JP2023179348A - 磁気共鳴画像の脳分割システム及び方法 - Google Patents
磁気共鳴画像の脳分割システム及び方法 Download PDFInfo
- Publication number
- JP2023179348A JP2023179348A JP2022194183A JP2022194183A JP2023179348A JP 2023179348 A JP2023179348 A JP 2023179348A JP 2022194183 A JP2022194183 A JP 2022194183A JP 2022194183 A JP2022194183 A JP 2022194183A JP 2023179348 A JP2023179348 A JP 2023179348A
- Authority
- JP
- Japan
- Prior art keywords
- brain
- mask
- brain image
- image
- gray matter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 414
- 238000000034 method Methods 0.000 title claims abstract description 27
- 210000001951 dura mater Anatomy 0.000 claims abstract description 38
- 210000001638 cerebellum Anatomy 0.000 claims abstract description 20
- 210000004884 grey matter Anatomy 0.000 claims description 99
- 210000004885 white matter Anatomy 0.000 claims description 59
- 210000001175 cerebrospinal fluid Anatomy 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 29
- 241001269524 Dura Species 0.000 claims description 27
- 230000011157 brain segmentation Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 230000002861 ventricular Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 11
- 238000009795 derivation Methods 0.000 claims description 8
- 230000008602 contraction Effects 0.000 claims description 7
- 230000002450 orbitofrontal effect Effects 0.000 claims description 6
- 238000012805 post-processing Methods 0.000 claims description 6
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 19
- 210000003462 vein Anatomy 0.000 abstract description 10
- 230000002490 cerebral effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000003902 lesion Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 101100505672 Podospora anserina grisea gene Proteins 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 206010051290 Central nervous system lesion Diseases 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000000916 dilatatory effect Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004289 cerebral ventricle Anatomy 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- High Energy & Nuclear Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
【課題】磁気共鳴画像の脳分割システム及び方法が開示される。【解決手段】本技術の具体的な例によれば、磁気共鳴装置によって撮影された脳の定量分析のために行われる分割脳画像に対して、灰白質が実測サイズよりも小さく推定される限界を克服することができ、多数の脳硬膜を除去することにより、硬膜及び小脳周辺の静脈などを区分して脳画像を正確に分割することができ、これにより脳の定量分析結果に対する精度をさらに向上させることができ、脳病変に対する診断精度を根本的に高めることができる。【選択図】図1
Description
本発明は、磁気共鳴画像の脳分割システム及び方法に関し、より詳細には、磁気共鳴3D T1画像を用いて、脳を要素別に分割して脳に対する定量分析を行うことができるようにした技術に関する。
脳の定量分析を行うために、一般的な脳分割装置は、脳やその他の構造物を正確に抽出して前処理を行い、前処理された画像から所定のテンプレートへの非線形登録を介して脳部分のみを抽出して分割する方式である。
このような脳分割装置は、磁気共鳴3D T1画像から取得された脳画像において、脳を包んでいる硬膜、小脳周辺の静脈を除去していない状態に分割し、これにより、除去されていない硬膜或いは小脳周辺の静脈は脳として認識される。このため、大脳の厚さや体積などの定量分析結果に誤差が大きく発生し、小脳体積などの演算時に誤差が発生する。
したがって、磁気共鳴画像を用いた多様な脳疾患の予防、病変診断及び治療に根拠となる定量分析、PET(Positron emission tomography)画像のSUVR(Standardized uptake value ration)に対する脳の定量分析の際に誤差が発生する。
このような脳の定量分析における誤差を最小限に抑えるために、分割された脳画像を目視で確認して補正した後、さらに定量分析を行うので、分析結果による精度が低下し、多数の定量分析による時間浪費及び労働力損失が発生するという問題点がある。
そこで、本発明は、磁気共鳴装置によって取得された脳画像を用いて脳構造の定量分析結果に対する精度を根本的に向上させることを目的とする。
また、本発明は、脳の定量分析結果に対する時間及び労働力の浪費を防止することを目的とする。
本発明の目的は、上述した目的に限定されず、上述していない本発明の他の目的及び利点は、以降の説明によって理解でき、本発明の実施形態によってより明らかにされるであろう。また、本発明の目的及び利点は、特許請求の範囲に示された手段及びその組み合わせによって実現できる。
