JP2023552547A - 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法 - Google Patents

拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法 Download PDF

Info

Publication number
JP2023552547A
JP2023552547A JP2023534004A JP2023534004A JP2023552547A JP 2023552547 A JP2023552547 A JP 2023552547A JP 2023534004 A JP2023534004 A JP 2023534004A JP 2023534004 A JP2023534004 A JP 2023534004A JP 2023552547 A JP2023552547 A JP 2023552547A
Authority
JP
Japan
Prior art keywords
dwi
computer
ventricular volume
ventricular
volume
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023534004A
Other languages
English (en)
Inventor
カプアニ,シルヴィア
ボレッリ,マッティア
プラテージ,ジャコモ
トラーニ,マリア ジョヴァンナ ディ
マンガナーロ,ルチア
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Consiglio Nazionale delle Richerche CNR
Universita degli Studi di Roma La Sapienza
Original Assignee
Consiglio Nazionale delle Richerche CNR
Universita degli Studi di Roma La Sapienza
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Consiglio Nazionale delle Richerche CNR, Universita degli Studi di Roma La Sapienza filed Critical Consiglio Nazionale delle Richerche CNR
Publication of JP2023552547A publication Critical patent/JP2023552547A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • G06T2207/20104Interactive definition of region of interest [ROI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30044Fetus; Embryo

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

本発明は、DWIと呼ばれる拡散強調磁気共鳴画像から、胎児の脳室容積を判定するためのコンピュータ実装方法に関し、以下のステップを実行することを含む。A.200~1000s/mm2の範囲内で選択された単一のb値によって行われる(111)、胎児の脳室の、予め設定されたボクセルの高さを有するDWI画像を取得するステップ(112)。B.脳室の周囲のDWI画像のそれぞれにおいてROIを選択するステップ(122,123,124,125)。C.ROIの画素を自動的にクラスタ化して(127)、クラスタ化されたDWI画像を取得するステップ。D.DWI画像及び予め設定されたボクセルの高さのそれぞれについて、ROI内の画素の数に基づいて、脳室容積を計算するステップ(130)。さらに、本方法は、本発明の方法を用いるNMR評価システム及びNMR評価方法に関する。

