半球及び第２半球に位置する個々の血管の密度値の差を求めることができる。例えば、第１半球に位置する頭蓋内内頸動脈の密度の尺度と、第２半球に位置する頭蓋内内頸動脈の密度の尺度との差を、求めることができる。さらなる例では、第１半球に位置する中大脳動脈のＭ１セグメントの密度の尺度と、第２半球に位置する中大脳動脈のＭ１セグメントの密度の尺度との差を、求めることができる。さまざまな実装では、血管の第１グループに対する密度の第１尺度の和と、血管の第２グループに対する密度の第２尺度の和との差を、求めることができる。実装例では、密度の第１尺度と密度の第２尺度との１つ又は複数の差を示すように、１つ又は複数の比を求めることができる。例示のために、血管の第２グループの密度の個々の尺度に対する、血管の第１グループの密度の個々の尺度に対応する比を、求めることができる。さらに、密度の第２尺度の和に対する密度の第１尺度の和に対応する比を、求めることができる。

さらに、動作５１０において、少なくとも個体の脳内に位置する領域に関する異常の確率を、求めることができる。さまざまな実装では、異常は、個体の脳の領域に位置する少なくとも１つの血管の閉塞を含むことができる。例示的な例では、閉塞は、脳主幹動脈閉塞であり得る。さらに、個体の脳内に位置する少なくとも１つの血管の閉塞は、脳卒中を起こしている個体を示すことができる。

実装では、血管に関して異常が存在する確率は、個体の脳の異なる半球に位置する血管の密度の差に対応することができる。異なる半球における血管密度の差の量の尺度は、一方の半球（例えば、同側半球）における、別の半球（例えば、対側半球）における平均血管信号密度に関連する、平均血管信号密度に対応することができる。さまざまな実装では、血管の密度の低下は、血管に関する異常を示すことができる。血管の密度の低下は、血管の密度を対向する半球におけるその相対血管と比較することにより特定することができる。個体の脳の第１半球に位置する第１血管の密度が、少なくとも、脳の第２半球における相対血管の密度よりも小さい閾値量である状況では、第１血管に異常が存在する可能性がある確率は、閾値確率よりも高い可能性がある。さらに、脳の領域に位置する血管のグループの密度の低下の量は、そのグループに含まれる血管のうちの少なくとも１つにおける異常の確率を示すことができる。例示のために、脳の第１半球のある領域に含まれる血管の第１グループに対する密度値の和の、脳の第２半球の相対領域に含まれる血管の第２グループに対する密度値の和に対する低下の量は、血管の第１グループに含まれる少なくとも１つの血管に関して異常が存在する確率を示すことができる。

１つ又は複数の例では、閾値確率基準は、脳の同側領域と対側領域との血管密度比に対応することができ、そこでは、第１領域がＩＣＡを含むことができ、第２領域がＭ１－ＭＣＡを含むことができ、第３領域がＭ２－ＭＣＡとさらに遠位のＭＣＡ枝とを含むことができる。これらの状況では、１．０という血管密度値は、両半球の血管の間の等しい密度に対応することができる。異常を決定するための閾値は、閉塞に対する感度が低いように相対的に低く設定され得るが、相対的に高い特異度を有することができる。例示のために、比較的低い閾値（例えば、０．３）は、この領域における正常な対側血管密度に対して同側血管密度を極度に（すなわち、３０％まで）低下させる必要があることを意味する可能性がある。血管密度が比較的大きい量で低下する場合、ＬＶＯを特定する確率は比較的高く、偽検出の可能性は比較的低い（すなわち、高い特異度）。これらの状況では、極度の血管密度の低下があるＬＶＯのみが基準を満たすことになるため、いくつかのＬＶＯは見落とされる可能性がある。このため、こうした閾値により感度が低くなる。逆に、閾値が０．８に設定される場合、８０％の血管密度差を使用してＬＶＯを同定することができる。これにより、この閾値で感度が高くなる。しかしながら、自然な半球の差異又はＬＶＯに似たものもまた、同様の血管密度変化をもたらす可能性があり、ＬＶＯを検出する特異度を低下させる可能性がある偽警報に至る可能性がある。

さまざまな実装では、個体の脳に含まれる少なくとも１つの血管に関する異常の確率を示すユーザインタフェースを生成することができる。例示的な例では、ユーザインタフェースは、個体の脳の血管の最大値投影（ＭＩＰ）画像を含むことができる。ユーザインタフェースはまた、少なくとも１つの血管に異常が存在する最高の確率を有する、個体の脳の１つ又は複数の領域を強調表示することができる。実装例では、１つ又は複数の強調表示領域の色は、所与の領域における血管に関する異常の確率を示すことができる。例示のために、赤色強調表示領域は、黄色強調表示領域に位置する血管よりも、その領域に位置する血管に関して異常が存在する高い確率を有する可能性がある。さらに、黄色強調表示領域は、緑色強調表示領域に位置する血管よりも、その領域に位置する血管に関して異常が存在する高い確率を有する可能性がある。さらに、緑色強調表示領域は、青色強調表示領域に位置する血管よりも、その領域に位置する血管に関して異常が存在する高い確率を有する可能性がある。強調表示が存在しないユーザインタフェースに含まれる領域は、血管が異常に関連する閾値確率未満を有する領域を示す可能性がある。

図６は、１つ又は複数の実装例による、あり得る血管閉塞を示す個体の脳の１つ又は複数の画像を生成するプロセス例６００のフロー図である。動作６０２において、プロセス６００は、コンピュータ断層撮影血管造影（ＣＴＡ）撮像プロセスを使用して生成された画像データを取得することを含むことができる。画像データは、個体の特徴部に対応することができる。例示のために、画像データは、個体の頭部、個体の頸部、個体の肩部、個体の胸部、個体の腹部、それらの組合せ等に関連する特徴部に対応することができる。実装では、画像データは、有線ネットワーク又は無線ネットワーク等、１つ又は複数のネットワークを介して、ＣＴＡ撮像装置から直接取得することができる。さまざまな実装では、画像データは、ローカル無線ネットワークを介してＣＴＡ撮像装置から取得することができる。画像データはまた、クラウドコンピューティングストレージシステムを介してアクセス可能であり得る。例えば、画像データは、ＣＴＡ撮像装置により、クラウドコンピューティングストレージシステムに送信することができ、コンピューティングデバイスは、クラウドコンピューティングストレージシステムによって格納された画像データにアクセスすることができる。さまざまな実装では、画像データは、セキュリティクレデンシャル又は他の認証情報が提供された後にアクセス可能であり得る。

プロセス６００は、動作６０４において、個体のＣ１椎骨から脳の頭頂まで位置する個体の身体の一部に対応する画像データのサブセットを決定することを含むことができる。実装例では、身体のその部分に対応しない画像データのさらなる部分は、画像データから除去することができる。このように、修正画像データを生成することができる。画像データのさらなる部分の除去は、さらなる部分を削除すること、又は画像データのさらなる部分のない修正画像データを含むデータファイルを作成することのうちの一方を含むことができる。

動作６０６において、プロセス６００は、脳に関連する骨又は血管のうちの少なくとも１つを示す１つ又は複数のテンプレートを、個体の解剖学的構造に位置合せすることを含むことができる。１つ又は複数のテンプレートは、複数の個体からの画像を集め、それら複数の個体の脳に関連する骨及び／又は血管の位置を決定することにより、生成することができる。１つ又は複数のテンプレートを使用して、画像データに含まれる個体の特徴部の、１つ又は複数のテンプレートに含まれる特徴部とのレジストレーションプロセスを実施することにより、個体の脳に関連する特徴部を同定することができる。レジストレーションプロセスは、画像データ及び／又は修正画像データを解析して、１つ又は複数のテンプレートに含まれる特徴部の特徴に対応する特徴を有する画像データ及び／又は修正画像データに含まれる特徴部を決定することを含むことができる。例示的な例では、１つ又は複数のテンプレートに含まれる特徴部に対応する画像データ及び／又は修正画像データの特徴部を同定するために使用される特徴は、１つ又は複数のテンプレートのボクセルの位置に関連する画像データ及び／又は修正画像データに含まれる特徴部のボクセルの位置、もしくは、１つ又は複数のテンプレートのボクセルの強度情報に関する画像データ及び／又は修正画像データに含まれるボクセルの強度情報のうちの少なくとも一方を含むことができる。レジストレーションプロセスは、画像データ及び／又は修正画像データに含まれる特徴部を、１つ又は複数のテンプレートに含まれる対応する特徴部と位置合せすることも含むことができる。

さらに、動作６０８において、プロセス６００は、１つ又は複数のテンプレートのうちの少なくとも１つを使用して、個体の頭部内に位置する頭蓋底及び頭蓋冠に対応するデータを、修正画像データから除去することを含むことができる。このように、骨特徴部を示すテンプレートを使用して、骨に対応する個体の頭部内に位置する特徴部を、修正画像データから除去することができる。さらに、プロセス６００は、動作６１０において、個体の頭蓋内血管に対応する修正画像データの１つ又は複数の領域を特定することを含むことができる。さまざまな実装では、頭蓋内血管は、個体の頭部内に含まれる骨特徴部に対応するデータが除去された後に同定することができる。実装例では、頭蓋内血管に対応するデータは、頭蓋内血管の位置を示す１つ又は複数のテンプレートのうちのテンプレートを使用して同定することができる。さらに、頭蓋内血管に対応するデータは、修正画像データに含まれるボクセルの強度値等、データの特徴に基づいて同定することができる。

さらに、プロセス６００は、動作６１２において、異なる直径を有する血管のグループを決定することを含むことができる。例えば、値の第１範囲にある直径値を有する血管の第１グループを決定することができ、値の第１範囲とは少なくとも部分的に異なる値の第２範囲にある直径値を有する血管の第２グループを決定することができる。いくつかの状況では、値の第１範囲及び値の第２範囲は部分的に重なる場合があるが、他のシナリオでは、値の第１範囲及び値の第２範囲は部分的に重なっていない。例示的な例では、血管の第１グループは、少なくとも約０．１ｍｍ、少なくとも約０．５ｍｍ、少なくとも約０．８ｍｍ、少なくとも約１ｍｍ、少なくとも約１．３ｍｍ、少なくとも約１．５ｍｍ、少なくとも約１．８ｍｍ又は少なくとも約２ｍｍの直径を有する血管を含むことができる。さらに、血管の第１グループは、約４ｍｍ以下、約３．８ｍｍ以下、約３．５ｍｍ以下、約３．２ｍｍ以下、約３ｍｍ以下、約２．８ｍｍ以下、約２．５ｍｍ以下又は約２．２ｍｍ以下の直径を有する血管を含むことができる。さまざまな例では、値の第１範囲は、少なくとも約０．１ｍｍから約４ｍｍ以下、少なくとも約０．１ｍｍから約３ｍｍ以下、少なくとも約０．５ｍｍから約３ｍｍ以下等、この段落に記載する例示的な例のうちの任意のものによって制限され得る。

血管の第２グループは、少なくとも約３ｍｍ、少なくとも約３．２ｍｍ、少なくとも約３．５ｍｍ、少なくとも約３．８ｍｍ、少なくとも約４ｍｍ、少なくとも約４．２ｍｍ、少なくとも約４．５ｍｍ、少なくとも約４．５ｍｍ、少なくとも約４．８ｍｍ又は少なくとも約５ｍｍの直径を有する血管を含むことができる。加えて、血管の第２グループは、約１２ｍｍ以下、約１１．５ｍｍ以下、約１１ｍｍ以下、約１０．５ｍｍ以下、約１０ｍｍ以下、約９．８ｍｍ以下、約９．５ｍｍ以下、約９．２ｍｍ以下、約９ｍｍ以下、約８．８ｍｍ以下、約８．５ｍｍ以下、約８．２ｍｍ以下又は約８ｍｍ以下の直径を有する血管を含むことができる。さまざまな例では、値の第２範囲は、少なくとも約３ｍｍから約１２ｍｍ以下、少なくとも約３ｍｍから約１１ｍｍ以下、少なくとも約３ｍｍから約１０ｍｍ以下、少なくとも約３．２ｍｍから約１０ｍｍ以下等、この段落に記載する例示的な例のうちの任意のものによって制限され得る。

さまざまな例では、異なる直径を有する血管のグループの決定は、各グループのそれぞれの血管の直径の差の閾値量を有する血管のグループを同定することを含むことができる。１つ又は複数の例では、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径の少なくとも１．２５倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。さらに、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径よりも少なくとも１．５倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。さらに、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径よりも少なくとも１．７５倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。さらに他の例では、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径よりも少なくとも２倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。さらに追加の例では、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径よりも少なくとも２．５倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。１つ又は複数の他の例では、動作６１２は、１つ又は複数の血管であって、１つ又は複数のさらなる血管の１つ又は複数のさらなる直径よりも少なくとも３倍大きい１つ又は複数のそれぞれの直径を有する、１つ又は複数の血管を決定することを含むことができる。

動作６１４において、プロセス６００は、グループの各々に含まれる血管の血管密度の尺度及び／又は基準を求めることを含むことができる。実装例では、血管密度の尺度は、血管に関連する修正画像データに含まれる強度値に対応することができる。例えば、内頸動脈の頭蓋内セグメントに対する血管密度の尺度は、内頸動脈の頭蓋内セグメントに関連する修正画像データに含まれるボクセルの強度値に対応することができる。別の例では、中大脳動脈のＭ１セグメントに対する血管密度の尺度は、中大脳動脈のＭ１セグメントに関連する修正画像データに含まれるボクセルの強度値に対応することができる。さらなる例では、中大脳動脈のＭ２セグメントに対する血管密度の尺度は、中大脳動脈のＭ２セグメントに関連する修正画像データに含まれるボクセルの強度値に対応することができる。さまざまな実装では、個体の頭部内に位置する血管に対する密度の尺度は、修正画像データに含まれる血管に関連するボクセルの強度値の和に対応することができる。

プロセス６００は、動作６１６において、個体の脳の半球の対称的に配置された領域に位置する血管に対する血管密度の尺度の間の差を求めることを含むことができる。実装では、個体の脳は、個体の脳の各半球における１つ又は複数の領域に分割することができる。例示的な例では、個体の脳は、個体の脳の各半球における３つの領域に分割することができる。これらのシナリオでは、合計６つの領域を三組の対にグループ化することができ、各対は、互いに対して実質的に対称に配置されている。さらなる例示的な例では、領域の対は、個体の脳の第１半球に位置する、内頸動脈の頭蓋内セグメントと中大脳動脈のＭ１セグメントの近位部とを含む第１領域と、個体の脳の第２半球に位置する、内頸動脈の頭蓋内セグメントと中大脳動脈のＭ１セグメントの近位部とを含む第２領域とを含むことができる。さらに、領域の第２対は、個体の脳の第１半球に位置する中大脳動脈のＭ１セグメントの中部から遠位部を含む第３領域と、個体の脳の第２半球に位置する中大脳動脈のＭ１セグメントの中部から遠位部を含む第４領域とを含むことができる。さらに、領域の第３対は、個体の脳の第１半球に位置する中大脳動脈の少なくともＭ２セグメントを含む第５領域と、個体の脳の第２半球に位置する中大脳動脈の少なくともＭ２セグメントを含む第６領域とを含むことができる。

さまざまな実装では、個体の脳の第１半球の第１領域に位置する１つ又は複数の血管と、個体の脳の第２半球の第２領域に位置する１つ又は複数の血管との少なくとも１つの差異を求めることができる。さらに、個体の脳の第１半球の第３領域に位置する１つ又は複数の血管と、個体の脳の第２半球の第４領域に位置する１つ又は複数の血管との少なくとも１つの差異を求めることができる。さらに、個体の脳の第１半球の第５領域に位置する１つ又は複数の血管と、個体の脳の第２半球の第６領域に位置する１つ又は複数の血管との少なくとも１つの差異を求めることができる。実装例では、脳の異なる半球に位置する血管の密度の差に対応する比を求めることができる。

脳の異なる半球に位置する血管の密度の差は、脳内に位置する血管に関連する異常の確率及び／又は重症度を示すことができる。さまざまな実装では、異常は、個体の脳内に位置する１つ又は複数の血管の閉塞に関連する可能性がある。実装例では、異常は、脳卒中が起こっている個体に関連する可能性がある。実装では、脳の異なる半球に位置する血管の間の密度の低下の量は、低下した密度を有する血管に関する異常を示す可能性がある。例えば、個体の脳の第１半球の１つの領域に位置する血管の密度の、個体の脳の第２半球の相対領域の密度に対する低下の量は、その血管に関する異常を示す可能性がある。血管密度の低下の複数の範囲を利用して、個体の脳内に位置する血管に関する異常の確率及び／又は重症度を決定することができる。例示のために、個体の脳の異なる半球に位置する血管の間の密度の低下の量に対応する値の第１範囲は、その血管に関する異常の第１数の確率及び／又は重症度を示す可能性があり、個体の脳の異なる半球に位置する血管の間の密度の低下の量に対応する値の第２範囲は、その血管に関する異常の第２数の確率及び／又は重症度を示す可能性がある。

血管密度の尺度の差を求めることに加えて、血管密度の基準及び／又は尺度の比を求めることができる。例えば、脳の第１半球のある領域に位置する１つ又は複数の第１血管に対する血管密度の１つ又は複数の尺度及び／又は基準と、脳の第２半球の相対領域に位置する１つ又は複数の第２血管に対する血管密度の１つ又は複数の尺度及び／又は基準との比を、求めることができる。さまざまな例では、この比を使用して、個体の脳の少なくとも１つの領域に位置する１つ又は複数の血管に関する異常の確率を求めることができる。

動作６１８において、プロセス６００は、血管密度の尺度間の差を示す個体の脳の１つ又は複数の画像を生成することを含むことができる。画像は、個体の脳内に位置する血管を示すことができ、少なくとも異常の閾値確率及び／又は閾値重症度に関連する可能性がある個体の脳及び／又は血管の領域も示すことができる。さまざまな実装では、個体の脳内に位置する血管の異常に関連する確率及び／又は重症度は、１つ又は複数の画像において異なる色を使用して表示することができる。例えば、個体の脳に含まれる血管に関する異常の確率及び／又は異常の重症度のレベルの第１範囲は、１つ又は複数の画像において第１色として示すことができ、個体の脳に含まれる血管に関する異常の確率及び／又は異常の重症度のレベルの第２範囲は、１つ又は複数の画像において第２色として示すことができる。実装例では、１つ又は複数の画像は、臨床医がアクセス可能である表示デバイスに表示することができる。さらに、１つ又は複数の画像は、閉塞が位置する可能性がある個体の脳内の位置を、矢印、円、ボックス又は他の任意の形状の外形を表示することにより、強調表示することができる。

図７は、１つ又は複数の実装例による、脳内の１つ又は複数の血管の経路を追跡することによりあり得る血管閉塞を決定するプロセス例７００のフロー図である。動作７０２において、プロセス７００は、個体の脳内に位置する血管を示す１つ又は複数の画像に対応する画像データを取得することを含むことができる。１つ又は複数の画像は、コンピュータ断層撮影血管造影（ＣＴＡ）撮像プロセスを使用して生成することができる。画像データは、個体の特徴部に対応することができる。例示のために、画像データは、個体の頭部、個体の頸部、それらの組合せ等に関連する特徴部に対応することができる。さまざまな実装では、画像データは、頭蓋、頸部及び／又は顔の骨等、脳を含まない個体の身体の部分に対応するデータの部分を除去することにより、修正することができる。

プロセス７００は、動作７０４において、個体の脳に関連する骨又は血管のうちの少なくとも１つを示す１つ又は複数のテンプレートを位置合せすることを含むことができる。１つ又は複数のテンプレートは、複数の個体からの画像を集め、それら複数の個体の脳に関連する骨及び／又は血管の位置を決定することにより、生成することができる。１つ又は複数のテンプレートを使用して、画像データに含まれる個体の特徴部の、１つ又は複数のテンプレートに含まれる特徴部とのレジストレーションプロセスを実施することにより、個体の脳に関連する特徴部を同定することができる。レジストレーションプロセスは、画像データ及び／又は修正画像データを解析して、１つ又は複数のテンプレートに含まれる特徴部の特徴に対応する特徴を有する画像データ及び／又は修正画像データに含まれる特徴部を決定することを含むことができる。例示的な例では、１つ又は複数のテンプレートに含まれる特徴部に対応する画像データ及び／又は修正画像データの特徴部を同定するために使用される特徴は、１つ又は複数のテンプレートのボクセルの位置に関連する画像データ及び／又は修正画像データに含まれる特徴部のボクセルの位置、もしくは、１つ又は複数のテンプレートのボクセルの強度情報に関する画像データ及び／又は修正画像データに含まれるボクセルの強度情報のうちの少なくとも一方を含むことができる。レジストレーションプロセスは、画像データ及び／又は修正画像データに含まれる特徴部を、１つ又は複数のテンプレートに含まれる対応する特徴部と位置合せすることも含むことができる。