上記の目的を達成するための本発明の一実施態様による磁気共鳴画像の脳分割システムは、
磁気共鳴装置を用いて撮影された脳画像を収集する脳画像収集部と、
前記脳画像に対して前処理を行う前処理部と、
前記前処理された脳画像に対して各脳要素別脳確率マップを生成し、生成された脳確率マップに基づいて、脳要素のマスクをそれぞれ生成し、前記生成された各マスクを用いて、前処理された脳画像を各脳要素別に分割した後、分割脳画像から最終マスクを介して最終脳画像を導出するブレイン分析部と、を含むことができる。
磁気共鳴装置を用いて撮影された脳画像を収集する脳画像収集部と、
前記脳画像に対して前処理を行う前処理部と、
前記前処理された脳画像に対して各脳要素別脳確率マップを生成し、生成された脳確率マップに基づいて、脳要素のマスクをそれぞれ生成し、前記生成された各マスクを用いて、前処理された脳画像を各脳要素別に分割した後、分割脳画像から最終マスクを介して最終脳画像を導出するブレイン分析部と、を含むことができる。
好ましくは、前記脳要素は、
灰白質、白質、脳脊髄液、脳室及びその他の構造物のうちの少なくとも1つであり得る。
灰白質、白質、脳脊髄液、脳室及びその他の構造物のうちの少なくとも1つであり得る。
好ましくは、前記前処理部は、
磁気共鳴装置を用いて撮影された脳画像に対して前処理を行い、
前記収集された脳画像に対して撮影時の強度不均一性を除去するバイアスフィールド補正を行う強度処理モジュールと、
前記バイアスフィールド補正後に小脳の下部分を除去するネック除去モジュールと、
前記ネック除去モジュールの脳画像を所定のテンプレートの方向に調整する位置調整モジュールと、
前記脳画像の位置とテンプレートの位置とを一致させる線形登録及び非線形登録のうちの1つの登録をテンプレートに行うテンプレート登録モジュールと、を含むように備えられ得る。
磁気共鳴装置を用いて撮影された脳画像に対して前処理を行い、
前記収集された脳画像に対して撮影時の強度不均一性を除去するバイアスフィールド補正を行う強度処理モジュールと、
前記バイアスフィールド補正後に小脳の下部分を除去するネック除去モジュールと、
前記ネック除去モジュールの脳画像を所定のテンプレートの方向に調整する位置調整モジュールと、
前記脳画像の位置とテンプレートの位置とを一致させる線形登録及び非線形登録のうちの1つの登録をテンプレートに行うテンプレート登録モジュールと、を含むように備えられ得る。
好ましくは、前記ブレイン分析部は、
前処理された脳画像に対して所定のテンプレートの確率マップを用いて各脳要素別脳確率マップを生成する脳確率マップ生成モジュールと、
各脳要素別に生成された各脳確率マップに基づいて各脳要素のマスクをそれぞれ生成するマスク生成モジュールと、
生成された各マスクを介して各前記前処理された脳画像から各脳要素を取得して分割脳画像を導出する脳画像分割モジュールと、
導出された分割脳画像に対して最終マスクを介して最終脳画像を導出する最終脳画像導出モジュールと、を含むことができる。
前処理された脳画像に対して所定のテンプレートの確率マップを用いて各脳要素別脳確率マップを生成する脳確率マップ生成モジュールと、
各脳要素別に生成された各脳確率マップに基づいて各脳要素のマスクをそれぞれ生成するマスク生成モジュールと、
生成された各マスクを介して各前記前処理された脳画像から各脳要素を取得して分割脳画像を導出する脳画像分割モジュールと、
導出された分割脳画像に対して最終マスクを介して最終脳画像を導出する最終脳画像導出モジュールと、を含むことができる。
好ましくは、前記脳画像割モジュールは、
各脳要素別に生成された白質マスク、灰白質マスク、脳脊髄液マスク、脳室マスク、及びその他の脳要素を取得するための構造物マスクのうち、白質マスク、灰白質マスク、脳室マスク及びその他の構造物マスクに基づいて第1マスクを生成する第1マスク生成器と、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得した後、取得された脳画像を合わせ、その他の構造物マスクを差し引いた後、二進化及び収縮させて、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去器と、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像を一次膨張させることで、収縮した脳画像を復元した後、二次膨張によって灰白質が拡大された脳画像を取得する脳画像拡大器と、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、灰白質が拡大された脳画像から脳脊髄液の一部が含まれた灰白質を取得する第2マスク生成器と、
前記一次脳硬膜が除去された白質、灰白質、及び脳室の脳画像の収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像と、拡大された灰白質の脳画像とを合わせた後、膨張及び収縮を介して灰白質の脳画像を取得する灰白質取得器と、
前記灰白質取得器で取得された脳画像からその他の構造物マスクを差し引いた脳画像を収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去器と、
前記第2硬膜除去器の脳画像の空きスペースを埋める後処理を行うことにより、白質、灰白質、脳脊髄液、及び脳室を除くその他の構造が除去された分割脳画像を取得する分割脳画像取得器と、を含むことができる。
各脳要素別に生成された白質マスク、灰白質マスク、脳脊髄液マスク、脳室マスク、及びその他の脳要素を取得するための構造物マスクのうち、白質マスク、灰白質マスク、脳室マスク及びその他の構造物マスクに基づいて第1マスクを生成する第1マスク生成器と、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得した後、取得された脳画像を合わせ、その他の構造物マスクを差し引いた後、二進化及び収縮させて、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去器と、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像を一次膨張させることで、収縮した脳画像を復元した後、二次膨張によって灰白質が拡大された脳画像を取得する脳画像拡大器と、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、灰白質が拡大された脳画像から脳脊髄液の一部が含まれた灰白質を取得する第2マスク生成器と、
前記一次脳硬膜が除去された白質、灰白質、及び脳室の脳画像の収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像と、拡大された灰白質の脳画像とを合わせた後、膨張及び収縮を介して灰白質の脳画像を取得する灰白質取得器と、
前記灰白質取得器で取得された脳画像からその他の構造物マスクを差し引いた脳画像を収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去器と、
前記第2硬膜除去器の脳画像の空きスペースを埋める後処理を行うことにより、白質、灰白質、脳脊髄液、及び脳室を除くその他の構造が除去された分割脳画像を取得する分割脳画像取得器と、を含むことができる。