Description

本発明は、拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するNMR脳室容積評価方法に関する。
ここ数年で、MRIなどの技術による組織及び対象物の3次元調査の強みと利点が、この分野の専門家の多くに認識されるようになった。胎児及び新生児の分野における一般的なMRI方法は、[13]及び[14]に記載されている。
特に、脳室拡大(VM、1000件に約1~2例の割合で起こる([2]))を扱う上で、また、技術的な向上の点から、側脳室の容積測定調査は、病態をより正確に理解するために必要かつ不可欠な工程である。VMは側脳室の異常な拡大と関連しているため(図1参照)、その診断はこれらの脳領域の寸法測定のみと関連する。しかし、現時点では、診断は、3次元物体(脳室)の直線的な寸法(特に脳室房の直径)に基づいている。すなわち、超音波又はMRIスピンエコーT2強調画像[11]を用いて胎児の側脳室房の直径が測定される。VM診断のガイドラインが10mmを閾値直径を提示しているため、10mmを超えると胎児はVMに冒されていると考えられる。脳室の拡大は様々な理由で起こり得るが、ほとんどの場合、単一の特定可能な原因はなく、現時点では、疾患の進展を説明するモデルは存在しない。
したがって、脳室は空間的に均質で等方的な構造を有しないため、脳室の二次元投影によって得られる画像では、脳室腔の異常な増大を満足に定量化することができない。これにより、出生後の病理のレベルを十分に区別しない分類が決定される。このため、直径法によるVM診断では期待される結果が反映されないことが多く、出生後の子らの治療方法が曖昧になる。さらに、早期診断又は効果的な出生後治療をすることができない。脳室直径は在胎期間と相関しないため、現在の方法では中間レベルを識別すること、又は病態の初期状態の信号を捕らえることができず、分類が困難な 「ボーダーライン」の事例が多いということになる。
現在の診断限界を克服する胎児の脳室容積測定法の必要性を感じさせる。
独立の更なる問題として、容積の計算は、X線写真上で脳室の輪郭を手で描くことによって行われている。このような輪郭は、実際の脳室容積より(わずかに)大きいことが非常に多く、また、医師には正確な輪郭を描く時間が与えられないため、不正確である。脳室の大雑把な輪郭抽出によっても、容積を正確に算出できるようにする必要がある。そうすれば、容積計算がより速くなり、したがってVMの診断もより速くなる。
本発明の目的は、脳室拡大の診断において胎児の脳室容積を判定するための、コンピュータに実装された方法を提供することにある。本発明の他の目的は、当該方法を実施可能なNMRシステム、及び脳室容積のNMR評価方法を提供することにある。
本発明の主題は、添付の特許請求の範囲に係る、胎児の脳室容積を判定するためのコンピュータ実装方法及びNMRシステムである。本発明の他の主題は、対応する添付の特許請求の範囲に係る、脳室容積のNMR評価方法である。
特に添付の図面を参照しながら、VM検出器と名付けられた本発明を、例示的であり限定的でない目的で説明する。
図1は、本発明によって取り扱われる胎児の脳室の解剖学的なスケッチを示す。 図2は、本発明に係る方法の一実施形態のフローチャートを示す。 図3は、脳室及び脳物質における水のZj値の関数としてのDWI信号挙動を強調するグラフである。 図4は、本発明に係る方法を用いてb値=50、200及び700s/mmにおいて得られたDWI画像を示す(k平均法ツールでk=4)。 図5は、roipolyの使用による手動のROIの実現を示す。 図6は2つの異なるROIの選択を示し、上側は脳室周辺の他の脳領域を含まず、下側はそれらの領域を含み、右側には本発明に係るセグメンテーションの結果が示されている。 図7は、(a)の脳室(画像の右側)が拡大された実際のDWI画像と、(a)のk平均法(k=4)による本発明のセグメンテーションとの比較を示す。 図8は、(b)の脳室(画像の右側)が拡大された実際のDWI画像と、(a)のk平均(k=3)によるセグメンテーションとの比較を示す。 図9は、本発明の方法によって実現された2つの胎児の側脳室の3Dプロットを示す。 図10は、脳室の非常に正確な輪郭抽出によって選択されたROIを示す。 図11は、脳室の不正確な輪郭抽出によって選択されたROIを示す。ここで、輪郭領域は、脳室を完全に含むが、これより大きい。 図12は、図11の輪郭抽出でk=3の場合に行われたk平均法によるセグメンテーションの結果を示す。 図13の(a)、(b)、及び(c)では、それぞれk=4,5,6について、図10と同じROIを用いた結果が示されている。
ここでは、本発明の技術的思想を尊重しつつ、様々な実施形態の要素を組み合わせて非限定的な更なる実施形態を提供することができることが、これまで説明したことから当業者であれば問題なく理解することを明記する。
また、本説明は、例えば、同種の解決手段である公知技術において通常使用されるあまり重要でない要素などの未記載の詳細な特徴に関して、その実施について公知技術を参照する。
1の要素が導入される場合、それは「少なくとも1つ」又は「1以上」であり得ることを常に意味する。
この説明において要素又は特性のリストが記載されている場合、それは本発明に係る発明がそのような要素を「含む」又は代替的にそのような要素「からなる」ことを意味する。
一般的な方法への導入
本発明に係るコンピュータ実装VM検出器は、出生前診断の最適化を目的とする、組織内の生体水の分子拡散の研究に基づく核磁気共鳴(NMR)ニューロイメージング研究の一環として開発された。
本発明者らによって取り組まれた診断上の問題は、VM出生前診断の測定の客観性及び感度並びに自動化の観点からの最適化に関する問題であった。本プロジェクトの主な目的は、従来の脳室直径の測定よりも、胎児の脳の側脳室の容積分析がより優れた病態の評価因子であることを検証することにあった。
本発明に係るVM検出器は、胎児VMの診断における新たな識別因子となることを目的とする、有効な脳室構造の生物学的性質により関連する新たな測定法を提案する。実際、本発明のコンピュータ実装方法は、病態が疑われる場合に日常的に実施されるが、上記の容積の決定には使用されない標準的なMRIプロトコルを用いて、拡散強調磁気共鳴画像法(DWI)によって取得された一連の画像群から脳室の容積を再構成する。
このように、本発明の方法では、容積解析は、脳内の水拡散挙動[11]から始まる脳室再構成アルゴリズムによる自動分類に基づく。この自動分類は、一般的に脳組織の生物学的性質の優れた分類器である。また、クロス解析に向けてデータ(直径及び容積)を比較するために、直径測定の可能性を含むことが有利であると考えられた。プロトタイプはMATLAB(登録商標)環境で開発され、使用された機械学習アルゴリズムはMATLAB(登録商標)自体からダウンロードされたパッケージから得られて使用された。