加えて、動作７０６において、プロセス７００は、個体の頭蓋内血管に対応する修正画像データの１つ又は複数の部分を同定することを含むことができる。さまざまな実装では、頭蓋内血管は、個体の頭部内に含まれる骨特徴部に対応するデータが除去された後に同定することができる。実装例では、頭蓋内血管に対応するデータは、頭蓋内血管の位置を示す１つ又は複数のテンプレートのうちのテンプレートを使用して同定することができる。さらに、頭蓋内血管に対応するデータは、修正画像データに含まれるボクセルの強度値等、データの特徴に基づいて同定することができる。

さらに、プロセス７００は、動作７０８において、脳に関連する血管の１つ又は複数のあり得る経路の決定を開始するために、脳の第１領域内の始点を決定することを含むことができる。１つ又は複数のあり得る経路の少なくとも一部は、個体の脳内の血管のある位置に対応することができる。開始位置は、脳の正中線に対して近位である脳の領域を同定することにより決定することができる。１つ又は複数の実装では、脳の領域は、その領域を示すとともに個体の脳の画像データに基づいて個体の解剖学的構造に位置合せされる、テンプレートに基づいて、同定することができる。１つ又は複数の例では、領域は、中大脳動脈の近位部を含むことができる。始点は、領域に含まれる画像データの個々のボクセルに対して血管性値を求めることによって同定することができる。それぞれの血管性値は、所与のボクセルが個体の脳の血管のある位置に対応する確率を示すことができる。血管性値は、ボクセルと背景とのコントラストの量に対応することができる。１つ又は複数の例示的な例では、ボクセルに対する血管性値は、ヘシアンフィルタ行列の固有値を計算することによって求めることができる。ヘシアンフィルタ行列の固有値は、ヘシアンフィルタで計算された主固有ベクトル次元に沿ったコントラストの変化に対応することができる。さまざまな例では、ヘシアンフィルタの出力は、ボクセルの輝度及びボクセルのサイズに対応することができ、輝度は、周囲に対して異なる相対ＨＵに対応することができる。

また、動作７１０において、プロセス７００は、血管の予測される終点を含む脳の第２領域を決定することを含むことができる。第２領域は、血管の終点の１つ又は複数のあり得る位置を示すテンプレートに基づいて決定することができる。血管が中大脳動脈である状況では、第２領域は、中大脳動脈の遠位部を含むことができる。１つ又は複数の例では、第２領域は、血管の遠位部が脳の遠位部に達するために通過する１つ又は複数の位置を含むことができる。

プロセス７００は、動作７１２において、始点で開始する経路を決定することを含むことができる。経路は、血管の少なくとも一部の位置に対応することができる。経路は、１つ又は複数の画像のボクセルに対応するノードを含む評価グラフの最低コストの経路を含むことができる。１つ又は複数の例示的な例では、最低コストの経路は、プリム，Ｒ．Ｃ．（Ｐｒｉｍ，Ｒ．Ｃ．）（１９５７年１１月）、「最短接続ネットワーク及びいくつかの一般化（Ｓｈｏｒｔｅｓｔ ｃｏｎｎｅｃｔｉｏｎ ｎｅｔｗｏｒｋｓ ａｎｄ ｓｏｍｅ ｇｅｎｅｒａｌｉｚａｔｉｏｎｓ）」、ベルシステムテクニカルジャーナル（Ｂｅｌｌ Ｓｙｓｔｅｍ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ）、第３６巻、第６号、ｐ．１３８９～１４０１、及びダイクストラ，Ｅ．Ｗ（Ｄｉｊｋｓｔｒａ，Ｅ．Ｗ）（１９５９年）、「グラフに関連する２つの問題について（Ａ ｎｏｔｅ ｏｎ ｔｗｏ ｐｒｏｂｌｅｍｓ ｉｎ ｃｏｎｎｅｘｉｏｎ ｗｉｔｈ ｇｒａｐｈｓ）」、数値数学（Ｎｕｍｅｒｉｓｃｈｅ Ｍａｔｈｅｍａｔｉｋ）、第１巻、ｐ．２６９～２７１から導出される概念を使用して決定することができる。さまざまな例では、経路のノード間の移動コストは、以下の式に従って求めることができる。

コスト＝１００／（血管性－血管性_{ｍｎ＿閾値}＋１）
したがって、ボクセルの血管性値が定義された閾値を下回る状況では、コストは無限であり得る。血管性_{ｍｎ＿閾値}値は、ＣＴＡ画像等の画像を含む複数のデータセットの解析を実施することにより求めることができる。さまざまな例では、解析により、画像の雑音及び画像に含まれる物体に対応する閾値血管性値を求めることができる。いくつかの例では、血管性_{ｍｎ＿閾値}は、６．０ＨＵ～１２．０ＨＵの値であり得る。ＣＴＡ画像では、血管は、約２５ＨＵ～約４００ＨＵの不透明化値を有する可能性があり、雑音は、ヘシアンフィルタによりゼロに近い値まで抑制することができる。１つ又は複数の例では、経路は、１つのボクセルから、隣接するボクセルに関連して最低コストを有する別のボクセルにわたることができる。

１つ又は複数の実装では、経路は、複数の理由で終端する可能性がある。例えば、経路は、経路が、終点を含む第２領域に含まれているものとして標識されたボクセルに達することに応じて、終端する可能性がある。さらなる例では、経路は、通過するために有限のコストを有する各ボクセルをすでに訪れたという判断に応じて、終端する可能性がある。これらの状況では、経路は、第２領域に達する前に終端する。さらに、経路は、コストが指定された最大コストを上回る経路であることに応じて終端する可能性がある。

動作７１４において、プロセス７００は、個体の脳内に位置する少なくとも１つの血管に関する異常の確率を求めることを含むことができる。さまざまな例では、個体の脳内に異常が存在する確率は、経路が第２領域に達することによって決まる可能性がある。経路が第２領域に達する状況では、個体の脳内に位置する少なくとも１つの血管に関して異常が存在する確率は、ゼロであるか又は比較的低い可能性がある。さらに、経路が第２領域に達しない状況では、個体の脳内に位置する少なくとも１つの血管に関して異常が存在する確率は、比較的高い可能性がある。

さらに、プロセス７００は、動作７１６において、個体の脳内に位置する少なくとも１つの血管に関する異常の確率を示す、１つ又は複数のユーザインタフェースを生成することを含むことができる。さまざまな例では、１つ又は複数のユーザインタフェースは、比較的高い確率に対する赤色、中位の確率に対する黄色、及び比較的低い確率に対する緑色等、異常が存在する確率を示す１つ又は複数の色を含むことができる。

図８は、上述した装置のうちの任意の１つ又は複数にインストールすることができるソフトウェア８０２のアーキテクチャを示すブロック図８００である。実装では、フレームワーク１００、３００及び４００並びにプロセス２００、５００及び６００に関して記載した動作の少なくとも一部は、ソフトウェア８０２を使用して実行することができる。図８は、単に、ソフトウェアアーキテクチャの非限定的な例であり、本明細書に記載する機能を容易にするために、他の多くのアーキテクチャを実装することができることが理解されよう。さまざまなシナリオでは、ソフトウェア８０２は、プロセッサ９１０、メモリ９３０及び入出力（Ｉ／Ｏ）コンポーネント９５０を含む図９の機械９００等のハードウェアによって実装される。このアーキテクチャ例では、ソフトウェア８０２は、層のスタックとして概念化することができ、そこでは、各層は、指定された機能を提供することができる。例えば、ソフトウェア８０２は、オペレーティングシステム８０４、ライブラリ８０６、フレームワーク８０８及びアプリケーション８１０等の層を含む。任意選択的に、アプリケーション８１０は、いくつかの実装に一貫して、ソフトウェアスタックを通してアプリケーションプログラミングインタフェース（ＡＰＩ）コール８１２を呼び出し、ＡＰＩコール８１２に応答してメッセージ８１４を受け取る。

さまざまな実装では、オペレーティングシステム８０４は、ハードウェア資源を管理し、共通サービスを提供する。オペレーティングシステム８０４は、例えば、カーネル８２０、サービス８２２及びドライバ８２４を含む。カーネル８２０は、いくつかの実施形態に一貫して、ハードウェアと他のソフトウェア層との間の抽象化層として作用する。例えば、カーネル８２０は、他の機能の中でもとりわけ、メモリ管理、プロセッサ管理（例えば、スケジューリング）、コンポーネント管理、ネットワーク化及びセキュリティ設定を提供する。サービス８２２は、他のソフトウェア層に対する他の共通サービスを提供することができる。ドライバ８２４は、いくつかの実施形態により、基礎となるハードウェアを制御するか又はハードウェアとインタフェースする役割を担う。例えば、ドライバ８２４は、ディスプレイドライバ、カメラドライバ、ブルートゥース（登録商標）又はブルートゥース（登録商標）ローエナジー（Ｌｏｗ－Ｅｎｅｒｇｙ）ドライバ、フラッシュメモリドライバ、シリアル通信ドライバ（例えば、ユニバーサルシリアルバス（ＵＳＢ）ドライバ）、Ｗｉ－Ｆｉ（登録商標）ドライバ、オーディオドライバ、電源管理ドライバ等を含むことができる。

いくつかの実施形態では、ライブラリ８０６は、アプリケーション８１０によって利用される低レベルの共通インフラストラクチャを提供することができる。ライブラリ８０６は、メモリ割当機能、文字列操作機能、数学機能等の機能を提供することのできるシステムライブラリ８３０（例えば、Ｃ標準ライブラリ）を含むことができる。加えて、ライブラリ８０６は、メディアライブラリ（例えば、ムービング・ピクチャ・エクスパーツ・グループ－４（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ－４）（ＭＰＥＧ４）、アドバンスド・ビデオ・コーティング（Ａｄｖａｎｃｅｄ Ｖｉｄｅｏ Ｃｏｄｉｎｇ）（Ｈ．２６４又はＡＶＣ）、ムービング・ピクチャ・エクスパーツ・グループ－３（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ－３）（ＭＰ３）、アドバンスド・オーディオ・コーディング（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）（ＡＡＣ）、アダプティブ・マルチレート（Ａｄａｐｔｉｖｅ Ｍｕｌｔｉ－Ｒａｔｅ）（ＡＭＲ）音声コーディック、ジョイント・フォトグラフィック・エキスパーツ・グループ（Ｊｏｉｎｔ Ｐｈｏｔｏｇｒａｐｈｉｃ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）（ＪＰＥＧ又はＪＰＧ）、ポータブル・ネットワーク・グラフィックス（Ｐｏｒｔａｂｌｅ Ｎｅｔｗｏｒｋ Ｇｒａｐｈｉｃｓ）（ＰＮＧ）等のさまざまなメディアフォーマットの提示及び操作をサポートするためのライブラリ）、グラフィックスライブラリ（例えば、ディスプレイ上のグラフィックコンテンツにおいて２Ｄ及び３Ｄをレンダリングするのに用いられるＯｐｅｎＧＬフレームワーク）、データベースライブラリ（例えば、さまざまなリレーショナルデータベース機能を提供するＳＱＬｉｔｅ）、ウェブライブラリ（例えば、ウェブブラウジング機能を提供するＷｅｂＫｉｔ）等、ＡＰＩライブラリ８３２を含むことができる。ライブラリ８０６は、アプリケーション８１０に他の多くのＡＰＩを提供する多種多様な他のライブラリ８３４も含むことができる。

フレームワーク８０８は、いくつかの実装により、アプリケーション８１０が利用することができる高レベルの共通インフラストラクチャを提供する。例えば、フレームワーク８０８は、さまざまなグラフィックユーザインタフェース（ＧＵＩ）機能、高レベル資源管理、及び高レベル位置情報サービス等を提供する。フレームワーク８０８は、アプリケーション８１０が利用することができる広範囲の他のＡＰＩを提供することができ、それらのうちのいくつかは、オペレーティングシステム８０４又はプラットフォームに特有であり得る。

実装例では、アプリケーション８１０は、ホームアプリケーション８５０、連絡先アプリケーション８５２、ブラウザアプリケーション８５４、ブックリーダアプリケーション８５６、位置情報アプリケーション８５８、メディアアプリケーション８６０、メッセージングアプリケーション８６２、ゲームアプリケーション８６４、及びサードパーティアプリケーション８６６等の多種多様な他のアプリケーションを含む。いくつかの実施形態によれば、アプリケーション８１０は、プログラムにおいて定義された機能を実行するプログラムである。種々の方法で構造化されたアプリケーション８１０のうちの１つ又は複数を作成するために、オブジェクト指向プログラミング言語（例えば、オブジェクティブＣ（Ｏｂｊｅｃｔｉｖｅ－Ｃ）、Ｊａｖａ（登録商標）又はＣ＋＋）又は手続型プログラミング言語（例えば、Ｃ又はアセンブリ言語）等、さまざまなプログラミング言語を採用することができる。具体例では、サードパーティアプリケーション８６６（例えば、プラットフォームのベンダ以外のエンティティによりアンドロイド（登録商標）又はＩＯＳ（登録商標）ソフトウェア開発キット（ＳＤＫ）を使用して開発されたアプリケーション）は、ＩＯＳ（登録商標）、アンドロイド（登録商標）、ウィンドウズ（ＷＩＮＤＯＷＳ）（登録商標）フォン、又は別のモバイルオペレーティングシステム等のモバイルオペレーティングシステム上で実行するモバイルソフトウェアであり得る。この例では、サードパーティアプリケーション８６６は、本明細書に記載する機能を容易にするためにオペレーティングシステム８０４により提供されるＡＰＩコール８１２を呼び出すことができる。

図９は、１つ又は複数の実装例による、本明細書で考察する方法論のうちの任意の１つ又は複数を機械９００に実施させるように命令のセットが実行され得るコンピュータシステムの形態での機械例９００の概略図を示す。具体的には、図９は、本明細書で考察する方法論のうちの任意の１つ以上を機械９００に実施させる命令９１６（例えば、ソフトウェア、プログラム、アプリケーション、アプレット、アプリケーションソフトウェア（ａｐｐ）、又は他の実行可能コード）が実行され得るコンピュータシステムの形態例での機械９００の概略図を示す。例えば、命令９１６は、図２のプロセス２００、図５のプロセス５００及び／又は図６のプロセス６００を機械９００に実行させることができる。機械９００は、図１のフレームワーク１００、図３のフレームワーク３００及び図４のフレームワーク４００に関して記載した動作も実行することができる。さまざまな実装では、機械９００により、脳画像解析システム１０２により実施される動作の少なくとも一部を実施することができる。命令９１６は、プログラムされていない一般的な機械９００を、記載及び例示した機能を記載した方法で実行するようにプログラムされた所定の機械９００に変換する。代替実施形態では、機械９００は、スタンドアローンデバイスとして動作し、又は他の機械に結合（例えば、ネットワーク化）され得る。ネットワーク化される展開では、機械９００は、サーバ－クライアントネットワーク環境におけるサーバマシン又はクライアントマシンとして、又はピアツーピア（又は分散）ネットワーク環境におけるピアマシンとして動作することができる。機械９００は、限定されないが、サーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、タブレットコンピュータ、ラップトップコンピュータ、ネットブック、セットトップボックス（ＳＴＢ）、携帯情報端末（ＰＤＡ）、エンターテイメントメディアシステム、携帯電話、スマートフォン、モバイルデバイス、ウェアラブルデバイス（例えば、スマートウォッチ）、スマートホームデバイス（例えば、スマートアプライアンス）、他のスマートデバイス、ウェブアプライアンス、ネットワークルータ、ネットワークスイッチ、ネットワークブリッジ、又は機械９００が取るべき行為を指定する命令９１６を順次又は他の方法で実行することができる任意の機械を含むことができる。さらに、単一の機械９００のみを示すが、「機械」という用語は、本明細書で考察する方法論のうちの任意の１つ以上を実施するように命令９１６を個々に又は合わせて実行する一群の機械９００を含むようにも解釈されよう。

機械９００は、プロセッサ９１０、メモリ９３０及びＩ／Ｏコンポーネント９５０を含むことができ、それらは、バス９０２を介する等して互いに通信するように構成され得る。一実装例では、プロセッサ９１０（例えば、中央処理装置（ＣＰＵ）、縮小命令セットコンピューティング（ＲＩＳＣ）プロセッサ、複合命令セットコンピューティング（ＣＩＳＣ）プロセッサ、グラフィック処理ユニット（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、無線周波数集積回路（ＲＦＩＣ）、別のプロセッサ、又はそれらの任意の好適な組合せ）は、例えば、命令９１６を実行することができるプロセッサ９１２及びプロセッサ９１４を含むことができる。「プロセッサ」という用語は、命令９１６を同時に実行することができる２つ以上の独立したプロセッサ（「コア」と称する場合もある）を含むことができるマルチコアプロセッサを含むように意図されている。図８は、複数のプロセッサ９１０を示すが、機械９００は、単一のコアを有する単一のプロセッサ９１２、複数のコアを有する単一のプロセッサ９１２（例えば、マルチコアプロセッサ９１２）、単一のコアを有する複数のプロセッサ９１２、９１４、複数のコアを有する複数のプロセッサ９１２、９１４、又はそれらの任意の組合せを含むことができる。

メモリ９３０は、各々がバス９０２を介する等してプロセッサ９１０にアクセス可能な、メインメモリ９３２、スタティックメモリ９３４及びストレージユニット９３６を含むことができる。メインメモリ９３２、スタティックメモリ９３４及びストレージユニット９３６は、本明細書に記載する方法論又は機能の任意のうちの任意の１つ又は複数を具現化する命令９１６を格納する。命令９１６はまた、機械９００によるそれらの実行中、完全に又は部分的に、メインメモリ９３２内に、スタティックメモリ９３４内に、ストレージユニット９３６内に、プロセッサ９１０のうちの少なくとも１つ内に（例えば、プロセッサのキャッシュメモリ内に）、又はそれらの任意の好適な組合せで存在することができる。

Ｉ／Ｏコンポーネント９５０は、入力を受け取る、出力を提供する、出力を生成する、情報を送信する、情報を交換する、測定値を取り込む等、多種多様なコンポーネントを含むことができる。指定された機械９００に含まれる具体的なＩ／Ｏコンポーネント９５０は、機械のタイプによって決まることになる。例えば、モバイルフォン等のポータブルマシンは、タッチ入力デバイス又はその他のそうした入力機構を含む可能性が高く、一方で、ヘッドレスサーバマシンは、そうしたタッチ入力デバイスを含まない可能性が高い。Ｉ／Ｏコンポーネント９５０が図８に示さない他の多くのコンポーネントを含む可能性があることは理解されよう。Ｉ／Ｏコンポーネント９５０は、単に以下の考察を簡単にするために機能性に従ってグループ化され、このグループ化は決して限定的ではない。さまざまな実施形態例では、Ｉ／Ｏコンポーネント９５０は、出力コンポーネント９５２及び入力コンポーネント９５４を含むことができる。出力コンポーネント９５２は、視覚コンポーネント（例えば、プラズマディスプレイパネル（ＰＤＰ）、発光ダイオード（ＬＥＤ）ディスプレイ、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、液晶ディスプレイ（ＬＣＤ）、プロジェクタ、又は陰極線管（ＣＲＴ）等のディスプレイ）、音響コンポーネント（例えば、スピーカ）、ハプティックコンポーネント（例えば、振動性モータ、抵抗機構）、他の信号発生器等を含むことができる。入力コンポーネント９５４は、英数字入力コンポーネント（例えば、キーボード、英数字入力を受け取るように構成されたタッチスクリーン、フォトオプティカル（ｐｈｏｔｏ－ｏｐｔｉｃａｌ）キーボード、又は他の英数字入力コンポーネント）、ポイントベースの入力コンポーネント（例えば、マウス、タッチパッド、トラックボール、ジョイスティック、モーションセンサ、又は別のポインティング機器）、触覚入力コンポーネント（例えば、物理的ボタン、タッチ若しくはタッチジェスチャの位置及び／又は力を提供するタッチスクリーン、又は他の触覚入力コンポーネント）、及び音声入力コンポーネント（例えば、マイクロフォン）等を含むことができる。