好ましくは、前記最終脳画像導出モジュールは、
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像と前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像とを導出するように備えられることができる。
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像と前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像とを導出するように備えられることができる。
好ましくは、前記第1マスクは、
灰白質マスクから取得された灰白質の脳画像に1を超える定数を掛け、白質マスクから取得された白質の脳画像と、脳室マスクから取得された脳室の脳画像とを合わせた後、その他の構造物マスクから取得された脳画像を除去するように備えられることができる。
灰白質マスクから取得された灰白質の脳画像に1を超える定数を掛け、白質マスクから取得された白質の脳画像と、脳室マスクから取得された脳室の脳画像とを合わせた後、その他の構造物マスクから取得された脳画像を除去するように備えられることができる。
本発明の他の実施形態による磁気共鳴装置の脳分割方法は、
請求項1に記載のブレイン分析部によって行われ、各脳要素別脳確率マップに基づいて生成された各脳要素別マスクを組み合わせて、前処理された脳画像を各脳要素別に分割する磁気共鳴画像の脳分割方法であって、
各脳要素別に生成された各要素別マスクに基づいて第1マスクを生成する第1マスク生成ステップと、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得した後、取得した白質、灰白質、及び脳室の脳画像を二進化し、収縮させることで、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像を一次膨張させることで、収縮した脳画像を復元した後、二次膨張によって拡大された灰白質の脳画像を取得する脳画像拡大ステップと、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、前記拡大された灰白質の脳画像から脳脊髄液の一部が含まれた灰白質を取得する第2マスク生成ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室の脳画像の収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像と、拡大された灰白質の脳画像とを合わせた後、膨張及び収縮によって灰白質の脳画像を取得する灰白質取得ステップと、
灰白質取得器で取得された脳画像からその他の構造物マスクを差し引いた脳画像を収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去ステップと、
前記第2硬膜除去ステップの脳画像の空きスペースを埋める後処理を行うことで、白質、灰白質、脳脊髄液、及び脳室を除いたその他の構造物が除去された分割脳画像を取得する分割脳画像取得ステップと、を含むことを特徴とする。
請求項1に記載のブレイン分析部によって行われ、各脳要素別脳確率マップに基づいて生成された各脳要素別マスクを組み合わせて、前処理された脳画像を各脳要素別に分割する磁気共鳴画像の脳分割方法であって、
各脳要素別に生成された各要素別マスクに基づいて第1マスクを生成する第1マスク生成ステップと、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得した後、取得した白質、灰白質、及び脳室の脳画像を二進化し、収縮させることで、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像を一次膨張させることで、収縮した脳画像を復元した後、二次膨張によって拡大された灰白質の脳画像を取得する脳画像拡大ステップと、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、前記拡大された灰白質の脳画像から脳脊髄液の一部が含まれた灰白質を取得する第2マスク生成ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室の脳画像の収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像と、拡大された灰白質の脳画像とを合わせた後、膨張及び収縮によって灰白質の脳画像を取得する灰白質取得ステップと、
灰白質取得器で取得された脳画像からその他の構造物マスクを差し引いた脳画像を収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去ステップと、
前記第2硬膜除去ステップの脳画像の空きスペースを埋める後処理を行うことで、白質、灰白質、脳脊髄液、及び脳室を除いたその他の構造物が除去された分割脳画像を取得する分割脳画像取得ステップと、を含むことを特徴とする。
好ましくは、前記脳分割方法は、
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像と前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像とを取得する最終脳画像導出ステップをさらに含むことができる。
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像と前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像とを取得する最終脳画像導出ステップをさらに含むことができる。
一実施形態によれば、磁気共鳴装置によって撮影された脳の定量分析のために行われる分割脳画像に対して、灰白質が実測サイズよりも小さく推定される限界を克服することができ、多数の脳硬膜を除去することにより、硬膜及び小脳周辺の静脈などを区分して脳画像を正確に分割することができ、これにより脳の定量分析結果に対する精度をさらに向上させることができ、脳病変に対する診断精度を根本的に高めることができる。
本明細書に添付される以下の図面は、本発明の好適な実施形態を例示するものであり、後述する発明の詳細な説明と共に本発明の技術思想をさらに理解させる役割を果たすものであるので、本発明は、そのような図面に記載された事項にのみ限定されて解釈されてはならない。
以下では、図面を参照して本発明の実施形態をより詳細に説明する。
本発明の利点、特徴、及びそれらを達成する方法は、添付図面と共に詳細に後述されている実施形態を参照すると明確になるだろう。しかし、本発明は、以下で開示する実施形態に限定されるものではなく、互いに異なる多様な形態で実現できる。但し、本実施形態は、単に本発明の開示を完全たるものにし、本発明の属する技術分野における通常の知識を有する者に発明の範疇を完全に知らせるために提供されるものである。本発明は、請求項の範疇によってのみ定められる。
本明細書で使用される用語について簡略に説明し、本発明について具体的に説明する。