一般的な方法の実施形態
本発明の方法は、具体的な実施形態に従って図2に示されている。
プロトコルは、MATLAB(登録商標)などの特定のツールに関連して記述されるが、本発明の技術的思想が知られていれば、目的のために任意のツールが使用可能であることを理解すべきである。
プロセス100は、110における画像の取得及び前処理から始まり、111において、NMR取得物の特定のプロトコルが、DWI画像112を得るために使用される。このような画像は、任意に、ノイズを低減するために113で前処理され、(従来技術で通常行われているように、取得されたNMRスライスの)再整列を行う。
画像の取得及び前処理の後、120において、ブロック121~128を含む本発明の核となる方法が実行される。
121では、DWI画像がロードされ、MATLAB(登録商標)関数を使用できるように、特にDICOM画像(load_untouch_nii)のMATLAB(登録商標)においてデータを取り扱うことができるように、4D行列(任意)に適切に変換される。
122では、各スライスについて、脳室の周囲の関心領域(ROI)の大まかな選択が行われる。ROIの選択結果は、123において脳室領域より小さいと判断され、又は、124において(同一の基準尺度に関して)脳室と同等のボクセル強度を有する他の脳領域より大きいと判断され得る。123及び124の結果は両方とも、不良又は不満足であると考えられる。この場合、ROI選択が良好とみなされるまでステップ122が繰り返される(125)。
ブロック126では、良好なROIは、取得された行列(各取得物の各スライスに対応する二次元行列)に乗算されて、脳室マスクを作成する。ブロック127では、脳室マスクの画素が自動的にクラスタ化され、128でクラスタの数が適切に選択される。一例では、MATLAB(登録商標)の関数kmeans、roipoly、getptsが使用される。
最後に、脳室の容積の計算は、130において様々な方法で行われる。
以下に、上記の様々なブロックについて、処理及び実験の詳細を示す。
取得
本発明のVM検出手順は、1つのb値(例えば、b=700s/mm)のみでDWI画像を取得することを含む特定の取得プロトコル111、112を提供する。
前処理
113の画像の前処理についてより詳細に述べると、ローマ内の“Umberto I”病院のMRIスキャナに設置された特定のb値(例えば、700s/mm)で取得されたDWI画像に対して、本発明の一態様に従い、再整列、及び、任意的にノイズ除去の手順が実行された。
この前処理の再整列及び/又はノイズ除去は、それ自体知られているが、全く異なる目的で、例えば、健常的な脳及びVM胎児の脳の異なる脳領域におけるADCを定量化するために、行われる(Front. Phys. 7: 160. doi: 10.3389/fphy.2019.001600)。具体的には、異なるb値(少なくとも3つの値、例えば50、200、700s/mm)について得られたDWI画像が、以下の方法で使用される:各取得画素について、様残なb値におけるDWI画像の対応する信号強度が、各画素のADC値を得るために指数関数にフィッティングされる。
DWI画像の後処理
上記の任意の前処理の後、本発明のVM検出手順は、120において、従来のMRIよりもはるかに良好に胎児の脳の灰白質/白質から脳室内の液体を分離する画像を取得することを提供する。これにより、脳室の輪郭をより明確にし、クラスタ化によってより正確に脳室容積を推定することができる。
一般的に、各組織は、生体水の異なる拡散挙動によって特徴付けられ、これは特定の組織微細構造に依存する。
したがって、最適なクラスタ化は従来知られていない。
胎児の脳の場合、DWI画像を用いて、本発明者らは、b=700s/mm程度の拡散の重みが、胎児の脳の白質及び灰白質に関して脳室の輪郭を強調するのに最適な値であることを見出した。また、bの他の値を用いたテスト、又は従来のT2強調画像などのDWI以外の様々な画像を用いたテストでは、脳室とその他の脳組織とをあまり良く識別できないことも判明した。
試験では、DWIは、1.5T(Siemens Avanto、エアランゲン、ドイツ)で実行された。MRIプロトコルは、TR/TE=4000/79、帯域幅=1628Hz/px、マトリクス=192×192、FOV=379×379mmのDW-スピンエコーEPIを含んでいた。面内分解能=2×2mm、スライス厚さ=4mm、NSA=2であり、3直交軸(x,y,z)方向のb値は700s/mmに等しい。
本発明者らの研究により、上記のb値から外れても、クラスタ化が実行可能であることが示された。より具体的には、b値について提供される適用可能な第1の広い範囲は、200s/mmと1000s/mmとの間であり、最適な範囲は600s/mmと800s/mmとの間である。図3のグラフにおいて、例示的な縦線は、脳室内の水と脳組織内の水との間の画像コントラストに比例する信号差を強調している。
b=800s/mmより高い値では、SNRが不十分であるために問題が生じ始める。通常、診断のために十分な品質のDWIは、5より大きいSNRによって特徴づけられる。これより低いb値では、拡散造影の交絡因子である灌流成分による問題が生じ始める。
図4では、50、200及び700s/mmで得られたDWI画像が、k平均法ツールのk=4についての対応する発明のセグメンテーションとともに表示されている。図から、k平均法で同数のクラスタを使用し(k=4、これは我々が発見した最良のkである)、異なるb値を持つが同じ取得物の同じスライス上で行われたセグメンテーションの違いに注目する。それぞれb=700,200,50s/mmである。図から、b=50s/mmでは画素間の強度コントラストが脳室と脳組織とを区別するのに十分でないことがわかる。b=200s/mmではわずかに良くなるが、正確なセグメンテーションが得られるのはb=700s/mmの場合である。
本発明者らによって見出された上記の範囲は、胎児の脳内の脳室と脳組織とを識別することに特有である。実際、異なるb値で得られた拡散強調画像は、他の検査、特に不均一な腫瘍(膠芽腫など)の場合には、優れたセグメンテーションを保証するのに十分ではない。この問題については多くの文献があり、いくつかのセグメンテーションアルゴリズムが開発されているが、いずれも重大な限界がある。不均一な腫瘍(腫瘍の80%)の場合、腫瘍の異なる程度に関連する多くのダイナミクスが存在し、したがって拡散強調画像を使用するだけではこれらの構成要素をすべて分離することが困難であることが問題である。代わりに、VM検出器の場合、我々は、2つの異なるダイナミクス、すなわち脳室内の自由な水のダイナミクスと胎児の脳質内の阻害され制限された水のダイナミクスだけを本質的に扱っている(成人の脳の水のダイナミクスは胎児のそれとは異なることを思い出す価値がある)。これらの2つのダイナミクスは、驚くべきことに、文献ではそのような性質を示さなかった上記のb値を持つ本発明の方法により解決された。