さらなる実施形態例では、Ｉ／Ｏコンポーネント９５０は、種々のコンポーネントの中でもとりわけ、生体認証コンポーネント９５６、モーションコンポーネント９５８、環境コンポーネント９６０、又は位置コンポーネント９６２を含むことができる。例えば、生体認証コンポーネント９５６は、表情（例えば、手振り、顔の表情、声質、身振り又は視線計測）を検出し、生体信号（例えば、血圧、心拍数、体温、発汗又は脳波）を測定し、人を識別する（例えば、音声識別、網膜識別、顔識別、指紋識別、又は脳波ベースの識別）等のコンポーネントを含むことができる。モーションコンポーネント９５８は、加速度センサコンポーネント（例えば、加速度計）、重力センサコンポーネント及び回転センサコンポーネント（例えば、ジャイロスコープ）等を含むことができる。環境コンポーネント９６０は、例えば、照度センサコンポーネント（例えば、光度計）、温度センサコンポーネント（例えば、周囲温度を検出する１つ又は複数の温度計）、湿度センサコンポーネント、圧力センサコンポーネント（例えば、気圧計）、音響センサコンポーネント（例えば、背景雑音を検出する１つ又は複数のマイクロフォン）、近接センサコンポーネント（例えば、近くの物体を検出する赤外線センサ）、ガスセンサ（例えば、安全のために危険なガスの濃度を検出するか、又は大気中の汚染物質を測定するガス検出センサ）、又は周囲の物理的環境に対応する指標、測定値若しくは信号を提供することができる他のコンポーネントを含むことができる。位置コンポーネント９６２は、位置情報センサコンポーネント（例えば、全地球測位システム（ＧＰＳ：Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）受信機コンポーネント）、高度センサコンポーネント（例えば、高度計、又は高度を導出することができる気圧を検出する気圧計）、及び方位センサコンポーネント（例えば、磁力計）等を含むことができる。

多種多様な技術を使用して、通信を実装することができる。Ｉ／Ｏコンポーネント９５０は、結合機能（ｃｏｕｐｌｉｎｇ）９１４２及び結合機能９７２をそれぞれ介して機械９００をネットワーク９１４０又はデバイス９７０に結合するように動作可能な通信コンポーネント９６４を含むことができる。例えば、通信コンポーネント９６４は、ネットワーク９１４０とインタフェースするためのネットワークインタフェースコンポーネント又は別の好適なデバイスを含むことができる。さらなる例では、通信コンポーネント９６４は、有線通信コンポーネント、無線通信コンポーネント、セルラ通信コンポーネント、近距離無線通信（ＮＦＣ）コンポーネント、ブルートゥース（登録商標）コンポーネント（例えば、ブルートゥース（登録商標）ローエナジー（Ｌｏｗ Ｅｎｅｒｇｙ））、Ｗｉ－Ｆｉ（登録商標）コンポーネント、及び他の様式を介して通信を提供する他の通信コンポーネントを含むことができる。デバイス９７０は、別の機械、又は多種多様な（例えば、ＵＳＢを介して結合される）周辺デバイスのうちの任意のものであり得る。

さらに、通信コンポーネント９６４は、識別子を検出するか、又は識別子を検出するように動作可能なコンポーネントを含むことができる。例えば、通信コンポーネント９６４は、無線周波数識別（ＲＦＩＤ）タグリーダコンポーネント、ＮＦＣスマートタグ検出コンポーネント、光学式リーダコンポーネント（例えば、ユニバーサルプロダクトコード（Ｕｎｉｖｅｒｓａｌ Ｐｒｏｄｕｃｔ Ｃｏｄｅ）（ＵＰＣ）バーコード等の一次元バーコード、ＱＲコード（登録商標）、アズテック（Ａｚｔｅｃ）コード、データマトリックス（Ｄａｔａ Ｍａｔｒｉｘ）、データグリフ（Ｄａｔａｇｌｙｐｈ）、マックスコード（ＭａｘｉＣｏｄｅ）、ＰＤＦ４１７、ウルトラコード（Ｕｌｔｒａ Ｃｏｄｅ）、ＵＣＣ ＲＳＳ－２Ｄバーコード等の多次元バーコード、及びその他の光学コード）、又は音響検出コンポーネント（例えば、タグ付きの音声信号を識別するマイクロフォン）を含むことができる。加えて、インターネットプロトコル（ＩＰ）ジオロケーションを介する位置情報、Ｗｉ－Ｆｉ（登録商標）信号三角測量を介する位置情報、及び所与の位置を示すことができるＮＦＣビーコン信号の検出を介する位置情報等、通信コンポーネント９６４を介して種々の情報を導出することができる。

さまざまなメモリ（すなわち、９３０、９３２、９３４、及び／又はプロセッサ９１０のメモリ）及び／又はストレージユニット９３６は、本明細書に記載する方法論又は機能のうちの任意の１つ又は複数を具現化するか又はそうしたものにより利用される命令９１６及びデータ構造（例えば、ソフトウェア）の１つ又は複数のセットを格納することができる。これらの命令（例えば、命令９１６）は、プロセッサ９１０により実行されると、さまざまな動作により開示する実施形態が実施されるようにする。

本明細書で用いる場合の「機械記憶媒体」、「デバイス記憶媒体」及び「コンピュータ記憶媒体」という用語は、同じことを意味し、同義で使用され得る。この用語は、実行可能な命令９１６及び／又はデータを格納する単一の又は複数の記憶デバイス及び／若しくは媒体（例えば、集中型又は分散型のデータベース、並びに／又は関連付けられたキャッシュ及びサーバ）を指す。したがって、この用語は、限定されないが、プロセッサ９１０の内部又は外部のメモリを含む、固体メモリ並びに光学媒体及び磁気媒体を含むように解釈されよう。機械記憶媒体、コンピュータ記憶媒体及び／又はデバイス記憶媒体の具体例としては、例として、半導体メモリデバイス、例えば、消去可能プログラム可能リードオンリメモリ（ＥＰＲＯＭ）、電気的消去可能プログラム可能リードオンリメモリ（ＥＥＰＲＯＭ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）及びフラッシュメモリデバイスと、内蔵ハードディスク及びリームバブルディスク等の磁気ディスクと、光磁気ディスクと、ＣＤ－ＲＯＭ及びＤＶＤ－ＲＯＭディスクとを含む、不揮発性メモリが挙げられる。「機械記憶媒体」、「コンピュータ記憶媒体」及び「デバイス記憶媒体」という用語は、特に、搬送波、変調データ信号、及び他のそうした媒体は除外し、それらのうちの少なくともいくつかは、以下で考察する「信号媒体」という用語の下でカバーされる。

さまざまな実施形態例では、ネットワーク９１４０の１つ又は複数の部分は、アドホックネットワーク、イントラネット、エクストラネット、仮想プライベートネットワーク（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、インターネット、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、一般電話サービス（ＰＯＴＳ）ネットワーク、携帯電話ネットワーク、無線ネットワーク、Ｗｉ－Ｆｉ（登録商標）ネットワーク、別のタイプのネットワーク、又は２つ以上のこうしたネットワークの組合せであり得る。例えば、ネットワーク９１４０又はネットワーク９１４０の一部は、無線又はセルラーネットワークを含むことができ、結合機能９１４２は、符号分割多元アクセス（ＣＤＭＡ）接続、移動体通信用グローバルシステム（ＧＳＭ：Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）接続、又は別のタイプのセルラ若しくは無線結合機能であり得る。この例では、結合機能９１４２は、シングルキャリア無線伝送技術（Ｓｉｎｇｌｅ Ｃａｒｒｉｅｒ Ｒａｄｉｏ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ）（１ｘＲＴＴ）、エボリューションデータ最適化（Ｅｖｏｌｕｔｉｏｎ－Ｄａｔａ Ｏｐｔｉｍｉｚｅｄ）（ＥＶＤＯ）技術、汎用パケット無線サービス（ＧＰＲＳ：Ｇｅｎｅｒａｌ Ｐａｃｋｅｔ Ｒａｄｉｏ Ｓｅｒｖｉｃｅ）技術、ＧＳＭエボリューションの拡張データレート（ＥＤＧＥ：Ｅｎｈａｎｃｅｄ Ｄａｔａ ｒａｔｅｓ ｆｏｒ ＧＳＭ Ｅｖｏｌｕｔｉｏｎ）技術、３Ｇを含む第３世代パートナーシッププロジェクト（３ＧＰＰ）、第４世代無線（４Ｇ）ネットワーク、ユニバーサルモバイルテレコミュニケーションシステム（ＵＭＴＳ：Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ）、高速パケットアクセス（ＨＳＰＡ：Ｈｉｇｈ Ｓｐｅｅｄ Ｐａｃｋｅｔ Ａｃｃｅｓｓ）、マイクロ波アクセスのための世界規模相互運用性（ＷｉＭＡＸ（登録商標）：Ｗｏｒｌｄｗｉｄｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ロングタームエボリューション（ＬＴＥ：Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）標準規格、さまざまな標準化機関により規定された他のもの、他の長距離プロトコル、又は他のデータ転送技術等の種々のタイプのデータ転送技術のうちの任意ものを実装することができる。

命令９１６は、ネットワークインタフェースデバイス（例えば、通信コンポーネント９６４に含まれるネットワークインタフェースコンポーネント）を介する伝送媒体を使用し、複数の周知の転送プロトコル（例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ））のうちの任意の１つを利用して、ネットワーク９１４０を介して送信又は受信することができる。同様に、命令９１６は、デバイス９７０への結合機能９７２（例えば、ピアツーピア接続）を介して伝送媒体を使用して送信又は受信することができる。「伝送媒体」及び「信号媒体」という用語は、同じことを意味し、本開示では同義で使用され得る。「伝送媒体」及び「信号媒体」という用語は、機械９００が実行する命令９１６を格納、符号化、又は搬送することができる任意の無形媒体を含み、そうしたソフトウェアの通信を容易にするデジタル若しくはアナログ通信信号又はその他の無形媒体を含むように解釈されよう。このため、「伝送媒体」及び「信号媒体」という用語は、変調データ信号及び搬送波等の任意の形式を含むように解釈されよう。「変調データ信号」という用語は、信号であって、その信号において情報を符号化する方法で設定又は変更されるその特徴の内の１つ又は複数を有する信号を意味する。

「機械可読媒体」、「コンピュータ可読媒体」及び「デバイス可読媒体」という用語は、同じことを意味し、本開示では同義で使用され得る。これらの用語は、機械記憶媒体及び伝送媒体の両方を含むように定義される。したがって、これらの用語は、記憶デバイス／媒体及び搬送波／変調データ信号の両方を含む。

実装例
実装１．撮像装置によって取り込まれた画像データにアクセスするステップであって、画像データが、個体の脳の１つ又は複数の画像に対応する情報を含み、情報がボクセルを含み、個々のボクセルが強度値に関連している、ステップと、１つ又は複数のハードウェアプロセッサを使用して第１修正画像データを生成すべく、画像データの第１部分を除去するステップであって、画像データの第１部分が、個体の頭部の外側にある１つ又は複数の第１特徴部に対応する、ステップと、１つ又は複数のハードウェアプロセッサを使用して、第１修正画像データによって表される１つ又は複数の第２特徴部を、ヒト頭部の特徴部に対応する１つ又は複数のテンプレートと位置合せするステップと、１つ又は複数のハードウェアプロセッサを使用して、１つ又は複数のテンプレートに基づき、第１修正画像データに含まれるとともに個体の頭部に含まれる骨に対応する、画像データの第２部分を同定するステップと、１つ又は複数のハードウェアプロセッサを使用して、第１修正画像データから画像データの第２部分を除去して第２修正画像データを生成するステップと、１つ又は複数のハードウェアプロセッサを使用して、第２修正画像データに含まれるとともに個体の頭部に位置する血管に対応する、画像データの第３部分を同定するステップと、１つ又は複数のハードウェアプロセッサを使用して、値の第１範囲に含まれる第１直径を有する血管の第１部分を含む第１グループを決定するステップと、１つ又は複数のハードウェアプロセッサを使用して、値の第１範囲とは異なる値の第２範囲に含まれる第２直径を有する血管の第２部分を含む第２グループを決定するステップと、１つ又は複数のハードウェアプロセッサを使用して、脳の第１半球の第１領域に位置する第１血管に対応する第１ボクセルの第１強度値の第１基準を求めるステップであって、第１血管が第１グループに含まれる、ステップと、１つ又は複数のハードウェアプロセッサを使用して、脳の第２半球の第２領域に位置する第２血管に対応する第２ボクセルの第２強度値の第２基準を求めるステップであって、第２血管が、個体の脳内において第１血管に対して実質的に対称的に位置し、第２血管が第１グループに含まれる、ステップと、１つ又は複数のハードウェアプロセッサを使用して、第１強度値の第１基準と第２強度値の第２基準との差の尺度を求めるステップであって、強度値の第２基準が強度値の第１基準とは異なる、ステップと、１つ又は複数のプロセッサを使用して、上記尺度に基づき、第２血管に関して異常が存在する確率が閾値確率を上回ると判断するステップと、第１血管と、第２血管と、第２血管を強調表示するユーザインタフェース要素とを含む画像に対応するユーザインタフェースデータを生成するステップとを含む、方法。

実装２．個体の事前指定された解剖学的ランドマークにある個体の特徴部に対応する画像データの追加部分を決定するステップを含み、第１修正画像データを生成するために除去された画像データの第１部分が、画像データの上記さらなる部分を含む、実装１の方法。

実装３．撮像装置の一部に対応する画像データの追加部分を決定するステップを含み、第１修正画像データを生成するために除去された画像データの第１部分が、画像データの上記さらなる部分を含む、実装１又は２の方法。

実装４．ヒト脳の複数の領域のデジタル表現を決定するステップと、ヒトの複数の領域のデジタル表現を第１修正画像データの部分と位置合せするステップとを含む、実装１～３のうちのいずれか１つの方法。

実装５．ヒト脳の複数の領域が、頭蓋内内頸動脈の少なくとも一部と、中大脳動脈のＭ１セグメントの少なくとも近位部とを含む第１領域と、中大脳動脈のＭ１セグメントの少なくとも中部から遠位部を含む第２領域と、中大脳動脈のＭ２セグメントの少なくとも一部を含む第３領域とを含む、実装４の方法。

実装６．ヒト脳の複数の領域のデジタル表現が、１つ又は複数の機械学習技法を使用して生成される、実装４の方法。
実装７．ヒト脳の複数の領域のデジタル表現が少なくとも１つのテンプレートを含み、少なくとも１つのテンプレートによって示されるヒト脳の複数の領域が、第１修正画像データの部分と位置合せされる、実装４の方法。

実装８．ヒト脳に関連する１つ又は複数の血管のデジタル表現を決定するステップと、デジタル表現を使用して個体の頭部内の血管に対応する画像データの第３部分を同定するステップとを含む、実装１～３のうちのいずれか１つの方法。

実装９．ヒト脳に関連する１つ又は複数の血管のデジタル表現が、１つ又は複数の機械学習技法を使用して生成される、実装８の方法。
実装１０．ヒト脳に関連する１つ又は複数の血管のデジタル表現が、少なくとも１つのテンプレートを含み、個体の頭部内の血管に対応する画像データの第３部分が、少なくとも１つのテンプレートを使用して同定される、実装８の方法。

実装１１．第１ボクセルの第１強度値が、第１領域に位置する第１血管の第１密度を示し、第２ボクセルの第２強度値が、第２領域に位置する第２血管の第２密度を示し、異常が、第２血管の閉塞に対応する、実装１～１０のうちのいずれか１つの方法。

実装１２．少なくとも１つのハードウェアプロセッサと、少なくとも１つのハードウェアプロセッサによって実行される場合、少なくとも１つのハードウェアプロセッサに、個体の脳の画像に対応する情報を含む画像データにアクセスすることと、画像データに基づき、脳の第１半球に位置する１つ又は複数の第１血管を同定することと、画像データに基づき、脳の第２半球に位置する１つ又は複数の第２血管を同定することと、１つ又は複数の第１血管の１つ又は複数の第１密度と１つ又は複数の第２血管の１つ又は複数の第２密度との差の量に対応する尺度を求めることと、上記尺度に基づき、１つ又は複数の第１血管のうちの少なくとも１つの第１血管、もしくは１つ又は複数の第２血管のうちの少なくとも１つの第２血管に関する異常の確率を求めることとを含む動作を実施させる命令を格納するコンピュータ可読媒体とを備える、システム。

実装１３．少なくとも１つのハードウェアプロセッサによって実行される場合、少なくとも１つのハードウェアプロセッサに、個体の脳の第１半球に位置する第１領域を同定することであって、第１領域が１つ又は複数の血管を含む、同定することと、個体の脳の第２半球に位置する相対第１領域を同定することであって、相対第１領域が１つ又は複数の第２血管を含み、相対第１領域が、第１領域に対して実質的に対称的に位置している、同定することと、１つ又は複数の第１血管の１つ又は複数の第１密度と１つ又は複数の第２血管の１つ又は複数の第２密度との差の量に対応する尺度が閾値基準を満たすと判断することとを含む動作を実施させる、コンピュータ可読媒体によって格納されたさらなる命令を含む、実装１２のシステム。

実装１４．少なくとも１つのハードウェアプロセッサによって実行される場合、少なくとも１つのハードウェアプロセッサに、画像データに基づき、個体の脳の第１半球の第２領域に位置する１つ又は複数の第３血管を同定することと、画像データに基づき、個体の脳の第２半球の相対第２領域に位置する１つ又は複数の第４血管を同定することと、１つ又は複数の第３血管の１つ又は複数の第３密度と１つ又は複数の第４血管の１つ又は複数の第４密度との差のさらなる量に対応するさらなる尺度を求めることと、上記さらなる尺度が閾値基準とは異なるさらなる閾値基準を満たすと判断することとを含む動作を実施させる、コンピュータ可読媒体によって格納された命令をさらに含む、実装１３のシステム。

実装１５．少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、画像データに基づき、個体の脳の第１半球の第３領域に位置する１つ又は複数の第５血管を同定することと、画像データに基づき、個体の脳の第２半球の相対第３領域に位置する１つ又は複数の第６血管を同定することであって、相対第３領域が、第３領域に対して実質的に対称的に位置している、同定することと、１つ又は複数の第５血管の１つ又は複数の第５密度と１つ又は複数の第６血管の１つ又は複数の第６密度との差のさらなる量に対応するさらなる尺度を求めることと、上記さらなる尺度が、閾値基準又はさらなる閾値基準のうちの少なくとも一方とは異なる別の閾値基準を満たすと判断することとを含む動作を実施させる、コンピュータ可読媒体によって格納された命令をさらに含む、実装１４のシステム。

実装１６．少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、個体の脳に関連する血管の画像を含むとともに、個体の頭部内に位置する血管に関するあり得る異常を示すユーザインタフェース要素を含むユーザインタフェースに対応するユーザインタフェースデータを生成することであって、ユーザインタフェース要素が、血管に関する異常の確率又は異常の重症度のうちの少なくとも一方も示し、画像が、基礎となる血管造影画像ボリュームの最大値投影（ＭＩＰ）画像である、生成することを含む動作を実施させる、コンピュータ可読媒体によって格納されたさらなる命令を含む、実装１２～１５のうちのいずれか１つのシステム。

実装１７．少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、個体の頭部内に位置する血管の直径を求めることと、測定値の第１範囲に含まれる第１直径を有する血管の第１グループを決定することと、測定値の第２範囲に含まれる第２直径を有する血管の第２グループを決定することであって、第１直径の少なくとも一部が第２直径の少なくとも一部の少なくとも２倍大きい、決定することとを含む動作を実施させる、コンピュータ可読媒体によって格納されたさらなる命令を含む、実装１２～１６のうちのいずれか１つのシステム。

