JP2024503595A - セグメント形状決定 - Google Patents
セグメント形状決定 Download PDFInfo
- Publication number
- JP2024503595A JP2024503595A JP2023539953A JP2023539953A JP2024503595A JP 2024503595 A JP2024503595 A JP 2024503595A JP 2023539953 A JP2023539953 A JP 2023539953A JP 2023539953 A JP2023539953 A JP 2023539953A JP 2024503595 A JP2024503595 A JP 2024503595A
- Authority
- JP
- Japan
- Prior art keywords
- radiographic
- values
- blood vessel
- region
- segment shape
- 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
- 238000000034 method Methods 0.000 claims abstract description 165
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 107
- 238000003384 imaging method Methods 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 4
- 230000002792 vascular Effects 0.000 description 29
- 230000011218 segmentation Effects 0.000 description 20
- 210000001519 tissue Anatomy 0.000 description 13
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 12
- 238000002591 computed tomography Methods 0.000 description 12
- 238000009877 rendering Methods 0.000 description 12
- 238000002347 injection Methods 0.000 description 11
- 239000007924 injection Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000013170 computed tomography imaging Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 210000003484 anatomy Anatomy 0.000 description 3
- 210000002376 aorta thoracic Anatomy 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 210000004004 carotid artery internal Anatomy 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 210000002385 vertebral artery Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
方法は放射線撮像値と比較される閾値の対を推定することを含み、領域の一部が血管の存在を示す放射線撮像値を有するか否かに基づいて、対象の放射線画像化データから導出される領域を分類する。方法は、領域の断面内で、閾値の対に従って分類される放射線撮像値のセットに基づいて血管の境界を識別することをさらに有する。方法は、血管の識別される境界を、領域に隣接するさらなる領域の断面において識別される血管の別の境界と接続する、血管のセグメント形状を決定することをさらに有する。
Description
本発明は、例えばコンピュータトモグラフィ(CT)撮像データからセグメント形状を決定するための方法、非一時的な機械可読媒体及び装置に関する。
対象の身体は例えば、診断、医学的介入などの様々な目的のためにCT撮像装置を使用して撮像され得る。一組のCT撮像スライスなどの撮像データから得られる3次元(ボリューム)再構成画像及び/又は関連するマルチプレーナリフォーマット(MPR)画像は、対象の身体内の様々な解剖学的構造を示し得る。
再構成画像における標的組織のセグメント化は、病変の識別及び/又は測定などの臨床状況の分析において、臨床医などのユーザを支援するために使用され得る。セグメント化は周囲の組織に対して標的組織を強調表示、ラベリング、識別、又は別様に抽出することを指し得、これはユーザが標的組織を可視化することをより容易にし得る。セグメンテーションを可視化するための例示的な関数は、標的組織を抽出するために使用されるシミュレートされる「色素注入」関数であってもよい。
しかしながら、処理される画像中の標的組織を強調するための「染料注入」関数は、血管のセクションが特定の画像上では小さくてもよく、又は十分に明るくなくてもよいので、血管抽出のために使用することが困難であり得る。ユーザは例えば、血管を強調するときに、画像内の骨などの近くの構造の近傍に起因してシミュレートされる色素の漏出が発生する場合、そのような状況に対処するために時間を費やさなければならない場合がある。