上記の取得物は従来のDICOMのワールドフォーマットであり、FSLと呼ばれる特定のプログラムで開かれ、管理される。本発明者らは、このソフトウエアを使用して、結果及び取得データの制御と並行検証とを行った。これらの画像は、上記のload_untouch_nii関数によって、192×192×30×1の寸法の4D行列に変換された。ここで、1はb値の数である。30は胎児の頭部の軸方向断面の数であり、その数は胎児の頭部に沿って(例えばz軸に沿って)1から30にわたる。一方、192×192は各2D断面(例えばx-y平面内)の寸法である。
スライスの各画素の物理的な寸法は1.97×1.97mmであり、各ボクセルの高さは4mmであり、各スライスは、撮影中に胎児全体を覆うために、4mmごとに撮影される(我々は、取得プロトコルにおいて設定されたパラメータからこれらの値を知っている。取得プロトコルでは、平面上の解像度がボクセルの底辺を定義する(これは、視野、FOVを取得マトリクスで除した値で与えられる)一方、ボクセルの高さは、各取得スライスの厚さで与えられる)。
脳室の容積と直径の外挿は、画像自体で胎児の脳を注意深くセグメンテーションした後に行うのが効果的である。この目的で、生じ得るモーションアーチファクトを除去するために、本発明者らは、画像中のノイズ及びモーションアーチファクトの除去に特化したFSLソフトウェアの機能であるFSL flirtを使用してDWI画像を再整列させた。
ROIの定義
ブロック112-126におけるROIの定義に関して、予備的かつ任意に本発明に従って、データセットは、脳脊髄液(CSF)及び第3脳室を含まないように注意しながら、各スライスについて脳室周辺のポリゴン内に制限された。結果として得られたポリゴン領域は、セグメンテーションの関心領域(ROI)である。これは、roipolyによって行われ、これにより、ユーザは、手動で画像内にポリゴンを描くことができ、ポリゴンを選択することができた(図5)。セグメンテーションの精度を最大化するために、k平均法に渡される画素が他の脳領域も含むように、roipolyで選択された領域は、脳室の周囲に近付けられることが好ましい(図6に示す差分も参照)。
本発明は、自動輪郭抽出のアルゴリズムが使用される場合においても、その目的を達成することができる。
このポリゴンの画素は、k平均法に渡されてグループ化され、各画素の強度に基づいてセグメンテーションされ、以下に説明するように、図5に示すような典型的な結果が得られた。
容積のセグメンテーション
ブロック127のセグメンテーションに関して、脳室のセグメンテーションは、本質的にはk平均法と呼ばれる機械学習に基づくアルゴリズムである既存のアルゴリズムを使用して自動的に行われた。このアルゴリズムは、k個の異なるクラスタに分割された要素グループに対して行われるクラスタ化操作で構成され、これらの要素は、同じクラスタの他の要素とはいくつかの性質について類似し、異なるクラスタの他の要素とは異なる。
例えば、接続性に基づくクラスタ化(階層的クラスタ化)、分布に基づくクラスタ化、密度に基づくクラスタ化、グリッドに基づくクラスタ化という一般的なグループ化に一般的に含まれる特定の方法などの任意の他の適切なアルゴリズムは、本発明において使用可能であると理解される。本発明はそのようなクラスタ化技術に関する発明ではないので、クラスタ化技術の他の将来的な発展が本発明に適することがあるだろう。
DWI行列の場合、各要素は、各画素の強度に関して異なるため、上記のb値を用いてアルゴリズムを実施した場合、それらが属する胎児の脳領域の生物学的性質に合致した方法で、それらを識別できることが見出された。その結果、脳室の画素は、同じクラスタの中に配置される。当該クラスタは、周囲の領域クラスタとは異なる。その結果、セグメンテーションは驚くほど高度に正確になり、セグメンテーションの精度を強調するために、極端なケース(わずか数画素の厚みの非常に小さな脳室)が示された図7に見られるように、脳室の画素を他の画素から分離する際の誤差は最小限に抑えられる。
k平均法が可能な限りうまく機能するように、様々なクラスタ数が試行された。図5と同一の脳室のk=3(初期候補)を有するセグメンテーションが示されている図8に見られるように、最良の候補はk=4である。
この結果は、k平均法と呼ばれる特定のクラスタ化アルゴリズムに特有の結果である。他のクラスタ化アルゴリズムは、ROIの選択方法の関数として調整するための他の1又は複数のパラメータを有する。実際、ROIは、図10に示すように、脳室の非常に正確な輪郭抽出によって選択可能であり、この場合、特定のアルゴリズムk平均法を用いる実験は、本発明がk=1からすでに良好に機能し、本発明の方法の結果がk=2以上の値で顕著であることを示している。
しかし、特定のセグメンテーションアルゴリズムに関係なく、すでに述べたように、X線撮影における現実的な課題の1つは、正確な輪郭抽出を行うための時間を確保すべきことである。ほとんどの場合、そのような正確な輪郭抽出を行う時間は医師に与えられない。したがって、本発明によって解決される独立であるが付加的な、相乗効果のある課題は、高速のセグメンテーション、したがって高速の容積計算を可能にすることである。これは、本発明によって、脳室とは異なる脳領域の部分を含むようにDWI画像を切り出すことと、十分に良好なセグメンテーションを達成するようにセグメンテーションアルゴリズムのパラメータを適合させることと、によってROI選択を実行可能にすることによって、実現される。
k平均法の場合、図6の左上の画像又は図11の画像のような輪郭抽出は、(k=3について得られる)図12で明らかなように、k=3からのkの値について十分に有効であることが証明されている。脳室の輪郭は、セグメンテーションから非常によく強調され、同じROIの一部である周囲の画素から分けられている。図13(a)、(b)、及び(c)では、それぞれk=4,5,6について、図10と同じROIでの結果が示されている。k=4の場合、脳室は他の画素からよく区別されている。また、一見すると脳室の画素と強度が似ているように見えるが実際にはそうでない一連の画素からも区別されていることがわかる。この効果は、モーションアーチファクトによって、又は脳室の画素の強度が近傍の画素の強度をも汚染することを原因として、生じる可能性がある。k=5の場合、クラスタ化は脳室の輪郭を非常によく強調し、その余の画素から区別する。k=6の場合、常により多くの脳室の画素が失われ、主なクラスタから分かれて他のマイナーなクラスタに割り当てられるため、k平均法セグメンテーションは少し混乱することになる(それでも許容できるが)。