実装１８．少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、画像データに含まれる第１ボクセルの第１強度値に基づいて血管の第１グループに対する第１密度値を決定することであって、第１ボクセルが第１血管の第１グループに対応する、決定することと、血管の第１グループに含まれる個々の血管のそれぞれの長さを求めることと、画像データに含まれる第２ボクセルの第２強度値に基づき血管の第２グループに対する第２密度値を求めることであって、第２ボクセルが血管の第２グループに対応する、求めることとを含む動作を実施させる、コンピュータ可読媒体によって格納された命令をさらに含む、実装１７のシステム。

実装１９．第１血管及び第２血管が、血管の第１グループに含まれ、本システムが、少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、脳の第１半球に位置する第１のさらなる血管の第１のさらなる密度と、脳の第２半球に位置する第２のさらなる血管の第２のさらなる密度との差のさらなる量に対応するさらなる尺度を求めることであって、第１のさらなる血管及び第２のさらなる血管が血管の第２グループに含まれ、異常の確率が、第１血管のうちの少なくとも１つの長さと、第２血管のうちの少なくとも１つの長さと、上記さらなる尺度とに基づく、求めることを含む動作を実施させる、コンピュータ可読媒体によって格納された命令をさらに含む、実装１８のシステム。

実装２０．１つ又は複数のハードウェアプロセッサを使用して、撮像装置によって取り込まれた画像データにアクセスするステップであって、画像データが、個体の脳の画像に対応する情報を含み、情報が複数のボクセルを含み、個々のボクセルが強度値に関連している、ステップと、１つ又は複数のハードウェアプロセッサを使用して、画像データによって表される特徴部をヒト頭部の特徴部を含むテンプレートと位置合せするステップであって、ヒト頭部の特徴部が骨又は血管のうちの少なくとも１つを含む、ステップと、１つ又は複数のハードウェアプロセッサを使用して、画像データのいくつかの部分を除去して修正画像データを生成するステップであって、画像データの上記部分が個体の頭部内に位置する１つ又は複数の骨に対応する、ステップと、１つ又は複数のハードウェアプロセッサを使用して、修正画像データに基づき、脳の第１半球に位置する１つ又は複数の第１血管を同定するステップであって、１つ又は複数の第１血管が、値のある範囲に含まれる１つ又は複数の第１直径を有する、ステップと、１つ又は複数のハードウェアプロセッサを使用して、修正画像データに基づき、脳の第２半球に位置する１つ又は複数の第２血管を同定するステップであって、１つ又は複数の第２血管が値の上記範囲に含まれる１つ又は複数の第２直径を有する、ステップと、１つ又は複数のハードウェアプロセッサを使用して、１つ又は複数の第１血管の１つ又は複数の第１密度と１つ又は複数の第２血管の１つ又は複数の第２密度との差の量に対応する尺度を求めるステップであって、１つ又は複数の第１密度が１つ又は複数の第２密度よりも小さい、ステップと、１つ又は複数のハードウェアプロセッサを使用して、上記尺度に基づき、個体の頭部内に位置する少なくとも１つの血管に関する異常の確率を求めるステップと含む、方法。

実装２１．撮像装置が、コンピュータ断層撮影血管造影（ＣＴＡ）撮像装置であり、画像データが、医療におけるデジタル画像と通信（ＤＩＣＯＭ）標準規格に従ってフォーマットされ、画像が、撮像装置によって取得された複数の画像スライスに基づき、複数の画像スライスの個々の画像スライスが、少なくとも約０．５ｍｍから約５ｍｍ以下の厚さを有する、実装２０の方法。

実装２２．テンプレートを使用して、個体の頭部内に位置する１つ又は複数の骨を同定するステップを含み、第１血管及び第２血管がさらなるテンプレートを使用して同定される、実装２０又は２１の方法。

実装２３．個体の頭部内に位置する１つ又は複数の血管に関する異常の確率が閾値確率を上回ると判断するステップと、個体の頭部内に位置する１つ又は複数の血管に関する異常の確率が閾値確率を上回ることに応じて：修正画像データに基づき、脳の第１半球に位置する第３血管を同定するステップと、修正画像データに基づき、脳の第２半球に位置する第４血管を同定するステップと、第３血管の第３密度と第４血管の第４密度との差のさらなる量に対応するさらなる尺度を求めるステップと、上記さらなる尺度に基づき、個体の頭部内に位置する１つ又は複数の血管に関する異常のさらなる確率を求めるステップとをさらに含む、実装２０～２２のうちのいずれか１つの方法。

実装２４．個体の脳の画像を取得するステップと、画像を使用して、ヒト脳内に位置する複数の血管の位置を示すテンプレートに基づき、個体の脳内に位置する血管を同定するステップと、血管に関する始点を決定するステップであって、始点が、個体の脳内の血管の経路に含まれる画像の第１ボクセルを示す、ステップと、血管に対応する密度値に基づき血管に沿った経路を決定するステップであって、密度値が、血管に関連する画像の部分と画像の背景部分とのコントラストの量を示す、ステップと、少なくとも部分的にテンプレートに基づき血管の終点を決定するステップと、血管が終点の前で終端すると判断するステップと、血管が終点の前で終端することに基づき、血管に関連する異常が存在する確率を求めるステップとを含む方法。

実装２５．血管に沿った経路が、血管の位置に対応する位置における画像のボクセルの血管性値に基づいて決定される最短経路に対応し、血管性値がヘシアンフィルタの固有値に対応する、実装２４の方法。

実装２６．血管の始点が、最高血管性値を有するボクセルに対応し、そのボクセルが、血管の近位部に位置する、実装２４又は２５の方法。
実装２７．血管の経路が、最短経路のコストが閾値コストを超えることに基づいて終端する、実装２４～２６のうちのいずれか１つの方法。

実装２８．血管の経路が、通過するのに有限コストを有する血管の経路に沿ってボクセルが残っていないと判断することに応じて終端する、実装２４～２７のうちのいずれか１つの方法。

実装２９．始点が、中大脳動脈の近位端に位置し、終点が、中大脳動脈の遠位部に位置する、実装２４～２８のうちのいずれか１つの方法。
実装３０．少なくとも１つのハードウェアプロセッサと、少なくとも１つのハードウェアプロセッサによって実行されると、少なくとも１つのハードウェアプロセッサに、個体の脳の画像を取得することと、上記画像を使用して、ヒト脳内に位置する複数の血管の位置を示すテンプレートに基づき個体の脳内に位置する血管を同定することと、血管に関する始点を決定することであって、始点が個体の脳内の血管の経路に含まれる画像の第１ボクセルを示す、決定することと、血管に対応する密度値に基づき血管に沿った経路を決定することであって、密度値が、血管に関連する画像の部分と画像の背景部分とのコントラストの量を示す、決定することと、少なくとも部分的にテンプレートに基づき、血管の終点を決定することと、上記血管が終点の前に終端すると判断することと、上記血管が終点の前に終端することに基づき、上記血管に関して異常が存在する確率を求めることとを含む動作を実施させる命令を格納するコンピュータ可読媒体とを備える、システム。

実装３１．血管に沿った経路が、血管の位置に対応する位置における画像のボクセルの血管性値に基づいて決定される最短経路に対応し、血管性値がヘシアンフィルタの固有値に対応する、実装３０のシステム。

実装３２．血管の始点が、最高血管性値を有するボクセルに対応し、ボクセルが、血管の近位部に位置する、実装３０又は３１のシステム。
実装３３．血管の経路が、最短経路のコストが閾値コストを超えることに基づいて終端する、実装３０～３２のうちのいずれか１つのシステム。

実装３４．血管の経路が、通過するのに有限コストを有する血管の経路に沿ってボクセルが残っていないと判断することに応じて終端する、実装３０～３３のうちのいずれか１つのシステム。

実装３５．上記始点が、中大脳動脈の近位端に位置し、上記終点が、中大脳動脈の遠位部に位置する、実装３０～３４のうちのいずれか１つのシステム。

実施例１
方法
発症から２４時間以内の急性虚血性脳卒中の疑いのある２０１７年１月１日から２０１８年１２月３１日までの薄層スライスＣＴＡによるマルチモーダルＣＴを受けた連続患者を、後ろ向きに特定した。これらのマルチモーダルＣＴを、２人の神経放射線科医が、前方循環ＬＶＯ又はＭ２－セグメント中大脳動脈（Ｍ２－ＭＣＡ）閉塞（参照標準）の存在及び部位に対し合意して評価した。次いで、自動化ＬＶＯ検出アルゴリズム（ラピッド（ＲＡＰＩＤ）ＣＴＡ）を使用して、患者のＣＴＡを処理した。受信者操作特性解析を使用して、ａ）ＬＶＯ、及びｂ）ＬＶＯ又はＭ２－ＭＣＡ閉塞のいずれかの検出のためのアルゴリズムの感度、特異度及びＮＰＶを求めた。

結果
４７７人の患者からのＣＴＡを解析した（２７１人の男性及び２０６人の女性、年齢中央値７１歳、四分位範囲６０～８０）。処理時間中央値は１５８秒間であった（四分位範囲１５０～１６７秒）。７８人の患者に前方循環ＬＶＯがあり、２８人の患者に孤立性Ｍ２－ＭＣＡ閉塞があった。感度、陰性的中率（ＮＰＶ）及び特異度は、頭蓋内ＬＶＯの検出に対してそれぞれ０．９４、０．９８及び０．７６であり、頭蓋内ＬＶＯ又はＭ２－ＭＣＡ閉塞のいずれかの検出に対してそれぞれ０．９２、０．９７及び０．８１であった。

材料及び方法
本発明者らの医療用画像保存通信システム（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）及び電子医療記録を使用して、２０１７年１月１日～２０１８年１２月３１日の本発明者らの機関を受診し、急性虚血性脳卒中の疑いがあるためにマルチモーダル脳ＣＴを受け、以下の選択基準（ｉｎｃｌｕｓｉｏｎ ｃｒｉｔｅｒｉａ）を満たした基準連続患者を、後ろ向きに特定した。選択基準は、ａ）１８歳を超える患者、及びｂ）症状発症の又は健康であることが確認されてから２４時間以内に実施されたマルチモーダル「脳卒中プロトコル」ＣＴであるということであった。除外基準は、ａ）技術的に不適切なＣＴＡ（経験を積んだ神経放射線科医による中大脳動脈の遠位Ｍ２セグメントのレベルまでの頭蓋内動脈の正確な評価を妨げた、不十分な造影剤ボーラス又は実質的な体動又は金属アーチファクト）、及びｂ）薄層スライスＣＴＡ画像が入手可能でないということであった。これらの除外基準が正当である理由は、ａ）ＣＴＡは、経験を積んだ人間の読影者による正確な解釈のために十分な品質のものでなければならず、その理由は、これが、ＬＶＯ検出アルゴリズムが評価される基準標準であったためであり、ｂ）アルゴリズムによって処理されるために、５１２×５１２画像マトリックスを使用して収集された薄層スライス画像が必要であった、ということであった。

ＣＴ画像収集及び再構成技法
２５６スライスのマルチディテクタ（ｍｕｌｔｉ－ｄｅｔｅｃｔｏｒ）ＣＴ（ｉＣＴ２５６、米国オハイオ州クリーブランド（Ｃｌｅｖｅｌａｎｄ，ＯＨ，ＵＳＡ）所在のフィリップス・ヘルスケア社（Ｐｈｉｌｉｐｓ Ｈｅａｌｔｈｃａｒｅ））において、すべての患者をスキャンした。本発明者らの機関の日常的なマルチモーダル「脳卒中ＣＴプロトコル」は、単純ＣＴと、それに続くＣＴ灌流（ＣＴＰ）及びＣＴ血管造影法からなっていた。

単純ＣＴは、以下のパラメータ、すなわち、０．６２５ｍｍスライスコリメーション、０．２８３のらせんピッチファクタ、１２０ｋＶの管電圧及び画像マトリクス５１２×５１２でのヘリカルモードで獲得した。体軸、冠状及び矢状多断面再構成を４ｍｍスライス厚で実施して、１ｍｍ重複部分でＵＢカーネルを使用して、画像を再構成した。

ＣＴＰのために、５０ｍＬの非イオン性造影剤（３５０ｍｇヨウ素／ｍＬ、イオヘキソール、オムニパーク（Ｏｍｎｉｐａｑｕｅ）３５０、米国ウィスコンシン州（Ｗｉｓｃｏｎｓｉｎ，ＵＳＡ）所在のＧＥヘルスケア社（ＧＥ Ｈｅａｌｔｈｃａｒｅ）を静脈注射した。

後続するＣＴＡに対して、８０ｍＬの同じ非イオン性造影剤を５ｍＬ／ｓの速度で静脈注射し、その後、４０ｍＬの生理食塩水洗浄を６ｍＬ／ｓで行った。大動脈弓で造影剤ボーラストリガを実施した。ヘリカル収集のためのパラメータは以下の通りであった。すなわち、大動脈弓から頭頂までの頭尾方向カバレッジ、線量調整を伴う１００ｋＶ管電圧、スライスコリメーション幅０．６２５ｍｍ、画像マトリクス５１２×５１２及びらせんピッチファクタ０．６１８である。以下の再構成パラメータを使用した。すなわち、５の反復再構成（ｉｔｅｒａｔｉｖｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）（ｉＤｏｓｅ）ファクタ及び畳み込みカーネルＢである。０．８ｍｍ重複部分で体軸画像を再構成した。４ｍｍスライス厚で、体軸、冠状及び矢状多断面再構成を実施した。１０ｍｍ厚で体軸最大値投影を再構成した。

ＬＶＯ定義
実施例１に関して、頭蓋内「ＬＶＯ」という用語は、具体的に、Ｍ１－ＭＣＡ及び頭蓋内ＩＣＡ（錐体セグメントからＩＣＡ二分岐まで）を含む、前方循環閉塞を述べるために使用した。「床突起上ＩＣＡ」は、ＩＣＡの眼及び交通セグメントを指す。

Ｍ１－ＭＣＡは、ＩＣＡ二分岐からＭＣＡ二分岐又は三分岐までのセグメントとして機能的に定義した。ＭＣＡの膝部に対して近位にＭＣＡの早期分岐があった場合、短い近位の動脈幹をＭ１セグメントと称し、分岐の遠位の枝をＭ２セグメントとして定義した。

Ｍ２セグメントは、（冠状画像で評価した）シルビウス裂内に垂直に上行するＭＣＡ二分岐／三分岐のすぐ遠位のセグメントとして定義した。近位Ｍ２閉塞は、冠状画像におけるシルビウス槽の中点を通って描かれる横断面に対して下位に位置しているものとして定義した。Ｍ２セグメントの有意性は、他のＭ２セグメントに対するそのサイズと、それがもたらした灌流異常の程度とに基づいて評価した。

画像解析
（それぞれ、８年間及び９年間のフェローシップ後の経験がある）２人の診断神経放射線科医が、各患者の完全なマルチモーダルＣＴ、すなわち、単純ＣＴ、ＣＴＰ及びＣＴＡを検討した。

患者の臨床症状の詳細が提供された。次いで、７年間の経験がある介入神経放射線科医が、所見を確認した。これらの神経放射線科医の読影は、自動化ＬＶＯ検出ツールの性能が評価される標準基準（ｃｒｉｔｅｒｉｏｎ－ｓｔａｎｄａｒｄ）としての役割を果たした。

各患者に対して、ＣＴＡの技術的妥当性を評価した。次いで、合意して以下の特徴を記録した。
１．頭蓋内ＬＶＯ又は頸部ＩＣＡ閉塞の存在、側及び部位、
２．Ｍ２－ＭＣＡ閉塞の存在、側、部位（近位対遠位）及び優位性。

重複病変の場合、閉塞の各部位を記録した。Ｍ１－ＭＣＡ閉塞の場合、閉塞の具体的な下位部位（Ｍ１セグメントの近位２／３対遠位１／３）と非不透明化血管セグメントの長さとを記録した。

自動化ソフトウェアを使用するＬＶＯ検出
自動化ツール（ラピッド（ＲＡＰＩＤ）ＣＴＡ、ラピッド（ＲＡＰＩＤ）４．９、カリフォルニア州メンローパーク（Ｍｅｎｌｏ Ｐａｒｋ，ＣＡ）のイスキーマ・ビュー（ｉＳｃｈｅｍａ Ｖｉｅｗ））を使用して、ＬＶＯの存在及び側に対して各患者のＣＴＡ生データを解析した。

ラピッドＣＴＡ（ＲＡＰＩＤ ＣＴＡ）アルゴリズムは、以下の動作を実施する。すなわち、（１）医療におけるデジタル画像と通信フォーマットでＣＴＡ生データをインポートし、（２）画像を体動及び傾斜補正し、（３）ＣＴＡデータを頭尾方向に切り取ってＣ１椎骨から頭頂までのカバレッジを制限し、（４）ヒト頭部の解剖学的テンプレートをＣＴＡデータと弾性的に位置合せし、（５）関連する解剖学的構造（例えば、骨及び血管）のテンプレートをＣＴＡ上で歪ませてマスクを作成し、（６）骨マスクを使用して頭蓋底及び頭蓋冠を除去し、（７）頭蓋内血管を同定するとともに、それらを小径グループ及び大径グループに二分し、（８）鞍上槽（床突起上ＩＣＡ）及び近位シルビウス槽（Ｍ１－ＭＣＡ）における大内径血管の長さを評価することにより血管密度を求めるとともに、これらの血管を構成するボクセルの密度値（ハンスフィールド単位）の和を求め、（９）シルビウス槽における且つそれに隣接するさらに遠位の小内径血管（遠位Ｍ１、Ｍ２及びＭ３セグメント）に対して血管密度を求め、（１０）左右比較を実施して、最初に鞍上槽及び近位シルビウス槽内で、次いでさらに遠位に進んで、相対血管密度比を求め、（１１）骨マスクＣＴＡから頭蓋内血管系の体軸、冠状及び矢状最大値投影を作成し、（１２）以下の色分け閾値、すなわち７５％～８０％（青色）、６０％～７４％（緑色）、４５％～５９％（黄色）及び４５％未満（赤色、図１０）を適用して、これらのＭＩＰ上で相対両半球間血管密度の低下した領域を強調表示し、（１３）これらのＭＩＰを匿名出力マップとして画像保存通信システムに送信する。４つの異なる閾値の適用は、同時であり且つ完全に自動化されている。

各患者に対して、これらのステップを完了するためにかかった処理時間を記録した。研究期間中、アルゴリズムのさらなる訓練は発生しなかった。
統計解析
ソフトウェアパッケージ（メッドカルク（ＭｅｄＣａｌｃ）バージョン（Ｖｅｒｓｉｏｎ）１７．２、２０１７、ベルギー国オステンド（Ｏｓｔｅｎｄ，Ｂｅｌｇｉｕｍ）所在のメッドカルク・ソフトウェア有限責任会社（ＭｅｄＣａｌｃ Ｓｏｆｔｗａｒｅ ｂｖｂａ））を使用して、すべての統計解析を実施した。

受信者操作特性（ＲＯＣ）解析を実施して、
１．頭蓋内ＬＶＯ、及び
２．頭蓋内ＬＶＯ又はＭ２セグメント閉塞のいずれか
の検出のためのアルゴリズムの感度、特異度、陽性的中率（ＰＰＶ）、陰性的中率（ＮＰＶ）及びＲＯＣ曲線下の面積（ＡＵＣ）を求めた。

ＬＶＯ検出に対するこの研究において、７５％未満の血管密度閾値（６０％～７５％、４５％～５９％及び４５％未満の閾値を含む）を使用し、その理由は、これがそれらの公開前テストに基づいてソフトウェア開発者により推奨されたためである。

置換ありの１００００サンプルによるブートストラップ手順を使用して、信頼区間を計算した。
結果
選択基準を満たす５０１人の連続患者が、２０１７年１月１日から２０１８年１２月３１日の間に、ＣＴＡ及びＣＴＰを伴うマルチモーダルＣＴを受けた。技術的に不適切なＣＴＡにより８人が除外された（５人は不十分な造影剤ボーラス、３人は深刻な動き劣化）。（ＬＶＯがある２人を含む）１６人が、ＰＡＣＳで薄層ＣＴＡが入手可能でなかったため除外された。