本発明で使用される用語は、本発明における機能を考慮しながら、できる限り現在広く用いられる一般用語を選択したが、これは、当該分野に従事している技術者の意図又は判例、新技術の出現などによって変わり得る。また、特定の場合には、出願人が任意に選定した用語もあり、この場合、該当する発明の説明部分で詳細にその意味を記載する。よって、本発明で使用される用語は、単なる用語の名称ではなく、その用語が有する意味と本発明の全般にわたる内容に基づいて定義されるべきである。
明細書全体において、ある部分がある構成要素を「含む」とする場合、これは、特に反対の記載がない限り、他の構成要素を除外するのではなく、他の構成要素をさらに含み得ることを意味する。
したがって、構成要素と「部」内で提供される機能は、より小さい数の構成要素及び「部」に結合されるか、追加的な構成要素と「部」にさらに分離されることができる。
以下、添付図面を参照して、本発明の実施形態について、本発明の属する技術分野における通常の知識を有する者が容易に実施し得るように詳細に説明する。そして、図面において、本発明を明確に説明するために、説明と関係のない部分は省略する。
一実施形態が適用されるそれぞれの構成要素について、任意の個数を任意の適切な構成に含むこともできる。一般に、コンピューティング及び通信システムは、広範囲な構成で表され、図面は、本開示の範囲を任意の特定の構成に限定しない。図面は、本特許文書に開示されている様々な特性が使用できる1つの動作環境を示しているが、それらの特性は、任意の他の適切なシステムで使用されることもできる。
一実施形態は、磁気共鳴装置によって取得された三次元T1脳画像から、各脳要素別脳確率マップに基づいて各脳要素別に生成されたマスクを用いて、脳硬膜が除去され且つ正確な灰白質が含まれた脳画像を取得することにより、脳要素の定量分析の精度を向上させることができる。
図1は、一実施形態に係る磁気共鳴装置の脳分割システムの構成図、図2は、図1の前処理部の詳細構成図、図3は、図1のブレイン分析部の詳細構成図、図4は、図3の分割脳画像取得モジュールの詳細構成図、図5は、図4の分割脳画像取得モジュールの各モジュールから出力される脳画像を示す図である。
図1~図5を参照すると、一実施形態の磁気共鳴装置(MRI:Magnetic Resonance Image)3D T1脳画像から、各脳要素別脳確率マップに基づいて各脳要素別に生成されたマスクを用いて、脳硬膜が除去され且つ実測サイズと同じ灰白質が含まれている最終脳画像を取得する構成を備える。
つまり、図1を参照すると、一実施形態の磁気共鳴装置の脳分割システムは、脳画像収集部1、前処理部2及びブレイン分析部3を含み、脳画像収集部1は、磁気共鳴装置の3D T1画像を時系列的に収集する。ここで、磁気共鳴装置の3D T1脳画像を用いて、ブレインの解剖学的脳構造に対する定量分析が行われる。
このために、前処理部2は、収集された脳画像に対して強度不均一性を除去するためのバイアスフィールド補正を行った後、所定のテンプレートの位置と一致するように線形登録又は非線形登録を行う。図2を参照すると、前処理部2は、強度処理モジュール21、ネック除去モジュール22、位置補正モジュール23、及びテンプレート登録モジュール24を含む。ここで、テンプレートは、既に構築されたテンプレート又は新たに作成されたテンプレートを含むことができる。
強度処理モジュール21は、収集された脳画像の撮影時の強度不均一性をノンパラメトリック非均一強度正規化アルゴリズムを介して除去する。一例として、ノンパラメトリック非均一強度正規化アルゴリズムを利用したバイアスフィールド(bias field)補正は、Bスプライン(B-spline)補間法を用いる。
Bスプライン補間法は、パッチの曲線を修正する際に1つの点を修正すれば、所望の部位の曲線が修正されるので、このようなBスプラインを用いたバイアスフィールド補正は、下記式1を満たす。
ここで、v(x)は与えられた脳画像、u(x)は損傷していない画像、f(x)はバイアスフィールド、n(x)はノイズをそれぞれ示す。
そして、対数尤度目的関数の解として、式1のバイアスフィールドの収束値が導出される。
強度処理モジュール21の脳画像は、ネック除去モジュール22に提供される。ネック除去モジュール22は、脳画像に含まれている小脳の下領域のネック(NECK)を除去し、ネック部分が除去された脳画像は、位置補正モジュール23に伝達される。
位置補正モジュール23は、脳画像の位置を所定のテンプレートの方向に調整した後、テンプレート登録モジュール24によって、脳画像の位置とテンプレートの位置とが一致する空間に対して線形登録又は非線形登録を行う。
ここで、線形登録では、画像を歪ませることなく、回転及び移動を介して入力された画像をテンプレートの位置に一致させる剛体レジストレーション(rigid body registration)、或いは画像のサイズも増減することができるアフィンレジストレーション(affine registration)を用いてテンプレートに登録され、非線形登録では、線形登録の過程を含み、画像をテンプレート形状に合わせて歪ませてテンプレートに登録される。
このとき、テンプレートに線形又は非線形登録をした後、ネックを除去する際に使用したマトリックスと、テンプレートに線形登録する際に使用したマトリックスとを合わせた後、ネックの除去及び線形登録又は非線形登録過程を同時に行うことにより、分割に必要な脳のデータの損傷が防止できる。
このような前処理された脳画像は、ブレイン分析部3へ伝達される。
図3を参照すると、ブレイン分析部3は、脳の解剖学的構造を把握するために脳要素別にマスクをそれぞれ生成し、生成された各脳要素別マスクを介して、分割された脳画像を導出し、導出された分割脳画像と前処理された画像から最終脳画像を導出する構成を備える。このため、ブレイン分析部3は、脳確率マップ生成モジュール31、マスク生成モジュール32、分割脳画像取得モジュール33、及び最終脳画像導出モジュール34を含む。ここで、脳要素は、白質、灰白質、脳脊髄液、脳室及びその他の構造物を含む。ここで、その他の構造物とは、白質、灰白質、脳脊髄液及び脳室を除く脳構造を意味する。
脳確率マップ生成モジュール31は、前処理された脳画像に対して所定のテンプレート又は更新されたテンプレートの確率マップを用いて、各脳要素別脳確率マップを生成する。
つまり、確率マップテンプレートと入力された磁気共鳴3D T1画像を用いて、入力された画像それぞれのボクセルにおいて白質、灰白質、脳脊髄液、脳室及びその他の構造物が存在する確率を計算して、脳確率マップが生成される。このとき、脳確率マップは、Kガウシアンでモデル化することができる(Mixture of Gaussians、以下「MOG」と略記する)。
例えば、一変量データの場合、k番目のガウスは
でモデル化され、MOGにおいてk番目のガウシアン(cj=k)に属し、k番目のガウシアンは
を媒介変数と仮定すると、強度yiを有するデータを得る確率は、下記式5で導出できる。
そして、マスク生成モジュール32は、生成された脳確率マップが各テンプレートに該当する要素である場合、1以下の値であるので、所定の閾値で脳確率マップを2値化して、2値化された脳確率マップのマスクを生成する。
分割脳画像取得モジュール33は、各白質、灰白質、脳脊髄液、脳室、及びその他の構造物のマスクを組み合わせて、前処理された脳画像を分割して分割脳画像を導出し、最終脳画像導出モジュール34は、各脳要素別マスクを組み合わせて生成された最終マスクを介して、導出された分割脳画像及び前処理された脳画像から脳硬膜が除去され且つ小脳の下領域から除去された最終脳画像を導出する。