結論として、k平均法と上記の大雑把な輪郭抽出とを用いる実験によると、kの許容範囲は3~5で、最適値は4である。
他のセグメンテーションアルゴリズムを用いて、それぞれのクラスタ化パラメータを調整しつつ同様の実験が行われた。
容積計算
ブロック127の容積計算では、脳室のセグメンテーションの後、注目画素を他の画素から分離可能である。各スライスの脳室の画素数の和は、検査中の脳室の画素の総数を正確に与える。この数から始めて、総画素数に各ボクセルの容積(1.97×1.97×4mm)を乗ずることによって、容積を抽出することができる。このようにして、あるスライスと他のスライスとの間のスペースが完全に覆われる。脳室のセグメンテーションの後は、どのような他の方法でも適切である。
解像度が低いため、部分容積効果が画像内に現れることがあり、容積の測定が多めに見積もられるおそれがある。典型的には、部分容積効果は、同じボクセル内に異なる種類の組織が存在する場合に現れる。これは、最初と最後のスライス内のボクセルに典型的な場合である。この問題を克服するために、最初と最後のスライス内のボクセルの容積を半分に切断することが決定された。測定に関連する誤差は、正確に、除去された容積の合計となる。このようにして、脳室の真のサイズが最良の推定値及びその誤差範囲内に収まることを確認できる。明らかに、スライスの厚さが小さく(例えば2mm以下)、マトリクスが大きい(例えば256×256以上)DWIを取得すると、より小さなボクセルが得られ、このことは本方法をより高感度かつ高精度にすることに寄与する。特に、脳室の推定容積の誤差はかなり減少するだろう。しかし、DWI画像の解像度を上げる(スライスを薄くし、面内の解像度を上げる)と、SNR(信号対雑音比)が低下する。我々は、1.5Tスキャナを使用してVM検出器を開発したが、現在、胎児MRI検査に使用される最大磁場強度は1.5Tである。しかし、ヨーロッパ中及び世界中で既に3Tスキャナが使用されている。SNRは磁場の強度に比例するため、3Tスキャナによって、より優れたSNRを得ることができる。したがって、より高い磁場で得られたDWI取得物と共にVM検出器を使用することで、脳室の容積の違いをより高感度で特異的に定量化できる可能性がある。
図9には、本発明の手順で行われた3次元脳室再構成の2つの例が示されている。容易にわかるように、結果として得られた脳室の形状は、解剖学的な脳室の形状に非常に忠実であり、この手順が脳室の真の容積を再構成していることが確認できる。
脳室の直径の計算
図1Aにはプロセスのブロックとして示されていないが、随意的な直径の計算に関して、直径の測定値を抽出するために、getptsと呼ばれるMATLAB関数が使用された。この関数は、ユーザが画像内の特定の点を選択することを可能にし、対応する座標を返す。このようにして、k平均法によって事前にセグメンテーションされた画像にこの関数を使用して、画像の非常に正確なセグメンテーションの最大のスライス上の側脳室の直径の極端な点を選択することが可能になる。問題の点を選択した後、直径は、それらの点間の(画素単位で測定される)デカルト距離に各画素の直線寸法(1.97mm)を乗算することで、簡単に計算することができる。測定に伴う誤差は、正確に。画素の直線寸法(1.97mm)である。この場合も、本発明の手順は、本発明の手順によって提供されるセグメンテーションの極めて高い精度に起因して、生のDWIに対して同じ方法で実行される直径の計算から得られる結果よりも良好な結果を提供する。
実験
本発明者らは、健康な被験者及びVMを有する被験者のコーホートにおいて、結果を脳室の容積及び直径の両方と比較することにより、本発明のVM検出方法をテストした。結果-直径の相関係数は統計的に有意でない(p=0.05)のに対し、結果-容積の相関は以下の表に報告されるように高い統計的有意性(p=0.0099)を示した。
表1-相関関係表
Figure 2023552547000002
表2-P値表
Figure 2023552547000003
さらに、直径の場合とは異なり、側脳室の容積は在胎期間と相関する。これは驚くべき利点である。なぜなら、利用可能な大規模な統計が与えられると、早期診断を行うことができ、出生前診断という特殊なケースにおいて、専門医が胎児の脳の発達を定期的かつ目標を持って観察することが可能になるからである。さらに、開発されたプロトタイプは、ユーザが容積測定と直径測定(測定は同じ方法で行われる、すなわち、ユーザがサイズを知りたいセグメントの極端な部分を手動で選択する)を比較できるようにし、VMに関する現在のガイドラインに関する情報を維持し、同時に、より信頼性の高い新しい容積ベースの方法を使用可能にする。
したがって、本発明によれば、以下のステップを含むNMR診断方法が提供される:
- 上記の説明によるNMRシステムを提供するステップ;
- 胎児の在胎期間を取得するステップ;
- NMRシステムによって、胎児に対して上記方法のステップA~Dを実行するステップ;及び
- 任意的に、(コンピュータによって自動的に)脳室容積及び在胎期間に基づいて脳室拡大状態を診断するステップ。
本方法の診断ステップは、容積計算ステップによって計算された容積と、在胎期間の関数としての健康な胎児の脳室容積の基準曲線との間の差に基づいて行われ得る。
在胎期間に関して、本発明は、出生前の診察時に臨床的に健康であることが示された患者19人、及び臨床的に不健康であることが示された患者13人の合計統計量32人の患者を対象として試験された。医学的診断は、側脳室房の脳室直径の基準値を提供する現在の診断プロトコルに従って、特定のGA(在胎期間)、又は妊娠週数に対して行われた。健康的な事例と不健康的な事例の両方において、在胎期間と脳室の容積との間の相関関係の仮説が評価された。
相関試験は、スピアマンの方法で実行された。
Figure 2023552547000004
Dは、2つの列のランク間の距離であり、Nは、データセットの要素数である。この方法は、この関係の線形性についていかなる仮定もすることなく、2つの値の間の相関の程度を計算し、2つの量の間の単調な関係についての相関の程度を測定する。
各患者について、2つのうち大きい方の脳室の値が報告される。健康な患者の容積は、以下に示すように、GAと正の相関を示した:
Figure 2023552547000005