４７７人の患者、２７１人の男性（年齢中間値７０歳、ＩＱＲ５９．５～７９）及び２０６人の女性（年齢中間値７１．５歳、ＩＱＲ６０～８３）からのＣＴＡを解析した。患者のベースライン特性及び血管閉塞の詳細は、それぞれ表１及び表２に示す。

すべての事例を５分未満で処理した。平均処理時間は１５８秒（ＩＱＲ１５０～１６７秒）であった。
１．頭蓋内ＬＶＯ検出
ＬＶＯ検出のためのＲＯＣ解析の結果を表３に示す。

研究母集団におけるＬＶＯのある７８人の患者のうち、７３人（９３．６％）が、アルゴリズムにより正確に特定され、０．９４の感度（ＣＩ_９５％０．８６～０．９８）及び０．７６の特異度（ＣＩ_９５％０．７２～０．８０）をもたらした。陰性的中率は非常に高かった（０．９８、ＣＩ_９５％０．９６～０．９９）。ＲＯＣ曲線を図１１Ａに示す。

事後解析において、アルゴリズムは、（ＬＶＯの遠位のＭ２及びＭ３セグメントの不透明化がないことによって示される）不十分な側副血行状態に関連するいかなるＬＶＯも見落とさなかった。

Ａ．）ＩＣＡ閉塞
ＬＶＯは、頭蓋内ＩＣＡ閉塞のある３１／３２（９６．９％）の患者において正確に同定された。重複ＩＣＡ及びＭ１－ＭＣＡ閉塞のある患者が１１人、ＩＣＡ末端を含む孤立性床突起上ＩＣＡ閉塞のある患者が１４人（不完全な閉塞のある患者を含む）であった。これらは、すべて、４５％未満閾値を使用して正確に同定された（図１０（Ａ）及び図１０（Ｂ）に示す例）。

ＩＣＡ末端を残した床突起上ＩＣＡ閉塞がある３人の患者において、ＩＣＡ末端及びＭ１－ＭＣＡは、開存前交通セグメントを介して交差流により不透明化された。これらの患者では、床突起上ＩＣＡの近位部は不透明化されず、その結果、６０％未満のより高い閾値を使用しても、アルゴリズムによる検出を可能にする血管密度比の低下がもたらされた。

本アルゴリズムは、４５％未満閾値を使用して、４人のうち３人の錐体－海綿状セグメントＩＣＡ閉塞を同定した。これらの患者においては、床突起上ＩＣＡの内径及び内腔密度は、対側側（図１１）と比較して、検出を可能にするほど十分に低減及び低下した。本アルゴリズムが見落とした、錐体セグメントＩＣＡ閉塞のある残りの患者においては、床突起上ＩＣＡは十分に不透明化されず、眼動脈を介する外頸動脈からの側副血行供給により、内径の低減又は内腔密度の低下はなかった。

Ｂ．）Ｍ１閉塞
孤立性Ｍ１－ＭＣＡ閉塞のある４６人の患者のうち、４２人（９１．３％）が、本アルゴリズムにより正確に同定された。３３人が４５％未満（赤色）閾値を使用して特定され、５人が６０％未満（黄色）閾値を使用して特定され、４人が７５％未満（緑色）閾値を使用して特定された。

緑色又は黄色閾値を使用して特定された９人の患者のうち、６人に（長さが８ｍｍ未満である）短いセグメントの閉塞があった。これらの患者には、良好な側副血行状態を示す、閉塞の遠位のＭ２セグメントの良好な不透明化（したがって、より小さい相対血管密度低下）があった。

図１０（Ｃ）及び図１０（Ｄ）に２つの例を示す。残りの３人の患者もまた、近位Ｍ２セグメントの再構成によって示されるように良好な側副血行があった。
４つのＭ１ーＭＣＡ閉塞が見落とされ、１つは不完全であり、１つは短いセグメント（５ｍｍ長）であり、もう１つは、側副血行を介する近位Ｍ２セグメントの再構成があって１５ｍｍ長であった。残りの事例は、この場合もまた良好な側副血行状態を示す、前側頭枝及び近位Ｍ２セグメントの再構成がある、長いセグメントの近位Ｍ１－ＭＣＡ閉塞であった。

２．ＬＶＯ及びＭ２－ＭＣＡ閉塞
ＬＶＯ又はＭ２－ＭＣＡ閉塞のいずれかの検出のためのＲＯＣ解析の結果を表３に示す（ＲＯＣ曲線は図１３（Ｂ）に示す）。０．９２という感度（９５％ＣＩ、０．８６～０．９６）は、純粋にＬＶＯ検出に対するよりも低かったが、０．８１という特異度（９５％ＣＩ、０．７７～０．８５）はより高かった。ＮＰＶは０．９７（９５％ＣＩ、０．９５～０．９８）であった。

２８のＭ２－ＭＣＡ閉塞のうち、４つは検出されず、すなわち、２つの（さらに遠位のＭ２セグメントの不透明化によって示される）良好な側副血行がある短いセグメントの近位閉塞と、小さい非優位Ｍ２セグメント閉塞と、遠位非優位Ｍ２閉塞とであった。

３．偽陽性
７１の偽陽性があった。床突起上及びシルビウス槽における非対称血管密度の原因が、これらの患者のうちの６４人において特定された。同側の血管密度の低下は、慢性Ｍ１－ＭＣＡ狭窄症（ｎ＝５）、高悪性度床突起上ＩＣＡ狭窄症（ｎ＝１）、床突起上ＩＣＡの密度の低下及び内径の低減による頸部ＩＣＡ閉塞（ｎ＝１）、Ｍ１又はＭ２セグメントの減弱による古い同側ＭＣＡ領域梗塞（ｎ＝４）及びＭＣＡの早期二分岐（ｎ＝１２）によってもたらされた。

偽陽性は、対側の血管密度の増加（図１２）の以下の原因からももたらされた。すなわち、大きい前側頭枝（ｎ＝７）、非対称に大型又は一側の後交通セグメント（ｎ＝１５）、過灌流（ｎ＝３、２人の患者は血管過多腫瘍があり、１人は発作があった）、大型ＭＣＡ動脈瘤（ｎ＝１）、両前大脳動脈に血液を供給する大きい床突起上ＩＣＡ（ｎ＝２）及び不透明化静脈構造（ｎ＝１３）である。

頸部ＩＣＡ閉塞
８人の患者に孤立性頸部ＩＣＡ閉塞があった。本アルゴリズムは、床突起上ＩＣＡがその対側相対物と比較して密度が低下する（１５％）とともに内径が低減（５０％）した、これらの患者のうちの１人において、頭蓋内ＬＶＯを診断した。残りの７人の患者では、同側床突起上ＩＣＡには、密度の緩やかな低下及び内径の緩やかな低減のみがあった。

考察
この研究は、大規模地方病院において急性虚血性脳卒中が疑われるためにマルチモーダルＣＴを受けた連続患者のコホートにおいて、自動化ＬＶＯ検出ツールの性能を後ろ向きに評価した。本発明者らの結果は、完全自動化ソフトウェアアルゴリズムが、高い診断感度（０．９４）及び陰性的中率（０．９８）、並びに適度に高い特異度（０．７６）で頭蓋内前方循環ＬＶＯを検出することができることを実証している。この研究はまた、これが、３分未満の非常に短い計算時間で達成することができ、それにより、このツールが緊急臨床状況に理想的に適するものとなることも示す。

本アルゴリズムの感度は、経験レベルの異なる神経放射線科医に対して先行して報告された範囲内にある（０．９４～１．０）。しかしながら、特異度は、経験を積んだ人間の読影者によって達成される０．９５～０．９８よりもはるかに低い。大部分の偽陽性をもたらした血管非対称性は、放射線科医及び神経科医によってＬＶＯから容易に識別することができる。したがって、本発明者らは、経験を積んだ人間の読影者を自動化ＬＶＯ検出ツールに置き換えることを推奨しない。代わりに、そのＮＰＶが高いことを考慮して、脳卒中患者のマルチモーダルＣＴをスクリーニングするための臨床判断支援ツールとしてこのソフトウェアを使用することを提案する。

それは、治療する神経科医及び報告する放射線科医にあり得るＬＶＯに対する注意を促し、高い優先順位として患者の撮像の評価を促すことにより、診断を促進することができる。こうしたツールは、２４時間体制の現場マルチモーダル脳卒中ＣＴ解釈を提供する資源がなく且つ経験を積んだスタッフがいない、本発明者らの施設等の地方及び周辺施設において特に価値がある。最終的に、放射線科医によってすべてのＣＴＡが読影されるが、特に、資源が限られる勤務時間後、それらには常に最高優先順位が割り当てられるとは限らない。多くの場合、より小さい施設、及び超専門医（ｓｕｂｓｐｅｃｉａｌｉｓｔ）放射線学が実施されない国では、待機している放射線科医又はレジデントが１人しかいない。この状況では、脳卒中患者のマルチモーダルＣＴよりも、外傷等の他の緊急スキャンが優先される可能性があり、その結果、診断が遅延する。本著者らは、臨床診察においてこの問題に繰返し直面してきた。本アルゴリズムは、ＬＶＯ検出を完全に自動化し、事例の７５％において３分以内（すべての事例において５分以内）で出力を生成する。これにより、陽性所見が、スキャンの５分以内に、報告する放射線科医、遠隔画像診断医（ｔｅｌｅｒａｄｉｏｌｏｇｉｓｔ）又は研修医に知らされ、それにより診断を促進することが確実になる。目下、ＣＴＡ再フォーマットが完了し、研究がＣＴ技術者により放射線科医ワークリストに掲示されるまで、評価が遅延することが多い。

現場での血栓除去術サービスを提供しない本発明者らの病院のような病院に対する本アルゴリズムの追加の利益は、最寄りの血栓除去術施設の通知である。これにより、血栓回収チームの動員及び対象となる患者の治療が促進され、それによりあり得る最良の転帰が確実になる。通知は、目下、地元の神経科医又は救急医が血栓除去術施設に連絡することに頼り、それによりさらに遅延する可能性がある。

本アルゴリズムは、価値のある診断支援ツールでもあり得る。経験を積んだ神経放射線科医はＬＶＯの検出に対して高感度を有し、７５％～９８％であると報告されているが、神経科医及び研修生の診断能力は著しく低い可能性がある（１回の研究で６３％）。本発明者らの施設等、世界中の多くの施設において、マルチモーダル脳卒中ＣＴＡの重大な検討が、研修生の放射線科医及び神経科医によって実施され、これらの検査は、後に放射線科医（多くの場合、一般医）によりもう一度読影される。また、経験を積んだ放射線科医であっても、ＬＶＯを見落とす。本ツールは、これらの場合に見直しを促すことができ、臨床的に重大な見落とし及び結果としての損害を回避する可能性がある。ソフトウェアのコストは低いが、患者が有益な治療の機会を逃すとともに著しい神経学的障害を被る、ＬＶＯの見落とされた又は遅延した診断のコストは高い。したがって、本発明者らは、ＬＶＯ検出ソフトウェアの使用が、費用効果が高いか否かを評価する具体的な介入は実施していないが、ＬＶＯの遅延し見落とされる診断の本発明者らの経験から、費用効果は高いと考えられる。

本発明者らの知るところでは、自動化ＬＶＯ検出アルゴリズムの診断性能を評価した完全な研究はこれまで発表されていない。別のＬＶＯ検出ソフトウェアの評価に対して２つの論文要約が入手可能であり、これらの論文要約で報告されている０．８５～０．９７の感度は本発明者らのものに匹敵するが、報告されている特異度は広範囲（０．５２～０．８３）を有していた。それらの研究論文における患者のコホートは、複数の包括的脳卒中施設において急性虚血性脳卒中患者からランダムに選択され、ＬＶＯの事例が多かった。本発明者らの研究コホートは、急性虚血性脳卒中の疑いがある地方病院を受診している連続患者から構成され、したがって、ＬＶＯの罹患率はより低く、より異種である可能性があり、その理由は、臨床トリアージが包括的脳卒中施設におけるよりも明確に定義されていないためである。キュレートされていないデータセットを使用することにより、本発明者らは、本発明者らのアルゴリズムをテストし、現実世界の状況でその診断性能を判断した。本発明者らのコホートは、ＬＶＯ検出ツールに対する目標母集団をより表しているとも感じられる。

本研究で評価したＬＶＯ検出アルゴリズムは、鞍上槽及びシルビウス槽内の血管密度の半球の差を検出する。血管密度は、不透明化された血管の長さ、内径及び数（空間密度）とともに、（ハンスフィールド単位で測定される）内腔不透明化の密度によって影響を受ける。ＬＶＯにより血管非不透明化がもたらされ、それにより、同側血管密度が低下する。結果としての非対称性が、本アルゴリズムにより検出される。例えば、ＩＣＡ末端を含む床突起上ＩＣＡ閉塞のすべてが、４５％未満閾値を使用して、本アルゴリズムにより検出された。これらの患者において、床突起上ＩＣＡ及びＭ１－ＭＣＡの少なくとも近位部の非不透明化により、極度に血管密度が低下した。同様に、広範囲の動脈非不透明化があった、重複Ｍ１－ＭＣＡ及び頭蓋内ＩＣＡ閉塞のある患者が、４５％未満閾値を使用して検出された。開存した前交通セグメントもあった、末端を保存したＩＣＡ閉塞のある患者は、交差流が遠位床突起上ＩＣＡを不透明化したため、より緩やかな血管密度低下を示した。血管密度低下は、アルゴリズムがＬＶＯを検出するのに十分であったが、これらの患者においてはより高い閾値の使用が必要であった。

ＬＶＯ検出に対する偽陰性は、本アルゴリズムによる検出を可能にするのに不十分な相対血管密度低下により説明することができた。これは、短いセグメント（図１５）及び不完全なＭ１－ＭＣＡ閉塞で、閉塞の遠位のＭ１又はＭ２セグメント不透明化があった良好な側副血行のある患者において発生した。閉塞の遠位の血管不透明化（したがって、相対血管密度のより小さい低下）のある、高い側副血行グレードもまた、最低（４５％未満）閾値を使用して検出されなかった９つのＭ１－ＭＣＡ閉塞の原因であった。頑強な側副血行があるこれらの患者は、梗塞成長がそれほど時間依存ではない長期未発症者である可能性がより高い。したがって、この群では、検出の促進はそれほど重大ではない可能性がある。アルゴリズムがＬＶＯを見落とした患者のいずれも、不十分な側副血行グレードを有していなかった。不十分な側副血行は急速な進行に関連し、したがって、これは、組織救済に迅速な再灌流が必要であるため、迅速な診断が最も重要である群である。

他の偽陰性は、錐体ＩＣＡ閉塞のみであり、これは、本アルゴリズムの重要な限界を目立たせる。錐体－床突起ＩＣＡ閉塞は、頭蓋底における骨マスクの性能が不十分であるため直接検出することができない。床突起上ＩＣＡは、通常、この患者において不透明化され、本アルゴリズムによる検出を妨げる。本研究における頭蓋底ＩＣＡ閉塞のある患者の数（４）は、このグループにおけるＬＶＯ検出ツールの精度の意味のある解析には少なすぎたが、それはまた、急性虚血性脳卒中母集団における錐体－床突起ＩＣＡ閉塞の罹患率が低いことも反映している。頸部血管は照会されないため、頸部ＩＣＡ閉塞もまた本アルゴリズムに対して難題を提起し、これらの閉塞により、必ずしも、床突起上ＩＣＡの密度が低下するか又は内径が低減することになるとは限らない。現行のガイドラインは、孤立性頸部ＩＣＡ閉塞のある患者に対して血栓除去術の必要を示さず、したがって、現時点ではＬＶＯ検出ツールを使用してこれらを特定することは恐らくはそれほど重大ではない。放射線科医及び神経科医は、偽陰性の存在及び原因を認識しており、アルゴリズムが陰性結果を与える場合であってもＣＴＡの自身の解釈において油断せずにいることが重要である。

本アルゴリズムは、大部分のＭ２－ＭＣＡ閉塞を検出することができた。感度は０．９２までわずかに低下したが、Ｍ２－ＭＣＡ閉塞が含まれていたとき、特異度は０．８１まで上昇し、ＮＰＶはおよそ安定したままであった。Ｍ２－ＭＣＡ閉塞のある患者における標準的な内科的治療と比較して、血栓除去術による機能的転帰が向上するエビデンスがある。したがって、現行のガイドラインは、血管内血栓除去術は、Ｍ２－ＭＣＡ閉塞のある厳選された患者において考慮することができると述べている^６。特に、血栓除去術は、非常に機能的に重要な（ｅｌｏｑｕｅｎｔ）脳領域の深刻な神経学的障害及び虚血のある患者において迅速な再灌流を達成するものとして価値が与えられ得る。加えて、（例えば、４．５時間窓を超えての診察のため）経静脈的血栓溶解に適していないＭ２－ＭＣＡ閉塞のある患者においては、血栓除去術が唯一の利用可能な再灌流療法である。したがって、ＬＶＯ検出ツールは、Ｍ２－ＭＣＡ閉塞も同定するべきであると主張することができる。

偽陽性は、進化変種（例えば、血管内径の非対称をもたらす同側ＭＣＡの早期一側二分岐、及び一側又は大型の対側後交通セグメント）、慢性狭窄閉塞疾患、及び（例えば、血管過多腫瘍による）対側過灌流に関連する血管非対称によってもたらされた。本アルゴリズムは、静脈構造と動脈構造とを識別しないため、深中大脳静脈及び浅中大脳静脈等の静脈構造における非対称により偽陽性がもたらされる可能性がある。これは、急速造影剤ボーラス注入及びＣＴＰの前のＣＴＡの実施等、ＣＴＡの静脈汚染を防止する手段によって回避することができる。

この研究の限界は、単一施設での経験であるということである。複数の地方スポーク（ｓｐｏｋｅ）病院及び血栓回収ハブ（ｈｕｂ）を含む多施設研究におけるツールの有用性のさらなる調査が計画されている。

結論
この研究において評価したアルゴリズムは、臨床的に脳卒中が疑われるためマルチモーダルＣＴを受けた患者のコホートにおけるＬＶＯ検出に対して、高い感度及びＮＰＶを有していた。Ｍ２－ＭＣＡ閉塞もまた確実に検出され、これは、これらの患者を血栓除去術に選考することができるため重要である。感度は、神経放射線科医に対して先行して報告された範囲にあるが、特異度は、経験を積んだ人間の読影者のものよりもはるかに低い。したがって、本アルゴリズムは、経験を積んだ人間の読影者の代理ではなく、診断を促進するスクリーニングツールとして使用されるべきである。迅速な処理時間により、緊急臨床状況において実行可能となる。

図
図１０。本アルゴリズムによる脳主幹動脈閉塞検出の例（図１４に拡大バージョンを示す）。Ａ、冠状コンピュータ断層撮影血管造影最大値投影（ＭＩＰ）が、急性発症右側脱力及び失語症を呈していた４４歳の女性における、末端内頸動脈及び中大脳動脈の近位Ｍ１セグメント（Ｍ１－ＭＣＡ）閉塞（矢印）を示す。Ｂ、結果としての鞍上槽における（対側の４５％未満までの）極度の血管密度低下により、本アルゴリズムは脳主幹動脈閉塞を検出することができた。血管密度低下の領域が赤色で強調表示されている、体軸骨マスクＭＩＰのソフトウェア出力。Ｃ、急性発症左側脱力を呈していた８８歳の女性。血管密度低下の領域が黄色で強調表示されている（対側の６０％未満）、短いセグメントの遠位右ＭＣＡ－Ｍ１閉塞（矢印）を示す冠状ＭＩＰのソフトウェア出力。Ｍ２セグメントのうちの１つが、閉塞の遠位で不透明化されており、したがって、血管密度低下は、より高い閾値の使用を必要とする先行する事例よりも小さかった。Ｄ、急性発症左側脱力を呈する６１歳の男性。血管密度低下の領域が緑色で強調表示されている（対側の７５％未満）、短いセグメントの遠位右Ｍ１－ＭＣＡ閉塞（矢印）を示すソフトウェア出力。短いセグメントの閉塞の遠位のＭ２及びＭ３セグメントの良好な不透明化（良好な側副血行を示す）により、先行する例よりも顕著ではなかった血管密度低下を特定するために、より大きい領域のサンプリングが必要であった。カラーオーバレイによる疑似コントラストにより、対応する従来のＭＩＰよりも血管が目立って見える。