このような分割脳画像取得モジュール33は、各白質、灰白質、脳脊髄液、脳室、及びその他の構造物のマスクを介して、前処理された脳画像から分割脳画像を導出する構成を備える。これにより、図4及び図5を参照すると、分割脳画像取得モジュール33は、第1マスク生成器331、第1硬膜除去器332、脳画像拡大器333、第2マスク生成器334、灰白質取得器335、第2硬膜除去器336、及び分割脳画像取得器337のうちの少なくとも1つを含むことができる。
第1マスク生成器331は、各脳要素別に生成された白質マスク、灰白質マスク、脳脊髄液マスク、脳室マスク、及びその他の脳要素を取得するための構造物マスクのうち、灰白質マスク、白質マスク、脳室マスク及びその他の構造物マスクに基づいて第1マスクを生成する。
そして、第1硬膜除去器332は、前処理された脳画像から第1マスクを介して白質、灰白質、及び脳室を含む脳画像Aを取得した後、取得した脳画像Aを二値化する。これにより、前処理された脳画像に含まれた脳硬膜が一次除去される。
ここで、脳画像Aは、灰白質マスクから取得された灰白質の脳画像に、1を超える定数を掛け、白質マスクによって取得された白質の脳画像と、脳室マスクに基づいて取得された脳室の脳画像とを合わせた後、構造物マスクによって取得された構造物の脳画像を差し引くことにより導出される。ここで、1を超える定数は、多数の実験によって得られた結果値に設定され、最適な脳画像を取得することができる。
この時、一次除去された脳硬膜は白質側面眼窩前頭領域付近の硬膜が含まれ、脳画像Aは脳画像拡大器333へ伝達される。
脳画像拡大器333は、脳画像Aを収縮させた後、一次膨張させることにより、収縮した脳画像Aを復元し、復元された脳画像Aを二次膨張させることにより、拡大された灰白質の脳画像Bを取得する。拡大された灰白質の脳画像Bは、第2マスク生成器334へ伝達される。
第2マスク生成器334は、前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、拡大された灰白質の脳画像Bから脳脊髄液の一部が含まれた灰白質を取得して脳画像Cを導出する。
一方、灰白質取得器335は、一次脳硬膜が除去された後、二値化された脳画像Aの収縮及び膨張を介して脳画像Dを取得し、取得された脳画像Dと前記第2マスクによって取得された脳画像Cとを合わせて脳画像Eを取得し、取得された脳画像Eの膨張及び収縮を順次行うことにより、灰白質の脳画像Fを取得する。
第2硬膜除去器336は、灰白質の脳画像Fから、白質、灰白質、脳脊髄液及び脳室を除いたその他の構造物を除去した脳画像Gを取得し、取得された脳画像Gの収縮及び膨張によって脳硬膜が二次除去された脳画像Hを取得する。
分割脳画像取得器337は、二次脳硬膜が除去された脳画像Hの空きスペースを埋める後処理を行うことにより、脳画像Iを出力し、これにより、各脳要素が分割された脳画像Iを導出する。
最終脳画像取得モジュール34は、脳画像Iと前処理された脳画像から最終マスクを介して脳硬膜と小脳の下領域が除去された最終脳画像Jを取得する。ここで、最終マスクは、灰白質マスク、白質マスク、脳脊髄液マスク、脳室マスク及びその他の構造物マスクの組み合わせによって生成される。また、最終脳画像Jには、脳硬膜と小脳周辺の静脈が除去された白質、灰白質、脳脊髄液、脳室及びその他の構造物が含まれる。
図6の(a)は一般な定量分析された脳画像を示す図であり、(b)は一実施形態によって定量分析された脳画像を示す図であり、(c)は定量分析の際に目視検査によって実測脳との誤差を直接修正した後に再定量分析された脳画像を示す図である。図6を参照すると、従来の方式に基づいて定量分析された脳画像は、硬膜及び小脳周辺の静脈が小脳に誤って分割されたことを確認することができる。一実施形態によって分割された脳を用いて定量分析した(b)の脳画像と、目視検索及び修正に基づいて定量分析した(c)の脳画像とを比較すると、(b)と(c)の脳画像は、硬膜及び小脳周辺の静脈が正しく除去されることを確認することができる。
このため、一実施形態は、磁気共鳴装置によって撮影された脳の定量分析のために行われる分割脳画像に対して脳硬膜及び小脳の下領域の静脈を正確に除去することにより、硬膜及び小脳周辺の静脈などを区分して脳画像を正確に分割することができ、これにより、脳の定量分析結果に対する精度をさらに向上させることができ、脳病変に対する診断精度を根本的に高めることができる。
図7は、図3のブレイン分析部によって行われる脳分割過程を示す全体フローチャート図である。図5及び図7を参照して、本発明の他の実施形態による磁気共鳴画像の脳分割方法を説明する。
ステップS11で、一実施形態のブレイン分析部3は、各脳要素別に生成された各要素別マスクに基づいて第1マスクを生成する。ここで、各脳要素は、白質、灰白質、脳脊髄液、脳室及びその他の構造物のうちの少なくとも一つであり、各脳要素別マスクを生成する。第1マスクは、灰白質マスクに1を超える定数を掛け、白質マスクと脳室マスクとを合わせた後、その他の構造物マスクを差し引くことにより生成される。
ステップS12及びステップS13で、一実施形態のブレイン分析部3は、前記第1マスクを介して、磁気共鳴装置によって撮影された3D T1画像に対して前処理された脳画像から脳要素のうちの白質、灰白質、及び脳室を含む脳画像Aを取得した後、取得された脳画像Aを収縮させて、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する。
一実施形態のブレイン分析部3は、ステップS14によって脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像Bを一次膨張させることにより、収縮した脳画像を復元した後、二次膨張によって脳画像Bの灰白質を拡大する。
ステップS15で、一実施形態のブレイン分析部3は、前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、ステップS16で、生成された第2マスクを介して、前記灰白質が拡大された脳画像から脳脊髄液の一部が含まれた灰白質の脳画像Cを取得する。
その後、ステップ17及びステップS18で、一実施形態のブレイン分析部3は、一次脳硬膜が除去された白質、灰白質、及び脳室の脳画像Aを収縮及び膨張させて順次取得された白質、灰白質、及び脳室の脳画像Dと、第2マスクを用いて拡大された灰白質の脳画像Cとを合わせて脳画像Eを取得し、取得された脳画像Eの膨張及び収縮を順次行うことにより、灰白質の脳画像Fを取得する。
一方、ステップS19で、一実施形態のブレイン分析部3は、構造物マスクを用いてステップS18で取得された灰白質脳画像Fから、その他の構造物の脳画像を除去した脳画像Gを取得し、取得されたその他の構造物が除去された脳画像Gを収縮及び膨張させることにより、二次脳硬膜が除去された脳画像Hを取得する。
その後、一実施形態のブレイン分析部3は、ステップS20によって、前記第2硬膜除去段階の脳画像Hの空きスペースを埋める後処理が施されたれ脳画像Iを取得する。
一方、ブレイン分析部3は、ステップS21で後処理された脳画像I及び前処理された脳画像を用いて最終脳画像Jを取得する。