代わりに、ユーザは模擬染料漏出に対処することを回避するために、血管を手動で抽出してもよい。ユーザが費やす時間及び血管抽出の精度は、ユーザの経験に依存し得る。
本明細書で説明する態様又は実施形態は、放射線撮像データから導出される再構成画像において自動的に実行され得る血管セグメント化に関することができる。本明細書で説明する態様又は実施形態は、血管セグメント化及び/又は模擬色素射出機能に関連する1つ又は複数の問題を回避することができる。
第1の態様では、方法が説明される。本方法は領域の一部が血管の存在を示す放射線撮像値を含むか否かに基づいて、被検体の放射線撮像データから導出される領域を分類するために、放射線撮像値と比較される閾値の対を推定することを含む。本方法は、領域の断面内で、閾値の対に従って分類される放射線撮像値のセットに基づいて血管の境界を識別することをさらに含む。本方法は、血管の識別される境界を、異なる領域、特に領域に隣接するさらなる領域の断面で識別される血管の別の境界と接続する血管のセグメント形状を決定することをさらに含む。さらなる領域は、領域増大によって領域に基づいて見出される領域であり得る。代替的に又は追加的に、さらなる領域は、さらなるシード点を囲む領域であり得る。
第1の態様及び他の態様に関するいくつかの実施形態を以下に説明する。
いくつかの実施形態では、方法がセグメント形状のシミュレーションを生成することを含む。方法は、シミュレーションをユーザインターフェース上に表示させることをさらに含むことができる。例えば、被検体のシミュレーション又は仮想現実画像を、セグメント形状のシミュレーションを含むように更新することができる。
いくつかの実施形態では、方法が決定されるセグメント形状を被検体のシミュレーションのオーバーレイとして表示することと、ユーザ入力に応答して、決定されるセグメント形状に基づいて被検体のシミュレーションを更新することとを含む。例えば、決定されるセグメント形状は、被検体のシミュレーションのビュー平面上に投影される。決定されるセグメント形状の投影は、決定されるセグメント形状のシミュレーションを生成するよりも複雑ではない。このようにして、セグメント化結果についてのフィードバックは、より少ない計算労力でユーザに提示することができる。例えば、ユーザが例えば、マウスボタンを放すことによって、セグメント化の停止を示すとき、1つ以上の決定されるセグメント形状のシミュレーションを生成することができる。一実施形態では、対象のシミュレーションが対象及び1つ又は複数のセグメント形状を再レンダリングすることによって更新することができる。別の実施形態では例えば、1つ又は複数のセグメント形状が位置する対象の一部分のみが、1つ又は複数のセグメント形状が位置するとともに再レンダリングされる。
いくつかの実施形態では、方法が決定されるセグメント形状に接続される血管の追加のセグメント形状を決定することと、ユーザ入力に応答して、セグメント形状及び追加のセグメント形状のシミュレーションをユーザインターフェース上に表示させることとを含む。
いくつかの実施形態では、領域がシード点を中心とする。領域のサイズは、領域内の血管の存在及び存在の欠如の両方を示す放射線撮像値を含む領域に基づき得る。閾値の対によって定義される範囲は、シード点における放射線撮像値を含むことができる。
いくつかの実施形態では、閾値の対を推定することは放射線撮像値のセットを分類する前に、ユーザインターフェース上に表示するために選択される放射線撮像値の範囲に基づいて放射線撮像値を正規化することを含む。
いくつかの実施形態では閾値の対に従って放射線撮像値のセットを分類する際に、方法は正規化される放射線撮像値を非正規化することを含む。
いくつかの実施形態では、方法が放射線撮像値のセット内の少なくとも1つのクラスタを識別することに基づいて、放射線撮像値のセットを少なくとも1つのクラスに分類することを含む。方法は、血管に関連付けられたシード点の放射線撮像値の周囲の放射線撮像値の分類されるセットの再編成されるセットに基づいて、閾値の対を選択することをさらに含むことができる。少なくとも1つのクラスは、シード点の放射線撮影値を含む放射線撮像値の範囲を含むことができる。
いくつかの実施形態では、分類がk平均クラスタリングプロシージャに基づく。
いくつかの実施形態では、閾値の対が血管に関連する放射線撮像値と、血管を取り囲む特徴に関連する放射線撮像値との間のコントラストに従って設定される。
いくつかの実施形態では、血管の境界を識別することは領域の断面内の放射線撮像値のセットによって定義される構造が血管の境界を示す血管モデルに対応するかを決定することを含む。
いくつかの実施形態では、血管モデルが楕円形プロファイルを有する境界に基づく。
いくつかの実施形態では、方法が放射線撮像データから導出される別の領域の断面内で、他の領域の断面内の放射線撮像値のセットによって定義される構造が血管モデルに対応するかを決定することによって、血管の他の境界を識別することを含む。
いくつかの実施形態では、本方法が領域内及び他の領域内で識別される血管の境界を接続する血管の表面プロファイルを推定することによって、血管のセグメント形状を決定することを含む。
第2の態様では、非一時的な機械可読媒体が説明される。非一時的な機械可読媒体は少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサに、第1の態様又は関連する実施形態の何れかによる方法を実装させる命令を備える。