Figure 2023552547000006
現在の文献に従って、本発明に係る方法で測定された患者の直径の値は、GAと相関がない(<0.4)。病気の患者の容積は、GAと相関を示さない(<0.4):この結果は、疾患が患者によって異なる重症度の形で現れるという事実の帰結であり、時間との相関の仮説を無意味にしている。この疾患は、正常な状態ではGAと正の相関がある自然な脳室成長の挙動を変化させる。
患者のデータセットは、本発明に係る方法で計算された容積と、現在有効な方法で医師によって計算された直径の値と、この分析において結果と呼ばれる、子の人生の最初の数年間における病態の実際の進展と、に基づく。結果は、5つの異なる重症度クラスと、脳浮腫の重症度と、出生後に報告された実際の症状とに分けられた:
1.VMは治癒した;
2.VMは確認されたが、子の精神運動の発達は正常;
3.VMが確認され、子の精神運動の発達に軽度の障害がある;
4.VMが確認され、子の精神運動の発達に重度の障害があり、てんかん発作の可能性がある;及び
5.VMが確認され、子の精神運動の発達に重大な障害があり、(様々な原因により)死亡の可能性がある。
Figure 2023552547000007
Figure 2023552547000008
NMR評価方法
本発明の一態様によれば、NMR評価方法は、以下のステップを備える:
- NMR画像取得デバイス、及びそれに接続されたコンピュータを含むNMRシステムを提供するステップ。ここで、コンピュータは、コンピュータ上で実行されたとき、上記発明の方法による方法のステップを実行するように構成されたコード手段を含む;
- 胎児の在胎期間を取得するステップ;
- コンピュータによって、本発明の方法のステップを実行するステップ。ここで、脳室の周囲のDWI画像のそれぞれにおいてROIを選択するステップが、コンピュータのメモリから取り出されたDWI画像に対して予備的に実行される;及び
- 前のステップで計算された容積と、在胎期間の関数としての健康な胎児の脳室容積の参照曲線との差を評価するステップ。
本発明の利点
本発明によって提供される多くの利点があり、これらは、前節で述べたように、診断の効率、精度、スピード、強化、及びプログラムの使い易さの観点で要約可能である。特に、脳室の直径の解析と比較して、容積解析が結果とより良く一致することは、VM検出器を、出生前診断及び出生後治療の両方のための非常に強力なツールにする。
これは、診断において専門医と置換しようとする試みと理解されるべきではなく、VM検出器の使用、したがって、より一般的なVMの診断が可能な限り主観的でなくなるように、測定に関する人的な評価の誤りを可能な限り最小化するためのツールとして理解されるべきである。
本発明の方法によって実現された、在胎期間に応じた健康な胎児の脳室容積のデータベースにより、前述の手順で評価されたデータは、容積値のセットと早急に比較される。したがって、患者及び医師は、以下の情報を出力することができる:
- 推定された単一の容積が、その在胎期間における健康な人の平均とどの程度異なるかを、σ(したがって、σ、2σ、3σ、又はそれ以上)で表した値;及び
- (容積の計算に基づく)新しい診断を、従来使用されている診断と比較するための脳室の直径の値。
参考文献
[1] Cardoza J.D., Goldstein RB. et al. Exclusion of fetal ventriculomegaly with a single measurement: the width of the lateral ventricular atrium. Radiology. 1988; 169: 711-714.
[2] Achiron R., Schimmel M. et al. Fetal mild idiopathic lateral ventriculomegaly: is there a correlation with fetal trisomy? Ultrasound in Obstetrics & Gynecology. 1993; 3: 89-92.
[3] Studholme C. Mapping Fetal Brain Development in utero Using MRI: The Big Bang of Brain Mapping. Annual Review of Biomedical Engineering. 2011; 13: 345- 368.
[4] Orit A. Gleen, MR imaging in fetal brain, Pediater radiol,. 2010 Jan; 40(1): 68- 81.
[5] Pediaditis M., Leitgeb N. et al. RF-EMF exposure of fetus and mother during magnetic resonance imaging. Physics in Medicine & Biology. 2008; 53: 7187-7195.
[6] Budinger T.F. Nuclear magnetic resonance (NMR) in vivo studies: known thresholds for health effects. Journal of Computed Assist Tomography. 1981; 5: 800-811.
[7] G.S. Chi Ila et al, Diffusion weighted magnetic resonance imaging and its recent trend- a survey, Quant Imaging Medic Surg. 2015 Jun; 5(3): 407-422.
[8] Atam P. Dhawan, H. K. Huang, Dae-Shik Kim. Principles and Advanced Methods in Medical Imaging and Image Analysis, 2008
[9] Congenital Hydrocephalus, Adre J. du Plessis et al, Volpe's Neurology of the Newborn (Sixth Edition), 2018
[10] First-Trimester Detection of Fetal Anomalies, Raffaele Napolitano, Aris T Papageorghiou, Twining's Textbook of Fetal Abnormalities (Third Edition), 2015
[11] Mascalchi M, Filippi M, Floris R, Fonda C, Gasparotti R, Villari R. Diffusion- eighted MR of the brain: methodology and clinical application. Radiol Med 2005 Mar;109(3):155-97.
[12] Malcolm I. Levene, Frank A. Chervenak. Fetal and Neonatal Neurology and Neurosurgery (Fourth edition). 2009
[13] JESSICA DUBOIS: "MRI of the Neonatal Brain: A Review of Methodological Challenges and Neuroscientific Advances", 18 February 2020 (2020-02-18), XP009528962
[14] MAKROPOULOS ANTONIOS ET AL: "A review on automatic fetal and neonatal brain MRI segmentation", NEUROIMAGE, ELSEVIER, AMSTERDAM, NL, vol. 170, 28 June 2017 (2017-06-28), pages 231-248, XP085367734, ISSN: 1053-8119, DOI: 10.1016/J. NEUROIMAGE.
以上において、好ましい実施形態が説明され、本発明の変形例が提案されたが、当業者であれば、添付の特許請求の範囲によって規定されるような相対的な保護範囲から逸脱することなく、修正及び変更を行うことができることが理解される。