このため、一実施形態は、磁気共鳴装置によって撮影された脳の定量分析のために行われる分割脳画像に対して多数の脳硬膜を除去することにより、硬膜及び小脳周辺の静脈等を区分して脳画像を正確に分割することができる。このため、脳の定量分析結果に対する精度をさらに向上させることができ、脳病変に対する診断精度を根本的に高めることができる。
上述した実施形態は、ハードウェア構成要素、ソフトウェア構成要素、及び/又はハードウェア構成要素とソフトウェア構成要素との組み合わせで実現できる。例えば、実施形態で説明した装置、方法及び構成要素は、例えば、プロセッサ、コントローラ、ALU(arithmetic logic unit)、デジタル信号プロセッサ(digital signal processor)、マイクロコンピュータ、FPGA(field programmable gate array)、PLU(programmable logic unit)、マイクロプロセッサ、又は命令(instruction)を実行し応答することができる他の任意の装置のように、1つ以上の汎用コンピュータ又は特殊目的コンピュータを用いて実現できる。処理装置は、オペレーティングシステム(OS)、及び該オペレーティングシステム上で行われる1つ以上のソフトウェアアプリケーションを行うことができる。また、処理装置は、ソフトウェアの実行に応答して、データをアクセス、保存、操作、処理及び生成することもできる。理解の便宜のために、処理装置は、1つが使用されると説明された場合もあるが、当該技術分野における通常の知識を有する者は、処理装置が複数の処理要素(processing element)及び/又は複数類型の処理要素を含むことができることが分かる。例えば、処理装置は、複数のプロセッサ又は1つのプロセッサ及び1つのコントローラを含むことができる。さらに、パラレルプロセッサ(parallel processor)などの、他の処理構成(processing configuration)も可能である。
ソフトウェアは、コンピュータプログラム(computer program)、コード(code)、命令(instruction)、又はこれらのうちの1つ以上の組み合わせを含むことができ、所望のとおりに動作するように処理装置を構成するか、或いは独立的に又は集合的に(collectively)処理装置を命令することができる。ソフトウェア及び/又はデータは、処理装置によって解釈されるか或いは処理装置に命令又はデータを提供するために、任意の類型の機械、構成要素(component)、物理的装置、仮想装置(virtual equipment)、コンピュータ記憶媒体又は装置、又は伝送される信号波(signal wave)に永久的に又は一時的に具体化(embody)できる。ソフトウェアは、ネットワークで接続されたコンピュータシステム上に分散するため、分散した方法で保存又は実行することもできる。ソフトウェア及びデータは、1つ以上のコンピュータ可読記録媒体に保存することができる。
実施形態による方法は、様々なコンピュータ手段を介して行われ得るプログラム命令の形態で実現され、コンピュータ可読媒体に記録することができる。コンピュータ可読媒体は、プログラム命令、データファイル、データ構造などを単独で又は組み合わせて含むことができる。コンピュータ可読媒体に記録されるプログラム命令は、実施形態のために特別に設計及び構成されたものであってもよく、コンピュータソフトウェア当業者に公知になって使用可能なものであってもよい。コンピュータ可読記録媒体の例には、ハードディスク、フロッピーディスク及び磁気テープなどの磁気媒体(magnetic media)、CD-ROM、DVDなどの光記録媒体(optical media)、フロプティカルディスク(floptical disk)などの磁気光媒体(magneto-optical media)、及びROM、RAM、フラッシュメモリなどのプログラム命令を保存及び実行するように特別に構成されたハードウェア装置が含まれる。プログラム命令の例には、コンパイラによって作られる機械語コードだけでなく、インタープリタなどを用いてコンピュータによって実行できる高級言語コードを含む。上述したハードウェア装置は、実施形態の動作を行うために1つ以上のソフトウェアモジュールとして作動するように構成でき、その逆も同様である。
以上のように実施形態がたとえ限定された図面によって説明されたが、当該技術分野における通常の知識を有する者であれば、上記に基づいて様々な技術的修正及び変形を適用することができる。例えば、説明された技術が、説明された方法とは異なる順序で行われるか、及び/又は説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されるか、他の構成要素又は均等物によって代替又は置換されても、適切な結果が達成できる。
1 脳画像収集部
2 前処理部
21 強度処理モジュール
22 ネック除去モジュール
23 位置調整モジュール
24 テンプレート登録モジュール
3 ブレイン分析部
31 脳確率マップ生成モジュール
32 マスク生成モジュール
33 脳画像分割モジュール
34 最終脳画像導出モジュール
331 第1マスク生成器
332 第1硬膜除去器
333 脳画像拡大器
334 第2マスク生成器
335 灰白質取得器
336 第2硬膜除去器
337 分割脳画像取得器
2 前処理部
21 強度処理モジュール
22 ネック除去モジュール
23 位置調整モジュール
24 テンプレート登録モジュール
3 ブレイン分析部
31 脳確率マップ生成モジュール
32 マスク生成モジュール
33 脳画像分割モジュール
34 最終脳画像導出モジュール
331 第1マスク生成器
332 第1硬膜除去器
333 脳画像拡大器
334 第2マスク生成器
335 灰白質取得器
336 第2硬膜除去器
337 分割脳画像取得器
Claims (11)
- 磁気共鳴装置を用いて撮影された脳画像を収集する脳画像収集部と、
前記脳画像に対して前処理を行う前処理部と、
前記前処理された脳画像に対して各脳要素別脳確率マップを生成し、生成された脳確率マップに基づいて脳要素のマスクをそれぞれ生成し、前記生成された各マスクを用いて、前処理された脳画像を各脳要素別に分割した後、分割脳画像から最終マスクを介して最終脳画像を導出するブレイン分析部と、を含むことを特徴とする、磁気共鳴画像の脳分割システム。 - 前記脳要素は、
灰白質、白質、脳脊髄液、脳室及びその他の構造物のうちの少なくとも1つであることを特徴とする、請求項1に記載の磁気共鳴画像の脳分割システム。 - 前記前処理部は、
磁気共鳴装置を用いて撮影された脳画像に対して前処理を行い、
前記収集された脳画像に対して撮影時の強度不均一性を除去するバイアスフィールド補正を行う強度処理モジュールと、
前記バイアスフィールド補正後に小脳の下部分を除去するネック除去モジュールと、
前記ネック除去モジュールの脳画像を所定のテンプレートの方向に調整する位置調整モジュールと、
前記脳画像の位置とテンプレートの位置とを一致させる線形登録又は非線形登録をテンプレートに行うテンプレート登録モジュールと、を含むように備えられることを特徴とする、請求項2に記載の磁気共鳴画像の脳分割システム。 - 前記ブレイン分析部は、
前処理された脳画像に対して所定のテンプレートの確率マップを用いて各脳要素別脳確率マップを生成する脳確率マップ生成モジュールと、
各脳要素別に生成された各脳確率マップに基づいて各脳要素のマスクをそれぞれ生成するマスク生成モジュールと、