図１１。解離に伴う左錐体内頸動脈（ＩＣＡ）閉塞がある５９歳の男性。Ａ、体軸骨除去最大値投影（ＭＩＰ）を含むソフトウェア出力。鞍上槽及びシルビウス槽内の血管が赤色で強調表示されて、ＭＩＰにおける正常な外観にも関わらず対側と比較して極度の密度低下を示す。Ｂ、左海綿状ＩＣＡ（矢印）の非不透明化を示す、体軸０．８ｍｍコンピュータ断層撮影血管造影。Ｃ、左床突起上ＩＣＡが、右（平均密度５１０ハンスフィールド単位、下部テキストボックス）よりも低い内腔密度（平均密度３９０ハンスフィールド単位、上部テキストボックス）を有し、これにより、本アルゴリズムは脳主幹動脈閉塞（ＬＶＯ）を検出することができた。

図１２。失語症及び右側脱力を呈している５０歳の男性における偽陽性の例。Ａ、鞍上槽及びシルビウス槽内の血管が照会されたとき、対側の６０％未満までの右側血管密度低下を示すソフトウェア出力。Ｂ、左シルビウス槽内の血管の増加を示す、冠状コンピュータ断層撮影血管造影最大値投影（ＭＩＰ）（２０ｍｍ）。Ｃ、左側頭葉及び島における原因となる血管過多腫瘍（膠芽腫、矢印付き）を示す、造影剤増強コンピュータ断層撮影体軸画像。Ｄ、血流マップに、同側中大脳動脈の上昇した相対大脳血流及び充溢が見える。

補足的材料
ＣＴ技法。
ＣＴＰのために、５０ｍＬの非イオン性造影剤（３５０ｍｇヨウ素／ｍＬ、イオヘキソール、オムニパーク（Ｏｍｎｉｐａｑｕｅ）３５０、米国ウィスコンシン州（Ｗｉｓｃｏｎｓｉｎ，ＵＳＡ）のＧＥヘルスケア（ＧＥ Ｈｅａｌｔｈｃａｒｅ））を静脈注射し、続いて、５０ｍＬ生理食塩水洗浄を５ｍＬ／ｓで行った。以下のパラメータ、すなわち、８０ｋＶ管電圧、１６０ｍＡ管電流、２．０５ｓ平均時間分解能、５００ｍｓガントリ回転時間、８０ｍｍ ｚ軸カバレッジ、１．５ｍｍスライスコリメーション及び５１２×５１２収集マトリクスを用いて、脳の３５回の連続スキャンからなる体軸アプローチを使用して灌流ＣＴデータを収集した。画像は、１０ｍｍスライス厚で４の反復再構成（ｉＤｏｓｅ）ファクタを使用して再構成し、市販のソフトウェア（ラピッド（ＲＡＰＩＤ）、カリフォルニア州メンローパーク（Ｍｅｎｌｏ Ｐａｒｋ，Ｃａｌｉｆｏｒｎｉａ）のイスキーマ・ビュー（ｉＳｃｈｅｍａ Ｖｉｅｗ））を使用して処理した。

図１３：Ａ．頭蓋内ＬＶＯの検出、及びＢ．頭蓋内ＬＶＯ又はＭ２－ＭＣＡ閉塞のいずれかの検出のためのＲＯＣ曲線。Ｍ２－ＭＣＡ閉塞が含まれるとき、感度はわずかに低下するが、ＡＵＣは特異度の向上により上昇する。

図１４：本アルゴリズムによる脳主幹動脈閉鎖検出の例。Ａ～Ｃ：急性発症右側脱力及び失語症を呈していた４４歳の女性。Ａ．冠状ＣＴＡ ＭＩＰは、末端ＩＣＡ及び近位Ｍ１－ＭＣＡ閉塞（矢印）を示す。結果としての鞍上槽における（対側の４５％未満までの）極度の血管密度低下により、本アルゴリズムはＬＶＯを検出することができた。Ｂ．及びＣ．血管密度低下のある領域が赤色で強調表示されている、体軸及び冠状骨マスクＭＩＰのソフトウェア出力。Ｄ～Ｅ：急性発症左側脱力で診察を呈している８８歳の女性。Ｄ．短いセグメントの遠位右ＭＣＡ－Ｍ１閉塞（矢印）を示す体軸ＣＴＡ ＭＩＰ。Ｍ２セグメントのうちの１つが充満されているが、減弱している。Ｅ．及びＦ．（対側の６０％未満までの）血管密度低下の領域を強調表示しているソフトウェア出力。Ｇ～Ｉ：急性発症左側脱力を呈している６１歳の男性。Ｇ．短いセグメントの遠位右Ｍ１－ＭＣＡ閉塞（矢印）を示す体軸ＣＴＡ ＭＩＰ。Ｈ．及びＩ．血管密度が対側の７５％未満まで低下した、広範囲の領域を緑色で強調表示しているソフトウェア出力。（良好な側副血行を示す）閉塞の短いセグメントの遠位のＭ２及びＭ３セグメントの不透明化により、先行する例よりも小さかった、血管密度低下を特定するために、より広い領域のサンプリングが必要であった。カラーオーバレイによる疑似コントラストにより、対応する従来のＭＩＰよりも血管が顕著に見える。

図１５、偽陰性。Ａ．軟膜側副血行を介する近位Ｍ２セグメントの再構成を含む短いセグメントの右遠位Ｍ１－ＭＣＡ閉塞を示す体軸ＣＴＡ ＭＩＰ画像。Ｂ．本アルゴリズムはこのＬＶＯを検出しなかった。

実施例２
方法
この後ろ向き研究のために、２つの脳卒中試験、ディフューズ（ＤＥＦＵＳＥ）２（ｎ＝６２、２００８年７月～２０１１年９月）及び３（ｎ＝２１３、２０１７年５月～２０１８年５月）と、単一の四次施設からのＥＣＲ候補（ｎ＝８２、２０１４年８月２日～２０１５年８月３０日）及び正常者（ｎ＝１１１、２０１７年６月６日～２０１９年１月２８日）のコホートと、単一の地方病院からの「コードストローク（ｃｏｄｅ ｓｔｒｏｋｅ）」患者（ｎ＝５０１、２０１７年１月１日～２０１８年１２月３１日）とから、データをプールした。自動化アルゴリズムにより、すべてのＣＴＡを評価した。２人の神経放射線科医による合意した読影が、参照標準としての役割を果たした。ＲＯＣ解析を使用して、１）頭蓋内内頸動脈（ＩＣＡ）又はＭ１セグメント中大脳動脈（Ｍ１－ＭＣＡ）を含む前方循環ＬＶＯ、２）前方循環ＬＶＯ及び近位Ｍ２セグメント中大脳動脈（Ｍ２－ＭＣＡ）閉塞、並びに３）個々のセグメント閉塞の検出のためのアルゴリズムの診断性能を評価した。

結果
９２６人の患者（年齢中間値７０歳、ＩＱＲ：５８～８０、４２２人女性）からのＣＴＡを解析した。３９５人の患者に、前方循環閉塞ＬＶＯ又はＭ２－ＭＣＡ閉塞があった（ＮＩＨＳＳ１４（中央値）、ＩＱＲ９～１９）。感度及び特異度は、ＬＶＯ検出に対してそれぞれ９７％及び７４％であり、Ｍ２閉塞が含まれる場合、それぞれ９５％及び７９％であった。閉塞部位による解析において、感度は９０％（Ｍ２－ＭＣＡ）、９７％（Ｍ１－ＭＣＡ）及び９７％（頭蓋内ＩＣＡ）であり、対応するＲＯＣ曲線下の面積は０．８７４（Ｍ２）、０．９６２（Ｍ１）及び０．９９７（頭蓋内ＩＣＡ）であった。

結論
頭蓋内前方循環ＬＶＯ及び近位Ｍ２閉塞は、自動化検出ツールにより迅速に且つ確実に検出することができ、それにより、脳卒中患者の治療において機関内及び機関間ワークフロー及び緊急撮像トリアージを容易にすることができる。

材料及び方法
この後ろ向き研究は、インフォームドコンセントに対する要件を適用除外した、関係する地方病院及び四次病院のＩＲＢによって承認された。

ａ．患者選択
この後ろ向き研究には、合計９６９人の患者が含まれていた。患者母集団は、すべての主要なＣＴ販売業者からのスキャナモデルの十分に表されているサンプルと、病院で見られるＣＴＡプロトコルの典型的な変形とを構成する５つの個々のコホートを含んでいた。２７５人の患者は、ディフューズ（ＤＥＦＵＳＥ）２（脳卒中進行を理解するための拡散及び灌流撮像評価（Ｄｉｆｆｕｓｉｏｎ ａｎｄ Ｐｅｒｆｕｓｉｏｎ Ｉｍａｇｉｎｇ Ｅｖａｌｕａｔｉｏｎ ｆｏｒ Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｓｔｒｏｋｅ Ｅｖｏｌｕｔｉｏｎ）、ｎ＝６２、２００８年７月～２０１１年９月）及びディフューズ（ＤＥＦＵＳＥ）３（ｎ＝２１３、２０１７年５月～２０１８年５月）、２つの大規模多施設脳卒中試験からプールされ、１９３人の患者は、８２人が潜在的なＥＣＲ候補として撮像された患者であった、単一の四次施設からであり（２０１４年８月２日～２０１５年８月３０日）、１１１人は、正常な前方循環を含む非脳卒中関連指標に対して撮像された（２０１７年６月６日～２０１９年１月２８日）。第５コホートは、一次脳卒中施設である地方病院におけるコードストローク精密検査の一部としてＣＴＡがあった連続した一連の５０１人の患者であった（２０１７年１月１日～２０１８年１２月３１日）。ディフューズ（ＤＥＦＵＳＥ）２及び３に関して、急性ＣＴＡが起こっていた同意した患者の一部のみを使用したことに留意されたい。第５コホートにおける患者からのデータは、すでに発表されている後続研究に使用された。

（１）スクリーニング不適格（ｎ＝４、ディフューズ（ＤＥＦＵＳＥ）２より）、（２）ＣＴＡが急性ＣＴプロトコルに含まれていない（ｎ＝７）、（３）不適切なデータフォーマット（薄層スライスＣＴＡ生データが入手可能でない）、及び（４）ＣＴＡが、経験を積んだ神経放射線科医（Ｓ．Ａ．）により、人間の読影者による正確な解釈を可能にするのに技術的に不適切な、したがって不十分な品質であるとみなされた（ｎ＝１５、３人が激しい体動、８人が不十分な造影剤ボーラス／造影剤ボーラスなし、４人が頭蓋内動脈の不完全なカバレッジ）ため、４３人の患者（４．４％）を除外した。

残りの９２６人の患者（年齢７０（中間値、四分位範囲（ＩＱＲ））、５８～８０歳）を解析し、そのうちの５０４人は男性（年齢６９、ＩＱＲ、５８～７８）であり、４２２人は女性（年齢７１、ＩＱＲ、５９～８２）であった。自身の頸部－脳血管系の診断精密検査のために撮像された、これらの患者のうちの５３１人には、前方循環血管閉塞又は遠位（Ｍ３／Ｍ４セグメント）閉塞のみのいずれのエビデンスもなく、この研究では、対照群とみなされた。ＣＴＡ専門家読影に基づき、残りの３９５人の患者には、以下の位置において前方循環に閉塞があった。

Ｉ．単一部位（ｎ＝２４１）：頸部ＩＣＡ（ｎ＝１５）、頭蓋内ＩＣＡ（ｎ＝１６）、Ｍ１－ＭＣＡ（ｎ＝１６１）、Ｍ２－ＭＣＡ（ｎ＝３７）及び遠位ＭＣＡ（ｎ＝１２）。
ＩＩ．重複病変（ｎ＝１５４）：いずれかのＩＣＡ＋Ｍ１（ｎ＝１２４）、いずれかのＩＣＡ＋Ｍ２（ｎ＝８）、Ｍ１＋Ｍ２（ｎ＝５）、頸部ＩＣＡ＋頭蓋内ＩＣＡ（ｎ＝９）及びＭ２＋遠位ＭＣＡ（ｎ＝８）。

閉塞血管がある３９５人の患者のうち、１５人の患者には孤立性頸部ＩＣＡ閉塞があり、６０人の患者にはいかなる頭蓋内ＬＶＯもなくＭ２－ＭＣＡ閉塞があった。頭蓋内ＬＶＯがある残りの３２０人の患者のうち、１６人の患者には孤立性頭蓋内ＩＣＡがあり、１６１人の患者には孤立性Ｍ１－ＭＣＡ閉塞があり、１４３人の患者には重複／複数閉塞、すなわちＭ１＋Ｍ２（ｎ＝５）、頸部ＩＣＡ＋Ｍ１（ｎ＝２１）、頭蓋内ＩＣＡ＋Ｍ１（ｎ＝１０３）、頭蓋内ＩＣＡ＋Ｍ２（ｎ＝５）並びに頭蓋内及び頸部ＩＣＡ（ｎ＝９）があった。

ｂ．参照標準
ディフューズ（ＤＥＦＵＳＥ）２及び３に登録された患者に対して、閉塞病変の存在及び正確な位置を、調査者が先行して決定し、８年間のフェローシップ後の経験がある神経放射線科医が検証した。残りの患者に対して、９年間のフェローシップ後の経験がある２人神経放射線科医が、検討に利用可能な（灌流撮像を含む）すべての臨床及び撮像データを用いて、合意して、閉塞病変の存在及び部位に関してＣＴＡを含むマルチモーダルＣＴを評価した。いかなる意見の相違も、灌流を含む、患者に対するすべての利用可能な撮像の検討によって解決した。これらの神経放射線科医の読影は、アルゴリズムの診断性能が評価された参照標準としての役割を果たした。

ｃ．アルゴリズム説明
本明細書に提示するＬＶＯ検出の基礎となる概念は、ＣＴＡ上での３つの事前指定された解剖学的評価領域（Ｒ１、Ｒ２及びＲ３）の弾性レジストレーションとその後のＣＴＡの管状フィルタリングとを実施して、対側半球に対する前頭蓋内血管の不透明化低減を検出する、ソフトウェアに依存する。このアルゴリズムは、ラピッド（ＲＡＰＩＤ）４．９．１（カリフォルニア州メンローパーク（Ｍｅｎｌｏ Ｐａｒｋ，ＣＡ）のイスキーマ・ビュー（ｉＳｃｈｅｍａ Ｖｉｅｗ））に実装し、従来のコンピュータ環境（各々８コア及びハイパースレッディング（ｈｙｐｅｒｔｈｒｅａｄｉｎｇ）を有する２×インテル（Ｉｎｔｅｌ）ジーオン（Ｘｅｏｎ）Ｅ５－２６８０ ２．７ＧＨｚ ＣＰＵ、６４ＧＢ ＲＡＭ、セントオーエス（ＣｅｎｔＯＳ）７リナックス（Ｌｉｎｕｘ（登録商標）））で実行した。この研究で使用したアルゴリズムは、欧州適合（Ｃｏｎｆｏｒｍｉｔｅ Ｅｕｒｏｐｅｅｎｎｅ）表示を受け、米国食品医薬品局（ＵＳ Ｆｏｏｄ ａｎｄ Ｄｒｕｇ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ）により承認を得た。アルゴリズムは、販売業者によって提供されるように、いかなる変更もいかなるさらなる前処理及び後処理もなしに、使用した。ＬＶＯ検出に対する相対血管密度閾値は、使用者が任意に選択することができるが、この研究では、ソフトウェアのデフォルト値、すなわち、７５％～８０％未満（青色）、６０％～７５％未満（緑色）、４５％～６０％未満（黄色）及び４５％未満（赤色）を使用した。

統計解析
一次転帰は、頭蓋内ＬＶＯを検出するアルゴリズムの診断性能であった。ＲＯＣ解析を使用して、頭蓋内ＬＶＯを検出する感度及び特異度を評価した。特異度、すなわち、動脈不透明化がないか又は極度に低減していることによって示される、ＬＶＯのＣＴ血管造影徴候の存在を検出するアルゴリズムの能力は、頭蓋内ＩＣＡ及びＭ１－ＭＣＡに対して評価した。そして、ＬＶＯ群に近位Ｍ２－ＭＣＡ閉塞を加えて、診断性能の評価を繰り返した。

ブートストラップ解析（１０００回反復）を使用して、すべてのパラメータに対して９５％ＣＩを計算した。ＲＯＣ曲線下の面積（ＡＵＣ）を、ＡＵＣのＳＥを計算するデロング（ＤｅＬｏｎｇ）アルゴリズムとともに使用した。このソフトウェアは、主にスクリーニングツールとして使用されるように意図されているため、９５％以上の診断感度が要件となった。

二次転帰は、具体的な血管セグメントにおけるＬＶＯを検出するアルゴリズムの診断性能と処理速度とであった。以下の下位部位、すなわち（１）頭蓋内ＩＣＡ（末端ＩＣＡを含む）、（２）Ｍ１－ＭＣＡ及び（３）近位Ｍ２－ＭＣＡにおいて閉塞を検出する、アルゴリズムの診断性能を評価した。各閉塞部位の解析に対して、他の２つの下位部位における閉塞は除外した。

すべての統計テストは、メッドカルク（ＭｅｄＣａｌｃ）（メッドカルク（ＭｅｄＣａｌｃ）バージョン（Ｖｅｒｓｉｏｎ）１７．２、２０１７、ベルギー国オステンド（Ｏｓｔｅｎｄ，Ｂｅｌｇｉｕｍ）のメッドカルク・ソフトウェア（ＭｅｄＣａｌｃ Ｓｏｆｔｗａｒｅ））を使用して実施した。すべてのテストに対する有意性を示すために、０．０５のα水準を使用した。

結果
図１６に、頭蓋内ＬＶＯのある４人の患者における自動病変検出の代表的な例を示す。処理された９２６の事例に対して、ターンアラウンドタイム、すなわちデータ送信から結果の受信までの時間は、１５８秒（ＩＱＲ：１４０～１７６秒）であり、そのうち、弾性レジストレーションが最も時間のかかるステップ（約１３０秒）であった。

図１６．自動脳主幹動脈閉塞（ＬＶＯ）検出に対する結果例。Ａ、側副血行の部分的再構成（矢印）がある、遠位内頸動脈（ＩＣＡ）閉塞（白抜き矢印）及びＡ１－ＡＣＡセグメントの閉塞（曲線矢印）のある６５歳の男性。アルゴリズムによって決定された極度の血管密度低下の領域は赤色で示されている。Ｂ、左近位Ｍ１－中大脳動脈（ＭＣＡ）閉塞（白抜き矢印）がある７２歳の女性。ソフトウェアによって見つけられた異常密度の領域は、赤色で強調表示されている。Ｃ、左側の遠位Ｍ１閉塞（白抜き矢印）と赤色での異常血管の領域とを含む８４歳の男性。Ｄ．近位左上Ｍ２分岐の閉塞（白抜き矢印）とソフトウェアによって選択された対応する領域とを含む５５歳の男性。血管密度低下の程度は、他の３人の患者よりも小さかった。

頭蓋内ＬＶＯ：

３２０人の患者に頭蓋内前方循環ＬＶＯがあり、残りの５８８人の患者にはなかった（表１）。自動アルゴリズムは、０．９４１のＡＵＣ（９５％ＣＩ、０．９２６～０．９５７）をもたらした。９５％以上の感度目標は、７５％未満から６０％（緑色）閾値で達成され、９６．８７％の感度（３１０／３２０（９５％ＣＩ、９４．３％～９８．５％））と７４．３２％の特異度（４３７／５８８（９５％ＣＩ、７０．６％～７７．８％）、図１７（Ａ））とをもたらした。

図１７．ＲＯＣ解析。すべての頭蓋内脳主幹動脈閉塞（ＬＶＯ）の検出に対するＲＯＣ曲線（Ａ）、並びにすべての頭蓋内ＬＯＣ及び近位Ｍ２－中大脳動脈（ＭＣＡ）セグメンチ閉塞（Ｂ）。ＲＯＣ曲線上のドットは、個々の閾値レベルを示し、１つは最低感度を有し、最特異度は４５％未満閾値であり、最高感度及び最低特異度は、７５％～８０％未満閾値にあった。白抜き円は、最大ヨーデン指標（Ｙｏｕｄｅｎ ｉｎｄｅｘ）を示す。アスタリスクは、９５％以上の感度目標での閾値が最高特異度で達成されたことを示す。凡例における有意性水準は、デロング（ＤｅＬｏｎｇ）アルゴリズムから導出されたＺ統計のＰ値を示す。ＡＵＣは曲線の下の面積を示す。