Claims (14)

  1. DWIと呼ばれる拡散強調磁気共鳴画像から、胎児の脳室容積を判定するためのコンピュータ実装方法であって、
    A.200~1000s/mmの範囲内で選択された単一のb値によって行われる(111)、胎児の脳室の、予め設定されたボクセルの高さを有するDWI画像を取得するステップ(112)と、
    B.前記脳室の周囲の前記DWI画像のそれぞれにおいてROIを選択するステップ(122,123,124,125)と、
    C.前記ROIの画素を自動的にクラスタ化して(127)、クラスタ化されたDWI画像を取得するステップと、
    D.前記DWI画像及び前記予め設定されたボクセルの高さのそれぞれについて、前記ROI内の画素の数に基づいて、前記脳室容積を計算するステップ(130)と、
    を実行することを含む、方法。
  2. 前記単一のb値は、600~800s/mmである、請求項1に記載の方法。
  3. ステップCは、専門のアルゴリズムによって実行される、請求項1又は2に記載の方法。
  4. ステップBは、前記脳室と異なる脳領域の部分を含むように前記DWI画像を切り出すことによって実行される、請求項1~3のいずれかに記載の方法。
  5. 前記DWI画像の前記脳領域の部分は、同様の予め設定された強度スケールに関して、前記脳室内の画素の強度と同等の画素の強度を有する、請求項4に記載の方法。
  6. ステップDは、各DWI画像の脳室の画素数を合計し、前記合計に前記ボクセルの容積を乗じることによって実行される、請求項1~5のいずれかに記載の方法。
  7. ステップAにおいて、前記DWI画像はノイズ除去され、モーションアーチファクトを除去するために再整列される、請求項1~6のいずれかに記載の方法。
  8. 更なるステップEが実行され、ステップEでは、前記クラスタ化されたDWI画像上で前記脳室の直径が測定される、請求項1~6のいずれかに記載の方法。
  9. ステップCのクラスタ化は、k平均法によって実行される、請求項1~8のいずれかに記載の方法。
  10. kの値は、3~5の範囲の中から選択される、請求項4及び9に記載の方法。
  11. k=4である、請求項10に記載の方法。
  12. コンピュータ上で実行される場合、請求項1~11のいずれかに記載の方法のステップを実行するように構成されたコード手段を含む、コンピュータプログラム。
  13. NMR画像取得デバイスと、それに接続されたコンピュータとを含むNMRシステムであって、前記コンピュータは、請求項12によるコンピュータである、NMRシステム。
  14. 胎児の在胎期間を取得するステップと、
    コンピュータによって、前記胎児に請求項1~11のいずれかに記載の方法のステップB~Dを実行するステップと、
    前のステップで計算された容積と、在胎期間の関数としての健康な胎児の脳室容積の参照曲線との差を評価するステップと、を含み、
    ステップBの前に、前記胎児の表現を含むDWI画像がコンピュータメモリから取り出される、
    NMR評価方法。
JP2023534004A 2020-12-04 2021-11-29 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法 Pending JP2023552547A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IT102020000029936A IT202000029936A1 (it) 2020-12-04 2020-12-04 Metodo implementato via computer per determinare il volume ventricolare del feto dalla risonanza magnetica pesata in diffusione, nonché relativo metodo per la diagnosi di ventricolomegalia
IT102020000029936 2020-12-04
PCT/EP2021/083318 WO2022117491A1 (en) 2020-12-04 2021-11-29 Computer-implemented method and system for determining the fetus ventricular volume from diffusion-weighted magnetic resonance imaging, and related nmr ventricle volume assessment method