第3の態様では、装置が説明される。この装置は、放射線撮像装置によって撮像される血管をセグメント化するためのものである。この装置は、放射線撮像装置によって取得される被検体の放射線撮像データを受信するためのインターフェースに通信可能に結合される少なくとも1つのプロセッサを備える。装置は第1の態様又は関連する実施形態の何れかによる方法を実行するために、少なくとも1つのプロセッサによって読み取り可能かつ実行可能な命令を記憶する非一時的な機械可読媒体をさらに備える。
本発明のこれら及び他の態様は以下に記載される実施形態から明らかであり、それらを参照して説明される。
次に、本発明の例示的な実施形態を、単なる例として、以下の図面を参照して説明する。
図1は血管のセグメント形状を決定する方法100(例えば、コンピュータ実施方法)を示す。血管のセグメント形状を決定することは、放射線撮像データから導出される再構成画像における模擬「染料注入」機能を果たすために使用され得る。方法100はユーザインターフェース、又はサーバもしくはクラウドベースのサービス(たとえば、ユーザコンピュータ及び/又はユーザインターフェースに通信可能に結合される)に通信可能に結合されるユーザコンピュータなどのコンピュータによって実装され得る。
方法100は、ブロック102において、領域の一部が血管の存在を示す放射線撮像値を含むか否かに基づいて、対象の放射線撮像データから導出される領域を分類するための閾値の対を推定することを含む。
放射線撮像データは対象の解剖学的構造を示す放射線撮像値(例えば、CT撮像値、又は磁気共鳴撮像(MRI)値などの他の医用撮像値)のセットを含むことができる。例えば、特定の領域は組織、骨等のような特定の解剖学的構造を有することができ、これは、構造の物理的特性(例えば、X線吸収特性等)に従って、特定の放射線撮像値をもたらす。閾値の対は、放射線撮像データから導出される放射線撮像値の範囲から選択されてもよい。例えば、閾値の対は下側閾値及び上側閾値を含むことができ、下側閾値と上側閾値との間の放射線撮像値の範囲は、血管構造に関連する放射線撮像値に対応することができる。
したがって、放射線撮像データ内の任意の領域内で、領域内の放射線撮像値は、血管の存在を示し得る構造に対応する特性を有し得る。例えば、血管はリング形状(又はボア状、又はほぼ円形)の断面(楕円形が円形を含む楕円形のプロファイルを有することができる)を有することができ、その結果、放射線撮像値の対応する楕円形又は円形パターンが領域内で観察される場合、方法100は、領域のどの部分が血管状構造を含むかをさらに識別することができる。
本明細書でより詳細に論じられるように、閾値の対は、放射線撮像データの他の領域における類似の構造が血管様構造を含むものとして分類される一方で、骨又は他の非血管様構造を含む他の領域が血管様構造を含むものとして分類されることを防止するように選択され得る。
方法100は、ブロック104において、閾値の対に従って分類される放射線撮像値のセットに基づいて、領域の断面内で血管の境界を識別することをさらに含む。
閾値の対を使用して、断面内の(例えば、MPR画像の一部としての)どの放射線撮像値が血管の境界(例えば、壁)に関連付けられているかを分類することができる。例えば、シード点に対応する(例えば、血管構造に対応する可能性が高いとしてユーザによって選択される)画像データ内の別の放射線撮像値の周囲にクラスタリングする任意の放射線撮像値は、互いに類似の値を有し得、したがって、同じクラスに属するものとして分類され得る。画像中の血管構造(すなわち、血管の内側部分及び血管の境界/壁を含む)は、少なくとも1つのクラス内の放射線撮像値のクラスタとして表され得る。クラスタ内の放射線撮像値は互いに類似していてもよい(すなわち、シード点に対応する放射線撮像値に比較的近い)。したがって、少なくとも1つのクラスタに対応する少なくとも1つのクラスが識別されると、少なくとも1つのクラス内の放射線撮影値は、少なくとも1つのクラスがシード点を備える血管構造を指すことができる。分類される放射線撮像値のセットは、断面内の楕円形又は円形を表すことができる。したがって、分類される放射線撮影値のセットに対応する断面の部分は、血管の境界の指標に対応し得る。
方法100は、ブロック106において、血管の識別される境界を血管の別の識別される境界、例えば隣接領域において識別される境界と接続する血管のセグメント形状を決定することをさらに含む。
境界はブロック104において参照されるように、複数の領域の各々の断面において決定され得るので、方法100はセグメント形状を形成するために、隣接する識別される境界間の接続を決定し得る。したがって、血管の複数の領域から識別される境界を接続することによって、方法100は血管の形状を取得することができる(例えば、各識別される境界が次の識別される境界に接続されるとき、セグメントごとに)。