頭蓋内ＬＶＯ＋Ｍ２－ＭＣＡ閉塞：
３６８人の患者に前方循環ＬＶＯ又は近位Ｍ２－ＭＣＡ閉塞があり、５４３人の患者にはなかった。９５％以上の目標感度は、６０％～７５％未満（緑色）閾値で満たされ、それにより、（３５１／３６８）９５．３８％の感度（９５％ＣＩ、９２．７％～９７．３％）及び（４３１／５４３）７９．３７％の特異度（９５％ＣＩ、７５．７％～８２．７％）がもたらされた。０．９４７のＡＵＣ（９５％ＣＩ、０．９３３％～０．９６２％）によって測定された全体的な診断性能は、Ｍ２セグメントを加えることによりわずかに向上し、これは、主に、感度のわずかな（１．４９％）の低下のみで特異度が向上したためであった（図１７Ｂ）。

ｂ．個々の血管セグメント
この下位解析のために、ＬＶＯもＭ２－ＭＣＡ閉塞もない５３１人の患者が対照群としての役割を果たした。

頭蓋内ＩＣＡ（ＩＣＡ末端を含む）：
１３３人の患者に頭蓋内ＩＣＡ閉塞があった。本アルゴリズムは、０．９７７（９５％ＣＩ、０．９６５～０．９８９）のＡＵＣをもたらした。９５％以上の感度目標は、４５％～６０％未満（黄色）閾値で達成され、これは、８６．４４％の特異度（４５９／５３１（９５％ＣＩ、８３．２％～８９．２％）、表２））で９６．９９％の非常に高い感度（１２９／１３３（９５％ＣＩ、９２．５％～９９．２％））をもたらした。

頭蓋内ＬＶＯ：

Ｍ１－ＭＣＡ：
２９０人の患者にＭ１－ＭＣＡ閉塞があった。本アルゴリズムは、０．９６２のＡＵＣ（９５％ＣＩ、０．９４８～０．９７６）をもたらした。ただし、ＡＵＣによって測定される診断性能は、頭蓋内ＩＣＡ閉塞と比較してＭ１－ＭＣＡ閉塞ではわずかに低かった。９５％以上の感度目標は６０％～７５％未満（緑色）閾値で満たされ、これは、９６．９０％の感度（２８１／２９０（９５％ＣＩ、９４．２～９８．６））及び７９．６６％の特異度（４２３／５３１（９５％ＣＩ、７６．０％～８３．０％）、図１８Ｂ）をもたらした。

Ｍ２－ＭＣＡ：
６０人の患者に近位Ｍ２－ＭＣＡセグメント閉塞があった。自動化アルゴリズムは、Ｍ１－ＭＣＡセグメント閉塞の検出に対するよりもわずかに低い性能で実施したが、０．８７４のＡＵＣ（９５％ＣＩ、０．８２６～０．９２１）をもたらした。９５％以上の感度目標は、いかなる閾値でも達成することができなかったが、７５％～８０％未満（青色）閾値で、それぞれ９０．００％（５４／６０（９５％ＣＩ、７９．５％～９６．２％））及び７４．９５％（３９８／５３１（９５％ＣＩ、７１．０～７８．６））の感度及び特異度が達成された（図１８Ｃ）。

ｃ．偽陰性
頭蓋内ＬＶＯが最大感度閾値（７５％～８０％未満、青色）であっても検出されなかった偽陰性の数は、比較的小さく（ｎ＝１４）、１つの頭蓋内ＩＣＡ、８つのＭ１－ＭＣＡ閉塞及び５つのＭ２－ＭＣＡ閉塞であった。

８つのＭ１－ＭＣＡ病変に対して、閉塞のすぐ遠位の流れの再構成により３人の短いセグメント又は不完全な閉塞があった。ここで、不完全な閉塞を横切る少量の流れ又は軟膜側副血行を介する逆行性充満により、同側血管密度が正常となるか又は上昇した。５つの残りは、Ｍ２－ＭＣＡセグメントを再構成する頑強な軟膜側副血行によりＲ１領域レベルの遠位の中～遠位Ｍ１－ＭＣＡ閉塞であり、その結果、同側Ｒ２及びＲ３領域において血管密度が正常となるか又は上昇した（図１９は、これらの偽陰性事例の例を提供する）。見落とされた頭蓋内ＩＣＡ閉塞は頭蓋底においてのみであり、床突起上ＩＣＡの正常な不透明化があった（図２０Ａ）。

５つのＭ２－ＭＣＡが見落とされ、１つの閉塞は、Ｒ２テンプレートでカバーされていなかった、シルビウス槽の上半分に位置し、２つは、閉塞した非優位近位上Ｍ２－ＭＣＡ枝であり、２つは、頑強な軟膜側副血行を示す、閉塞のすぐ遠位の再構成を含む、それらの下Ｍ２分岐の短いセグメントの近位閉塞であった。頭蓋内ＬＶＯに加えて、この群に近位Ｍ２－ＭＣＡ閉塞が含まれたとき、偽陰性の総数は１４から９に減少した。

ｄ．偽陽性
最大所定閾値でのＬＶＯ検出に対して１１の偽陽性があった（赤色、４５％未満のマークされた半球間血管密度差があった）。これらは、（１）ＭＣＡ解剖学的構造における実質的な半球間のばらつき（ｎ＝４）、又は後大脳動脈の胎児起源（ｎ＝１）、（２）１７ｍｍ正中偏位をもたらす腫瘤効果（ｍａｓｓ ｅｆｆｅｃｔ）による全半球（ｈｏｌｏｈｅｍｉｓｐｈｅｒｉｃ）硬膜下血種、（３）８ｍｍの遠位ＭＣＡ動脈瘤、（４）Ｍ２－ＭＣＡ狭窄症（ｎ＝３）及び（５）ＣＴＡの２４時間前の機械的血栓除去術試行の後の不完全な再開通（ＴＩＣＩ ２ｂ）に起因した。ＬＶＯ群にＭ２－ＭＣＡが含まれていなかった場合、ＬＶＯ検出に対してさらなる１７の偽陽性があり、１７すべてが近位Ｍ２－ＭＣＡ閉塞であった。

７５％～８０％未満（青色）、６０％～７５％未満（緑色）及び４５％～６０％未満（黄色）閾値での偽陽性は、Ｍ１－ＭＣＡ分枝パターン及び血管内径の解剖学的ばらつき、後大脳動脈の胎児起源、並びに、慢性狭窄閉塞疾患における同側のセグメントの流量低減及び（例えば、膠芽腫の患者における梗塞又は発作の再灌流に起因する）反応性充血による対側の血流の増加等、他の血管病理に起因した。これらの例は、図ＶＩ及び図ＶＩＩに見出すことができる。

考察
この研究は、頭蓋内前方循環ＬＶＯの自動化検出の新たなアルゴリズムを評価し、それが優れた診断感度及び高い特異度を有することを実証した。処理時間が短い（１６０秒未満）ことにより、緊急臨床状況における適用が可能となる。

先行する研究は、神経放射線科医が、８９％～９８％の感度及び９５％～９８％の特異度でＬＶＯを検出することができることを示した。この高い特異度を達成しない自動化は、放射線科医に取って代わることはできず、むしろ、その強度及び有用性は高い感度にあり、それにより、これらのスキャンを緊急の放射線科医の検討を必要とするものとしてフラグを立てるとともに優先することによって、ＬＶＯの診断の促進が可能になる。非常に高い感度は、スクリーニングツールに対する要件である。本アルゴリズムは、任意の頭蓋内ＬＶＯの検出に対して９５％以上という目標感度を満たした。これは、１回の研究におけるＩＣＡ閉塞の検出に対して９０％であると報告されている、ＬＶＯを検出する感度が高いが完全ではない経験を積んだ神経放射線科医に匹敵する。感度は、一般放射線科医及び研修医等、頭蓋ＣＴＡの解釈の経験が浅い読影者の場合はより低く、感度は１回の研究において６３％程度に低い。

世界中の多くの施設において、研修医が最初にマルチモーダル脳卒中ＣＴを解釈し、その後、それは、神経放射線科医により正式に読影される。さらに、世界中のすべての病院及び医療サービスが、２４時間体制の神経放射線医学の専門知識にアクセスできるとは限らない。コホート５が引き出されたもの等、いくつかの一次脳卒中施設及び地域病院（ｃｏｍｍｕｎｉｔｙ ｈｏｓｐｉｔａｌ）では、一般放射線科医がマルチモーダル脳卒中ＣＴを解釈し、典型的に、勤務時間後、資源が限られているため、待機している放射線科医又はレジデントが１人しかいない。この状況では、外傷等の他の緊急スキャンが優先される場合、急性脳卒中スキャンが見過ごされる可能性がある。これらの要因は、著者らの経験からするとＬＶＯの診断の遅延及び見落としの原因となる可能性がある。完全自動化アルゴリズムは、これらの状況において価値のある診断補助及びスクリーニングツールの両方である可能性が高い。本アルゴリズムは、報告する放射線科医又はレジデントに陽性所見を知らせることにより、正確な診断を促進することができる。本アルゴリズムはまた、脳卒中チーム及び神経血管内治療科医（ｎｅｕｒｏｉｎｔｅｒｖｅｎｔｉｏｎａｌｉｓｔ）の通知も容易にすることができ、血栓回収チームの動員を可能にし、それにより、対象となる患者の治療が促進される。別の重要な考慮事項は、本アルゴリズムが、人間の読影者の間の驚くほど不十分な評価者間一致とは対照的に、一貫性を提供する、ということである。

個々のセグメントに対して、頭蓋内ＩＣＡ又はＭ１－ＭＣＡの閉塞に対して、略完全な感度が達成され、近位Ｍ２－ＭＣＡの検出に対する感度はわずかに低かった。これは、（側副血行が閉塞のすぐ遠位のＭ２セグメントを再構成した）短いセグメント及び（順行性の流れの）不完全な閉塞からの偽陰性に起因する可能性があり、そこでは、半球間血管密度低下が、アルゴリズムが検出するには小さすぎた。頑強な側副血行は、治療のためのより長い時間窓を与えると考えられる。事後解析において、本アルゴリズムは、側副血行が不十分であるいかなる患者においてもＬＶＯを見落とさず、これらの患者は、組織救済に迅速な再灌流が避けられない、長期未発症者である可能性が高い。放射線科医及び神経科医は偽陰性の存在及び原因を認識していることが重要であり、陰性結果により、実施可能な限り早急なＣＴＡの完全な且つ注意深い評価が思いとどまらせられるべきではない。

本アルゴリズムの全体の特異度は、頭蓋内ＬＶＯ検出の場合は７４％超、Ｍ２－ＭＣＡが含まれた場合は７９％超であった。個々のセグメントに対して、特異度は、Ｍ２－ＭＣＡ閉塞の検出の場合は７５％であり、Ｍ１－ＭＣＡの場合は８０％、頭蓋内ＩＣＡ閉塞の場合は８６％まで上昇した。ＬＶＯ検出アルゴリズムにおいてＭ２－ＭＣＡ閉塞を含む根拠は、それらが今では、ＥＣＲに対する主流目標として関心対象であるということである。血栓除去術は、Ｍ２－ＭＣＡ閉塞のある患者における標準的な内科的治療と比較して転帰を向上させることができる。しかしながら、Ｍ２－ＭＣＡ閉塞の検出は、これらの血管により大きい解剖学的ばらつきがあるとともにそれらの内径がより小さいため、より難題であった。さらに、この研究に使用したソフトウェアのバージョンにより、血管密度が求められる関心領域が、シルビウス槽の中点まで、Ｍ２セグメントの近位半分のみをカバーするように制約され、将来の実施はさらに遠位の領域まで広がるであろう。

この研究で評価したＬＶＯ検出ツールは、３つの領域、Ｒ１～Ｒ３と、病変位置を反映するとともに血管密度低下の重症度を増大させる、ＬＶＯ検出のための４つの異なる閾値とを有していた。閾値が８０％未満から４５％未満までの血管密度低下に変化したとき、診断感度は低下したが、特異度は上昇した。（６０％～７５％未満）閾値が最適であることが分かり、それにより、７０％～８０％の許容可能な特異度で９５％以上の所望の感度がもたらされた。放射線科医に対し、これにより、緊急検討を必要とするスキャンの数が依然として実質的に低下する。しかしながら、より少ない偽ＬＶＯ警報が望まれる場合、これは、単に、ＲＯＣ曲線に沿って移動し、特異度の上昇のために目標９５％超の感度をトレードすることにより、達成することができる。

本発明者らの知る限り、これは、自動化ＬＶＯ検出ツールを導入するとともに、患者の大規模且つ多様なコホートを組み込む多施設研究においてその性能を評価した、最初の査読付き刊行物である。近年、この主題に関するいくつかの会議要約は発表されているが、それらはこのアルゴリズムには関連していない。登録された患者の数及び混合、並びにこれらの要約で報告された結果は、９０％～９７％のＬＶＯ検出に対する感度、及び５２％～８３％の広い特異度範囲で、広く異なる。

このプールされたコホート研究の強みは、２回の注目される多施設脳卒中試験に登録された患者を含んでいたということである。これは、血栓除去術候補に選考された、ＬＶＯがある急性虚血性脳卒中の患者の事前選択されたコホートにおける、アルゴリズムの妥当性検査を提供した。ＬＶＯのある多数の患者が、診断感度のロバストなテストを可能にした。他の大規模コホートは、急性虚血性脳卒中が疑われる、地方病院を受診している連続患者から構成されていた。すべての有望者のこのコホートを含むことにより、広範囲の脳卒中に似たものに関するアルゴリズムのテストが可能になり、ＬＶＯ検出ツールが使用される可能性が最も高い患者の母集団に対して本発明者らの所見の広範囲な適用可能性が確保される。この研究において異なる現場からの複数の患者コホートを含むことにより、ＣＴスキャナ及びＣＴＡプロトコルの異なるメーカ及びモデルに対するアルゴリズムのテスト及び妥当性検査が可能となった。

この研究には、いくつかの関連する限界がある。第１に、それは後ろ向き研究である。したがって、本発明者らは、特に、長期転帰及び臨床スコアに関する臨床情報に関して、すべての患者に対する完全なデータセットを有していなかった。機関内及び機関間ワークフローを円滑化するために本ツールを使用することができるか否かをテストするために、少なくとも１つの包括的脳卒中施設（ハブ）と、いくつかの周辺の地方／地域病院（スポーク）とを含む前向き研究が必要である。アルゴリズム自体に関連する限界は、薄層スライスＣＴＡ生データ及び動脈不透明化に対する処理要件を含む。薄層スライスＣＴＡデータは、依然としていくつかの施設では使用されている可能性があるより古い世代のマルチスライスＣＴスキャナであっても、日常的に取得される。頭蓋内動脈の造影剤不透明化に対する要件もまた、人間の読影者に適用される。経験を積んだ人間の読影者による正確な解釈を可能にするために、ＣＴＡにおける動脈不透明化が存在しないか又は非常に不十分であるとみなされた患者は、１５／９６９（１．５％）であった。これらの事例のうちの８つは、コホート５、すなわち地方病院からであった。技術的に不十分な研究の比率は、実施されるＣＴＡのボリュームがより小さく、したがって専門家スタッフの経験が浅い、より小規模の地域病院ではより高い可能性がある。動脈不透明化が、人間の解釈を可能にするのに十分であるとみなされたすべての事例は、本アルゴリズムにより正常に処理された。

本アルゴリズムは、血栓を直接検出するのではなく、結果としての血管不透明化の喪失を検出し、したがって、慢性閉塞から偽陽性がもたらされることに留意されたい。このソフトウェアの目的は、ＬＶＯの可能性がある患者に対して放射線科医の注意を喚起するトリアージツールとしての役割を果たし、それにより、人間の読影者による患者のマルチモーダルＣＴの評価をトリガすることであり、それにより、人間の読影者は、（ＣＴＡのみでなく）すべての利用可能な情報を使用して、主観的判断（ｊｕｄｇｅｍｅｎｔ ｃａｌｌ）を行うことができる。本アルゴリズムによる閉塞部位の正確な局所化と慢性閉塞の識別とは、重要ではなく、そのため、この研究では評価しなかった。

要約すると、自動化コンピュータ化スクリーニングツールにより、（近位Ｍ２－ＭＣＡ閉塞を含む）前方循環内の頭蓋内ＬＶＯを有効に且つ効率的に検出することができる。ワークフローを改善し治療を促進するためにこのツールを使用することができるか否かを判断するために、将来の前向き研究が保証される可能性がある。

補足的材料
補足的方法－アルゴリズム説明
本明細書に提示するＬＶＯ検出の基礎となる概念は、前頭蓋内血管の不透明化及び数の低減を検出することができるソフトウェアに依存する。それは、以下の８つの主なステップからなる。

１．データインポート：固有の薄層スライスＣＴＡ ＤＯＣＯＭ画像が、ソフトウェア内にインポートされる。
２．前処理：ａ．Ｃ１椎骨と頭頂との間に位置するスライスのみを維持するためにＣＴＡ入力データを切り取る。ｂ．すべてのＣＴＡ画像からＣＴ頭部固定具を除去する。

３．解剖学的構造を同定する：ａ．非剛性レジストレーション^１を使用して、ヒト頭部の解剖学的テンプレートが患者のＣＴＡデータセットと弾性的に位置合せされる。ｂ．関連する解剖学的構造（例えば、骨、血管）と（解剖学的テンプレートの座標空間で定義された）後続する解析に関連する３つの事前指定された半球の関心領域（Ｒ１、Ｒ２及びＲ３）とのテンプレートが、（ａ）において求められた変換パラメータを使用して患者のＣＴＡ上で歪められる。ここで注目すべきは、Ｒ２領域が、Ｍ２－ＭＣＡセグメントをその膝部からシルビウス槽の頂部への途中までカバーする。

４．骨除去：ステップ２で定義された骨マスクを使用して、ＣＴＡボリュームから頭蓋底及び頭蓋冠が除去される。
５．血管検出：頭蓋内血管が同定され、管状フィルタリング^２を使用して大径血管グループ及び小径血管グループに分類される。

６．領域を評価する：ａ．大内径血管（頭蓋内ＩＣＡ及び近位Ｍ１－ＭＣＡセグメント（Ｒ１））内のボクセル密度（ハンスフィールド単位）の総和が、各血管のセグメント長とともに合わせて評価される。ｂ．「小内径」血管（中～遠位のＭ１（Ｒ２）、Ｍ２及びより遠位のＭＣＡセグメント（Ｒ３）に対して、（先行ステップで求められた）ボクセル密度の総和が測定される。

７．異常検出：ａ．半球間で、Ｒ１、Ｒ２及びＲ３に対する密度基準が比較される。ｂ．相対半球血管密度比及び対応する色スキームに対する以下の閾値、すなわち、７５％～８０％未満（青色）、６０％～７５％未満（緑色）、４５％～６０％未満（黄色）及び４５％未満（赤色）が使用された。ここで、百分率は、対向する半球に対する信号の割合を示し、すなわち、４５％未満（赤色）は血管密度の最大低下となり、７５％～８０％未満は最も緩やかな低下である。ｃ．領域は、Ｒ１～Ｒ３で優先順位が付けられ、Ｒ１に最高優先順位が与えられる。すなわち、本アルゴリズムは、最初に両半球におけるＲ１領域を比較し、密度低下が選択された重症度閾値を満たさなかった場合にのみ、次の領域（すなわち、Ｒ２、次いでＲ３）に進む。

８．報告生成：ａ．頭蓋内血管系の傾斜が除去され且つ回転補正された体軸、冠状及び矢状最大値投影（ＭＩＰ）が、骨マスクＣＴＡボリュームからレンダリングされた。ｂ．領域Ｒ１、Ｒ２又はＲ３が（（上述した基準に基づき）いずれが異常であるとみなされるかに応じて）、ＭＩＰ画像上でカラーオーバレイとして強調表示される。検討を簡単にするために、オーバレイ上には、半球異常を実証する最も近位の領域のみが示される。ｃ．次いで、二次取込みＤＩＣＯＭ画像として、注釈付き及び注釈なしのＭＩＰがエクスポートされる。