生成された各マスクを介して、各前記前処理された脳画像から各脳要素を取得して分割脳画像を導出する脳画像分割モジュールと、
導出された分割脳画像に対して最終マスクを介して最終脳画像を導出する最終脳画像導出モジュールと、を含むことを特徴とする、請求項2に記載の磁気共鳴画像の脳分割システム。 - 前記脳画像分割モジュールは、
各脳要素別に生成された白質マスク、灰白質マスク、脳脊髄液マスク、脳室マスク、及びその他の脳要素を取得するための構造物マスクのうち、白質マスク、灰白質マスク、脳室マスク及び構造物マスクに基づいて第1マスクを生成する第1マスク生成器と、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得した後、取得された脳画像を二進化し、収縮させることで、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去器と、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像を一次膨張させることで、収縮した脳画像を復元した後、二次膨張によって灰白質が拡大された脳画像を取得する脳画像拡大器と、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、灰白質が拡大された脳画像から脳脊髄液の一部が含まれた灰白質を取得する第2マスク生成器と、
前記一次脳硬膜が除去された白質、灰白質、及び脳室の脳画像の収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像と拡大された灰白質の脳画像とを合わせた後、膨張及び収縮を介して灰白質の脳画像を取得する灰白質取得器と、
灰白質脳画像からその他の構造物を差し引いて脳画像を取得し、取得された脳画像を収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去器と、
前記第2硬膜除去器の脳画像の空きスペースを埋める後処理を行うことで、白質、灰白質、脳脊髄液、及び脳室を除くその他の構造物が除去された分割脳画像を取得する分割脳画像取得器をと、含むことを特徴とする、請求項4に記載の磁気共鳴画像の脳分割システム。 - 前記最終脳画像導出モジュールは、
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像と前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像とを導出するように備えられることを特徴とする、請求項4に記載の磁気共鳴画像の脳分割システム。 - 前記第1マスクは、
灰白質マスクから取得された灰白質の脳画像に1を超える定数を掛け、白質マスクから取得された白質の脳画像と、脳室マスクから取得された脳室の脳画像とを合わせた後、構造物マスクから取得された脳画像を除去するように備えられることを特徴とする、請求項5に記載の磁気共鳴画像の脳分割システム。 - 請求項1に記載のブレイン分析部によって行われ、各脳要素別脳確率マップに基づいて生成された各脳要素別マスクを組み合わせて、前処理された脳画像を各脳要素別に分割する磁気共鳴画像の脳分割方法であって、
各脳要素別に生成された各要素別マスクに基づいて第1マスクを生成する第1マスク生成ステップと、
前記第1マスクを介して、前処理された脳画像から白質、灰白質、及び脳室を含む脳画像を取得し、取得した白質、灰白質、及び脳室の脳画像を二進化した後、収縮させることで、白質の側面眼窩前頭領域付近の硬膜を含む脳硬膜を一次除去する第1硬膜除去ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室を含む脳画像Aを一次膨張させて、収縮した脳画像を復元した後、二次膨張によって拡大された灰白質の脳画像Bを取得する脳画像拡大ステップと、
前記第1マスクと前記脳脊髄液マスクとを乗じて第2マスクを生成し、生成された第2マスクを介して、前記拡大された灰白質の脳画像Bから脳脊髄液の一部が含まれた灰白質の脳画像Cを取得する第2マスク生成ステップと、
前記脳硬膜が一次除去された白質、灰白質、及び脳室の脳画像Cの収縮及び膨張によって取得された白質、灰白質、及び脳室の脳画像Dと拡大された灰白質の脳画像Cとを合わせた後、膨張及び収縮によって灰白質の脳画像Fを取得する灰白質取得ステップと、
前記灰白質脳画像Fからその他の構造物を差し引いて脳画像Fを取得し、取得された脳画像Gを収縮及び膨張させて脳硬膜を二次除去する第2硬膜除去ステップと、
前記第2硬膜除去ステップの脳画像Hの空きスペースを埋める後処理を行うことで、白質、灰白質、脳脊髄液、及び脳室を除いたその他の構造物が除去された分割脳画像Iを取得する分割脳画像取得ステップと、を含むことを特徴とする、磁気共鳴画像の脳分割方法。 - 前記脳分割方法は、
各脳要素別マスクの組み合わせで最終マスクを生成し、生成された最終マスクを介して、取得された分割脳画像Iと前処理された脳画像から脳硬膜と小脳の下部分が除去された最終脳画像Jとを取得する最終脳画像導出ステップをさらに含むことを特徴とする、請求項8に記載の磁気共鳴画像の脳分割方法。 - 前記第1マスクは、
灰白質マスクから取得された灰白質の脳画像に1を超える定数を掛け、白質マスクから取得された白質の脳画像と、脳室マスクから取得された脳室の脳画像とを合わせた後、構造物マスクから取得された脳画像を除去するように備えられることを特徴とする、請求項8に記載の磁気共鳴画像の脳分割方法。 - 請求項8~10のいずれか一項に記載の磁気共鳴画像において脳を分割する方法を実行するためのプログラムが記録され、コンピュータで実行可能な記録媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220069053A KR20230168507A (ko) | 2022-06-07 | 2022-06-07 | 자기공명영상의 뇌 분할 시스템 및 방법 |
KR10-2022-0069053 | 2022-06-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023179348A true JP2023179348A (ja) | 2023-12-19 |
Family
ID=88700998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022194183A Pending JP2023179348A (ja) | 2022-06-07 | 2022-12-05 | 磁気共鳴画像の脳分割システム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230394674A1 (ja) |
EP (1) | EP4290453A1 (ja) |
JP (1) | JP2023179348A (ja) |
KR (1) | KR20230168507A (ja) |
CN (1) | CN117237375A (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019136745A1 (zh) * | 2018-01-15 | 2019-07-18 | 深圳博脑医疗科技有限公司 | 一种基于磁共振图像的脑龄测试方法及脑龄测试装置 |