Publications (1)

Publication Number Publication Date
JP2023552547A true JP2023552547A (ja) 2023-12-18

Family

ID=74592626

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023534004A Pending JP2023552547A (ja) 2020-12-04 2021-11-29 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法

Country Status (6)

Country Link
US (1) US20240013379A1 (ja)
EP (1) EP4256521A1 (ja)
JP (1) JP2023552547A (ja)
CN (1) CN116615751A (ja)
IT (1) IT202000029936A1 (ja)
WO (1) WO2022117491A1 (ja)

Also Published As

Publication number Publication date
IT202000029936A1 (it) 2022-06-04
WO2022117491A1 (en) 2022-06-09
EP4256521A1 (en) 2023-10-11
US20240013379A1 (en) 2024-01-11
CN116615751A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
JP5699936B2 (ja) 医用画像処理装置の作動方法、装置およびプログラム
JP4025823B2 (ja) 脳疾患の診断支援方法及び装置
JP5601378B2 (ja) 医用画像処理装置
TWI542328B (zh) 偵測與量化腦梗塞區域的方法
EP2117428B1 (en) Identification and analysis of lesions in medical imaging
JP6036009B2 (ja) 医用画像処理装置、およびプログラム
US11055565B2 (en) Systems and methods for the identification of perivascular spaces in magnetic resonance imaging (MRI)
WO2012174495A2 (en) Physics based image processing and evaluation process of perfusion images from radiology imaging
EP2147395A1 (en) Method and apparatus for computer-aided diagnosis of cancer and product
US20090326360A1 (en) Method for estimating the growth potential of cerebral infarcts
WO2013086026A1 (en) System and method of automatically detecting tissue abnormalities
US20110230756A1 (en) Fluid flow assessment
JP2008237747A (ja) 関心領域決定装置
CN110236544B (zh) 基于相关系数的中风灌注成像病变区域检测系统及方法
KR102225775B1 (ko) 의료 영상으로부터 뇌혈관 나이를 추정하는 방법 및 시스템
JP4721693B2 (ja) 頭蓋内容積および局所脳構造物解析プログラム、記録媒体および頭蓋内容積および局所脳構造物解析方法
JP2023552547A (ja) 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法
KR102363221B1 (ko) 뇌 영상을 이용한 특발 정상압 수두증의 진단 방법 및 시스템
KR102349360B1 (ko) 영상 진단기기를 이용한 특발성 정상압 수두증의 진단 방법 및 시스템
CN110785787B (zh) 用于医学成像的系统和方法
RU2815435C2 (ru) Способ оконтуривания аномальных зон на результатах перкуссионного томографического сканирования
EP4134907A1 (en) Heterogeneity analysis in 3d x-ray dark-field imaging
Glaßer et al. Visual analysis of longitudinal brain tumor perfusion
WO2023194302A1 (en) Method and apparatus for characterization of breast tissue using multiparametric mri
Molinari et al. Automatic segmentation algorithm and Texture Analysis for tumor tissues on Mammary Magnetic Resonance Imaging (MMRI)