補足的参考文献
１．クレインＳ（Ｋｌｅｉｎ Ｓ）、スターリングＭ（Ｓｔａｒｉｎｇ Ｍ）、マーフィーＫ（Ｍｕｒｐｈｙ Ｋ）、フィエルヘフェルＭＡ（Ｖｉｅｒｇｅｖｅｒ ＭＡ）、「エラスティックス：医用画像レジストレーションに基づく強度のためのツールボックス（Ｅｌａｓｔｉｘ： Ａ ｔｏｏｌｂｏｘ ｆｏｒ ｉｎｔｅｎｓｉｔｙ ｂａｓｅｄ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ）」、医用画像に関するＩＥＥＥ議事録（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ）、２０１０年、第２９巻、ｐ．１９６～２０５。

２．フランジＡＦ（Ｆｒａｎｇｉ ＡＦ）、ニーセンＷＪ（Ｎｉｅｓｓｅｎ ＷＪ）、フィンケンＫＬ（Ｖｉｎｃｋｅｎ ＫＬ）、フィエルヘフェルＭＡ（Ｖｉｅｒｇｅｖｅｒ ＭＡ）、「マルチスケール血管増強フィルタリング（Ｍｕｌｔｉｓｃａｌｅ ｖｅｓｓｅｌ ｅｎｈａｎｃｅｍｅｎｔ ｆｉｌｔｅｒｉｎｇ）」、コンピュータ医用画像処理及びコンピュータ支援治療学会（Ｍｅｄｉｃａｌ ｉｍａｇｅ ｃｏｍｐｕｔｉｎｇ ａｎｄ ｃｏｍｐｕｔｅｒ－ａｓｓｉｓｔｅｄ ｉｎｔｅｒｖｅｎｔｉｏｎ）－ｍｉｃｃａｉ’９８、１９９８年、第１４９６巻、ｐ．１３０－１３７。

補足的図
図１８－個々の血管セグメントの閉塞に対するＲＯＣ解析。頭蓋内ＩＣＡ閉塞（Ａ）の検出のための診断性能は略完璧であり、Ｍ１－ＭＣＡ閉塞（Ｂ）に対しても優れた性能であり、Ｍ２－ＭＣＡ閉塞（Ｃ）に対しては良好な性能であった。ＲＯＣ曲線上のドットは個々の閾値レベルを示し、最低感度及び最高特異度のものは４５％未満閾値であり、最高感度及び最低特異度は７５％～８０％未満閾値にあった。白抜き円は最大ヨーデン指標を示す。アスタリスクは、９５％以上の感度目標での閾値が最高特異度で達成されたことを示す。凡例における有意性水準は、デロング（ＤｅＬｏｎｇ）アルゴリズムから導出されたＺ統計のＰ値を示す。

図１９－偽陰性結果。（Ａ）及び（Ｂ）は、低減した内径を有するにも関わらず、閉塞の遠位の高い内腔密度（「ＣＴＡ信号」）によって示される、遠位Ｍ１セグメント及びＭ２セグメントを再構成している良好な側副血行がある、短いセグメントのＭ１－ＭＣＡ閉塞（白抜き矢印）がある患者の体軸及び冠状ＭＩＰを示す。（Ａ）右中Ｍ１閉塞がある７６歳の女性。（Ｂ）右遠位Ｍ１閉塞がある６１歳の男性。（Ｃ）及び（Ｄ）は、完全な中Ｍ１閉塞（白抜き矢印）がある２人の患者を示す。両患者は、近位Ｍ２セグメントの不透明化によって示される頑強な側副血行を有し、それにより、アルゴリズムの陰性出力がもたらされた。

図２０－最も穏やかな（青色）閾値での偽陰性例。（Ａ）頭蓋底ＩＣＡ閉塞（矢印）。床突起上ＩＣＡ及び黄色矢印によって強調表示される領域の遠位の不透明化により、偽陰性検出に至った。（Ｂ）閉塞のすぐ遠位の顕著な側副血行（アスタリスク）がある中～遠位Ｍ１閉塞（矢印）のある５つの偽陰性のうちの１つ。

図２１－正常変異に関連する偽陽性結果。（Ａ）右Ｍ１－ＭＣＡ（曲線矢印）及びその結果左半球におけるより顕著な遠位血管の非常に早期の二分岐がある６７歳の男性。（Ｂ）左ＭＣＡ Ｍ１セグメント及び遠位枝がより顕著となっている右Ｍ１－ＭＣＡ（曲線矢印）の早期の三分岐がある６８歳の男性。左胎児性ＰＣＡ（白抜き矢印）も存在し、血管密度における半球非対称の一因であった。（Ｃ）対側の相対物に対する顕著な前（矢じり）及び後（曲線矢印）Ｍ２分岐がある７１歳の男性。左胎児性ＰＣＡ（白抜き矢印）が、さらなる半球不均衡の一因であった。カラーオーバレイが血管密度を誇張し、血管密度の低下を認識するのを困難にするため、対応する元の薄層スライスＭＩＰ（最上部矢印）が追加されている。

図２２－他の病理からの偽陽性結果。（Ａ）左ＭＣＡ領域（遠位下Ｍ２再分岐）の後態様内に古い梗塞（曲線矢印）がある８９歳の男性。ＣＰＴからの血流の減少及び高いＴｍａｘも示されている。遠位下Ｍ２分岐の慢性閉塞があり、それにより、梗塞領域における血管の減少及び半球不均衡（緑色領域）がもたらされている。（Ｂ）再灌流急性梗塞による可能性が高い、右前ＭＣＡ及びＡＣＡ領域における過灌流（曲線矢印）及びＮＣＣＴにおける低密度（ｈｙｐｏｄｅｎｓｉｔｙ）（白抜き矢印）がある８２歳の女性。（上昇した相対ＣＢＦ及び低下したＴｍａｘとして灌流パラメトリックマップで最もよく見える）この領域内の相対的に実質的に高い流量により、全体的な血管密度が上昇し、それにより非対称がもたらされ、これは、本アルゴリズムにより、対側半球における相対的に低いＣＴＡ不透明化として解釈された。（Ｃ）右島にＧＢＭがある（曲線矢印）７９歳の男性患者。腫瘍自体及び発作活動に関連する血管過多により、（ＣＢＦ及びＴｍａｘマップで最もよく認められる）島内及び島に隣接する血流の増加に至り、それにより、対側半球に関してこの領域における全体的なＣＴＡ不透明化が増大した。

補足的表
以下の５つの表は、実施したすべてのテストに対する完全混同行列を提供し、関心のある研究者が、この研究に対して実施されたＲＯＣ解析を再現することができるようにする。

実施例３
ＬＶＯアルゴリズムは、０／１すなわちＬＶＯなし／ＬＶＯの転帰を有する。この転帰は、決定木を通して求められるスコアに閾値を設定することにより決定される。

１．血管セグメントが評価領域の遠位端に達しない（ハードストップは評価領域内部で検出される）場合、血管密度比（ＶＤＲ）に対してスコア＝０．０。
２．血管トラッカがＭ２に向かう血管を追跡することができない場合、ＶＤＲに対するスコア＝０．５９。

３．それ以外では、血管密度比を評価する（これは、０．０～１．０の値を有することになる）。任意の解析からの０．６未満のスコアは、以下に記載するようにＬＶＯ検出に対して陽性であるとみなされる
ａ．ＭＣＡ Ｍ１近位ＶＤＲが０．６未満である場合、ＬＶＯを報告する
ｂ．ＭＣＡ Ｍ１／Ｍ２遠位ＶＤＲが０．４５未満である場合、ＬＶＯを報告する
ｃ．半球ＶＤＲが０．６未満である場合、ＬＶＯを報告する
２１７事例に基づき、ＬＶＯアルゴリズムスコア対参照ＬＶＯ決定に対するＲＯＣ曲線は、ＡＵＣ＝０．９９を有する（９５％ブートストラップＣＩ：０．９７１、０．９９９）。

図２３：ＬＶＯの予測因子としての血管密度比スコアに対するＲＯＣ曲線。２２～９５歳の２７１人の患者のグループ、１００人の女性、１１６人の女性、１人未知に対する性能、１０９のグラウンドトゥルース陽性及び１０８のグラウンドトゥルース陰性事例。

Claims (22)

1. 方法であって、
   撮像装置によって取り込まれた画像データにアクセスすることであって、前記画像データが、個体の脳の１つ又は複数の画像に対応する情報を含み、前記情報がボクセルを含み、個々のボクセルが強度値に関連している、アクセスすることと、
   １つ又は複数のハードウェアプロセッサを使用して、第１修正画像データを生成すべく、前記画像データの第１部分を除去することであって、前記画像データの第１部分が、前記個体の頭部の外側にある１つ又は複数の第１特徴部に対応する、除去することと、
   前記１つ又は複数のハードウェアプロセッサを使用して、前記第１修正画像データによって表される１つ又は複数の第２特徴部を、ヒト頭部の特徴部に対応する１つ又は複数のテンプレートと位置合せすることと、
   前記１つ又は複数のハードウェアプロセッサを使用して、前記１つ又は複数のテンプレートに基づき、前記第１修正画像データに含まれるとともに前記個体の前記頭部に含まれる骨に対応する、前記画像データの第２部分を同定することと、
   前記１つ又は複数のハードウェアプロセッサを使用して第２修正画像データを生成すべく、前記第１修正画像データから前記画像データの前記第２部分を除去することと、
   前記１つ又は複数のハードウェアプロセッサを使用して、前記第２修正画像データに含まれるとともに前記個体の前記頭部に位置する血管に対応する、前記画像データの第３部分を同定することと、
   前記１つ又は複数のハードウェアプロセッサを使用して、値の第１範囲に含まれる第１直径を有する前記血管の第１部分を含む第１グループを決定することと、
   前記１つ又は複数のハードウェアプロセッサを使用して、値の前記第１範囲とは異なる値の第２範囲に含まれる第２直径を有する前記血管の第２部分を含む第２グループを決定することと、
   前記１つ又は複数のハードウェアプロセッサを使用して、前記脳の第１半球の第１領域に位置する第１血管に対応する第１ボクセルの第１強度値の第１基準を求めることであって、前記第１血管が前記第１グループに含まれる、求めることと、
   前記１つ又は複数のハードウェアプロセッサを使用して、前記脳の第２半球の第２領域に位置する第２血管に対応する第２ボクセルの第２強度値の第２基準を求めることであって、前記第２血管が、前記個体の前記脳内において前記第１血管に対して実質的に対称的に位置し、前記第２血管が前記第１グループに含まれる、求めることと、
   前記１つ又は複数のハードウェアプロセッサを使用して、第１強度値の前記第１基準と第２強度値の前記第２基準との差の尺度を求めることであって、強度値の前記第２基準が強度値の前記第１基準とは異なる、求めることと、
   前記１つ又は複数のプロセッサを使用して、前記尺度に基づき、前記第２血管に関して異常が存在する確率が閾値確率を上回ると判断することと、
   前記第１血管と、前記第２血管と、前記第２血管を強調表示するユーザインタフェース要素とを含む画像に対応するユーザインタフェースデータを生成することと
   を含む方法。
2. 請求項１に記載の方法であって、
   前記個体の事前指定された解剖学的ランドマークにある前記個体の特徴部に対応する前記画像データの追加部分を決定することを含み、
   前記第１修正画像データを生成するために除去された前記画像データの前記第１部分が、前記画像データの前記追加部分を含む、方法。
3. 請求項１または２に記載の方法であって、前記撮像装置の一部に対応する前記画像データの追加部分を決定することを含み、
   前記第１修正画像データを生成するために除去された前記画像データの前記第１部分が、前記画像データの前記追加部分を含む、方法。
4. 請求項１または２に記載の方法であって、
   ヒト脳の複数の領域のデジタル表現を決定することと、
   ヒトの前記複数の領域のデジタル表現を前記第１修正画像データの部分と位置合せすることとを含む方法。
5. 前記ヒト脳の前記複数の領域が、頭蓋内内頸動脈の少なくとも一部と、中大脳動脈のＭ１セグメントの少なくとも近位部とを含む第１領域と、前記中大脳動脈の前記Ｍ１セグメントの少なくとも中部から遠位部を含む第２領域と、前記中大脳動脈のＭ２セグメントの少なくとも一部を含む第３領域とを含む、請求項４に記載の方法。
6. 前記ヒト脳の前記複数の領域の前記デジタル表現が、１つ又は複数の機械学習技法を使用して生成される、請求項４に記載の方法。
7. 請求項４に記載の方法であって、
   前記ヒト脳の前記複数の領域の前記デジタル表現が少なくとも１つのテンプレートを含み、
   前記少なくとも１つのテンプレートによって示される前記ヒト脳の前記複数の領域が、前記第１修正画像データの前記部分と位置合せされる、方法。
8. 請求項１または２に記載の方法であって、
   前記第１ボクセルの前記第１強度値が、前記第１領域に位置する前記第１血管の第１密度を示し、前記第２ボクセルの第２強度値が、前記第２領域に位置する前記第２血管の第２密度を示し、
   前記異常が前記第２血管の閉塞に対応する、方法。
9. システムであって、
   少なくとも１つのハードウェアプロセッサと、
   コンピュータ可読媒体と
   を備え、前記コンピュータ可読媒体は、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
   個体の脳の画像に対応する情報を含む画像データにアクセスすることと、
   前記画像データに基づき、前記脳の第１半球に位置する１つ又は複数の第１血管を同定することと、
   前記画像データに基づき、前記脳の第２半球に位置する１つ又は複数の第２血管を同定することと、
   前記１つ又は複数の第１血管の１つ又は複数の第１密度と前記１つ又は複数の第２血管の１つ又は複数の第２密度との差の量に対応する尺度を求めることと、
   前記尺度に基づき、前記１つ又は複数の第１血管のうちの少なくとも１つの第１血管、もしくは前記１つ又は複数の第２血管のうちの少なくとも１つの第２血管に関する異常の確率を求めることと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる命令を格納する、システム。
10. 請求項９に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記個体の前記脳の第１半球に位置する第１領域を同定することであって、前記第１領域が前記１つ又は複数の血管を含む、同定することと、
    前記個体の前記脳の第２半球に位置する相対第１領域を同定することであって、前記相対第１領域が前記１つ又は複数の第２血管を含み、前記相対第１領域が、前記第１領域に対して実質的に対称的に位置している、同定することと、
    前記１つ又は複数の第１血管の前記１つ又は複数の第１密度と前記１つ又は複数の第２血管の前記１つ又は複数の第２密度との差の量に対応する前記尺度が閾値基準を満たすと判断することと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された追加の命令を含む、システム。
11. 請求項１０に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記画像データに基づき、前記個体の前記脳の前記第１半球の第２領域に位置する１つ又は複数の第３血管を同定することと、
    前記画像データに基づき、前記個体の前記脳の前記第２半球の相対第２領域に位置する１つ又は複数の第４血管を同定することと、
    前記１つ又は複数の第３血管の１つ又は複数の第３密度と前記１つ又は複数の第４血管の１つ又は複数の第４密度との差の追加の量に対応する追加の尺度を求めることと、
    前記追加の尺度が閾値基準とは異なる追加の閾値基準を満たすと判断することと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含む、システム。
12. 請求項１１に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記画像データに基づき、前記個体の前記脳の前記第１半球の第３領域に位置する１つ又は複数の第５血管を同定することと、
    前記画像データに基づき、前記個体の前記脳の前記第２半球の相対第３領域に位置する１つ又は複数の第６血管を同定することであって、前記相対第３領域が、前記第３領域に対して実質的に対称的に位置している、同定することと、
    前記１つ又は複数の第５血管の１つ又は複数の第５密度と前記１つ又は複数の第６血管の１つ又は複数の第６密度との差の追加の量に対応する追加の尺度を求めることと、
    前記追加の尺度が、前記閾値基準又は前記追加の閾値基準のうちの少なくとも一方とは異なる追加の閾値基準を満たすと判断することと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含む、システム。
13. 請求項９乃至１２の何れか一項に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記個体の前記脳に関連する血管の画像を含むとともに、前記個体の頭部内に位置する血管に関して起こり得る異常を示すユーザインタフェース要素を含むユーザインタフェースに対応するユーザインタフェースデータを生成することであって、前記ユーザインタフェース要素が、前記血管に関する異常の確率又は前記異常の重症度のうちの少なくとも一方を示す、生成することを含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含み、
    前記画像が、基礎となる血管造影画像ボリュームの最大値投影（ＭＩＰ）画像である、システム。
14. 請求項９乃至１２の何れか一項に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記個体の頭部内に位置する血管の直径を求めることと、
    測定値の第１範囲に含まれる第１直径を有する前記血管の第１グループを決定することと、
    測定値の第２範囲に含まれる第２直径を有する前記血管の第２グループを決定することであって、前記第１直径の少なくとも一部が前記第２直径の少なくとも一部の少なくとも２倍大きい、決定することと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含む、システム。
15. 請求項１４に記載のシステムであって、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記画像データに含まれる第１ボクセルの第１強度値に基づいて前記血管の前記第１グループに対する第１密度値を決定することであって、前記第１ボクセルが前記第１血管の前記第１グループに対応する、決定することと、
    前記血管の前記第１グループに含まれる個々の血管のそれぞれの長さを求めることと、
    前記画像データに含まれる第２ボクセルの第２強度値に基づき前記血管の前記第２グループに対する第２密度値を求めることであって、前記第２ボクセルが前記血管の前記第２グループに対応する、求めることと、を含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含む、システム。
16. 請求項１５に記載のシステムであって、
    前記第１血管及び前記第２血管が、前記血管の前記第１グループに含まれ、
    前記システムが、前記少なくとも１つのハードウェアプロセッサによって実行される場合、
    前記脳の前記第１半球に位置する第１の追加の血管の第１の追加の密度と、前記脳の前記第２半球に位置する第２の追加の血管の第２の追加の密度との差の追加の量に対応する追加の尺度を求めることを含む動作を前記少なくとも１つのハードウェアプロセッサに実行させる、前記コンピュータ可読媒体によって格納された命令をさらに含み、前記第１の追加の血管及び前記第２の追加の血管が前記血管の前記第２グループに含まれ、
    前記異常の確率が、前記第１血管のうちの少なくとも１つの長さと、前記第２血管のうちの少なくとも１つの長さと、前記追加の尺度とに基づくものである、システム。
17. 方法であって、
    個体の脳の画像を取得することと、
    前記画像を使用して、ヒト脳内に位置する複数の血管の位置を示すテンプレートに基づき、個体の前記脳内に位置する血管を同定することと、
    前記血管に関する始点を決定することであって、前記始点が、前記個体の前記脳内の前記血管の経路に含まれる前記画像の第１ボクセルを示す、決定することと、
    前記血管に対応する密度値に基づき前記血管に沿った経路を決定することであって、前記密度値が、前記血管に関連する前記画像の部分と前記画像の背景部分とのコントラストの量を示す、決定することと、
    少なくとも部分的に前記テンプレートに基づき前記血管の終点を決定することと、
    前記血管が前記終点の前で終端すると判断することと、
    前記血管が終点の前で終端することに基づき、前記血管に関連する異常が存在する確率を求めることと、を含む方法。
18. 前記血管に沿った前記経路が、前記血管の位置に対応する位置における前記画像のボクセルの血管性値に基づいて決定される最短経路に対応し、前記血管性値がヘシアンフィルタの固有値に対応する、請求項１７に記載の方法。
19. 前記血管の前記始点が、最高血管性値を有するボクセルに対応し、前記ボクセルが、前記血管の近位部に位置する、請求項１７または１８に記載の方法。
20. 前記血管の前記経路が、最短経路のコストが閾値コストを超えることに基づいて終端する、請求項１７または１８に記載の方法。
21. 前記血管の前記経路が、通過するのに有限コストを有する前記血管の前記経路に沿ってボクセルが残っていないと判断することに応じて終端する、請求項１７または１８に記載の方法。
22. 前記始点が、中大脳動脈の近位端に位置し、前記終点が、中大脳動脈の遠位部に位置する、請求項１７または１８に記載の方法。

Images