KR102125127B1 (ko) | 2018-03-05 | 2020-06-19 | 고려대학교 산학협력단 | 딥러닝 기반 뇌 질환 진단 방법 |
CN110458869B (zh) * | 2019-05-10 | 2021-10-19 | 珠海慧脑云计算有限公司 | 一种新生儿磁共振结构脑影像的配准方法及其系统 |
CN110840468B (zh) * | 2019-11-18 | 2022-04-22 | 深圳市铱硙医疗科技有限公司 | 自闭症风险评估方法及装置、终端设备、存储介质 |
-
2022
- 2022-06-07 KR KR1020220069053A patent/KR20230168507A/ko unknown
- 2022-12-01 US US18/072,907 patent/US20230394674A1/en active Pending
- 2022-12-02 EP EP22211226.0A patent/EP4290453A1/en active Pending
- 2022-12-05 CN CN202211550708.5A patent/CN117237375A/zh active Pending
- 2022-12-05 JP JP2022194183A patent/JP2023179348A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117237375A (zh) | 2023-12-15 |
KR20230168507A (ko) | 2023-12-14 |
EP4290453A1 (en) | 2023-12-13 |
US20230394674A1 (en) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jog et al. | Random forest regression for magnetic resonance image synthesis | |
Shaziya et al. | Automatic lung segmentation on thoracic CT scans using U-net convolutional network | |
CN113313234A (zh) | 用于图像分割的神经网络系统和方法 | |
DE102007018763B4 (de) | Verfahren zur Arterien-Venen-Bildseparation in Blutpoolkontrastmitteln | |
CN113076987B (zh) | 骨赘识别方法、装置、电子设备及存储介质 | |
Pushparaj et al. | An effective dental shape extraction algorithm using contour information and matching by mahalanobis distance | |
JP2021530331A (ja) | 心臓灌流磁気共鳴イメージングを使用して虚血性心疾患を検出するために完全定量ピクセル単位心筋血流および心筋血流予備能マップを自動的に生成および分析するための方法およびシステム | |
Rogelj et al. | Validation of a nonrigid registration algorithm for multimodal data | |
Heitz et al. | Statistical shape model generation using nonrigid deformation of a template mesh | |
Li et al. | Unsupervised cross-modality domain adaptation for segmenting vestibular schwannoma and cochlea with data augmentation and model ensemble | |
Koh et al. | Automatic spinal canal detection in lumbar MR images in the sagittal view using dynamic programming | |
Ribeiro et al. | Which metrics should be used in non-linear registration evaluation? | |
JP2023179348A (ja) | 磁気共鳴画像の脳分割システム及び方法 | |
Wang et al. | Spatially aware patch-based segmentation (saps): an alternative patch-based segmentation framework | |
CN113379770B (zh) | 鼻咽癌mr图像分割网络的构建方法、图像分割方法及装置 | |
JP7277131B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Ali et al. | Elastic registration of high-resolution 3D PLI data of the human brain | |
Starzynski et al. | Morphing algorithm for building individualized 3D skeleton model from CT data | |
Nguyen et al. | Superpixel and entropy-based multi-atlas fusion framework for the segmentation of x-ray images | |
US20100142779A1 (en) | Method and apparatus for locating a physiological feature of interest in image data | |
Su et al. | One-shot Joint Extraction, Registration and Segmentation of Neuroimaging Data | |
Holden et al. | Multi-dimensional mutual information image similarity metrics based on derivatives of linear scale-space | |
JP7346027B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP7325310B2 (ja) | 医用画像処理装置、医用画像解析装置、及び、標準画像作成プログラム | |
Shen et al. | Improved local optimization for adaptive bases non-rigid image registration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20230323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230323 |