したがって、本明細書に記載される特定の方法(例えば、以下に記載される方法100及び他の方法)は血管を抽出する効率的及び/又は正確な方法を提供することができ、それは、再構成される放射線画像から血管情報を抽出するために関与する手動ユーザ入力のレベルを低減することができる。特定の放射線画像化プロシージャは色素注入機能を指し、ユーザは組織の特定の部分を選択し、「シミュレートされる」色素をその組織に注入させて、対象の他の組織に対してこの組織を強調することができる。前述のように、そのような処置は血管(例えば、血管)などの特定の構造にとって困難であり得る。方法100は、放射線撮像値の分類が方法100に従って計算するのに比較的簡単であり得るので、血管抽出のための比較的迅速な色素注入機能を提供し得る。さらに、被検体の仮想現実画像又はシミュレーションは、方法100による計算が比較的容易であるため、色素注入機能に関するリアルタイムフィードバックを含むことができる。言い換えれば、方法100は血管に対する正確なシミュレートされる「色素注入」結果を提供しながら、比較的計算が容易であり得、その結果、リアルタイムフィードバックをユーザに提供することができる。いくつかの実施形態では、リアルタイムフィードバックが仮想現実画像(又はシミュレーション)を更新すること、又は言い換えれば、任意のセグメント形状が形成される後に仮想現実画像を再レンダリングすることを含む。いくつかの他の実施形態では、リアルタイムフィードバックが任意のセグメント形状が形成される後に、決定されるセグメント形状を仮想現実画像のビュー平面上のオーバーレイとして投影することと、例えばユーザによって示されるように、セグメント化が終了したときに仮想現実画像を再レンダリングすることとを含む。このようにして、投影は再レンダリングよりも計算的に複雑でないので、計算能力をさらに節約することができる。
図2は本明細書に記載される特定の方法(例えば、方法100及び以下に記載される他の方法)を実施するための特定の構成要素を備えるシステム200を示す。システム200は放射線撮像装置(例えば、CTスキャナ)202と、治療台204と、治療台204によって支持される被検体206(例えば、患者)とを備える。放射線撮像装置202は、放射線撮像装置202から放射線撮像データを受信するように構成されるコンピュータ208に通信可能に結合される。コンピュータ208は本明細書で説明される特定の方法を実施するための命令を記憶するメモリ210(例えば、非一時的な機械可読媒体)と、命令を実行するための少なくとも1つのプロセッサ212とを備える。コンピュータ208は放射線撮像データから導出される特定の情報を提供するユーザインターフェース214(例えば、ディスプレイ)に通信可能に結合される。例えば、被検体の身体の3次元再構成画像及び/又はMPR画像が、ユーザインターフェース214上に表示されてもよい。加えて、本明細書に記載される特定の方法(例えば、方法100)からの出力は、ユーザインターフェース214上に表示され得る。
コンピュータ208及び/又はユーザインターフェース214は、ローカル又はリモートで実装され得る。例えば、コンピュータ208はローカルマシン(例えば、放射線撮像装置202の近傍又は別の位置にあるユーザコンピュータ)又はリモートマシンもしくはコンピューティングシステム(例えば、サーバ及び/又はクラウド)であってもよい。ユーザインターフェース214は局所的に(例えば、放射線撮像装置202の近傍、例えば、放射線撮像装置202が位置する病院内で)、又は遠隔地(例えば、分析が遠隔地の専門家の関与と協働して行われる場所)に実装されてもよい。ユーザインターフェース214は、血管を抽出するときに使用され得るMPRビューウィンドウを含み得る。
図3は血管のセグメント形状を決定する方法300(例えば、コンピュータ実施方法)を示す。方法300はユーザインターフェース、又はサーバもしくはクラウドベースのサービス(たとえば、ユーザコンピュータ及び/又はユーザインターフェースに通信可能に結合される)に通信可能に結合されるユーザコンピュータなどのコンピュータによって実装され得る。方法300は図1の方法100を含むことができるが、いくつかの実施形態によるセグメント形状決定のさらなる詳細は図3に関連して以下で論じられる。方法300のいくつかのブロックが図3によって示されるものとは異なる順序で実装されてもよく、又は完全に省略されてもよい。
方法300はブロック302で開始し、ブロック304に進み、(例えば、方法100のブロック102に従って)閾値の対が推定される。以下でより詳細に説明するように、閾値推定は(例えば、ユーザによって設定される)再構成画像内の関心位置に対応するシード点の周りの領域内の閾値を推定することを含むことができる。閾値の対の推定は、クラスタ分析に基づくことができる。
方法300はブロック306に進み、シード点の周りの領域(現在領域と呼ばれる)を増大させて、現在領域(現在領域の接続領域と呼ばれる)に接続され、閾値の対(接続領域内に血管構造が存在することを示し得る)の間に入る放射線撮像値を含む1つ又は複数の領域を見つける。これらの接続領域は現在領域に接続されているが、それらのうちの任意の2つは接続されていてもよいし、接続されていなくてもよい。例えば、血管が領域で分岐する場合、2つの接続領域は、異なる分岐に属してもよく、したがって、切断される。
接続領域を見つけると、方法300はブロック308に進み、ここで、接続領域内の放射線撮影値が例えば、楕円形又は円形(例えば、方法100のブロック104に対応し得る)を有するリング形状であるかに関する決定が行われる。いいえの場合、ブロック310において、領域は血管様構造を含まないものとしてマークされ、方法300はブロック306に戻される。はいの場合、ブロック312において、領域は、血管様構造を含むものとしてマークされ、方法300はブロック314に進み、ここで、接続領域間の血管のセグメント形状が再構成される画像(例えば、MPR画像)においてレンダリングされる。すなわち、血管のセグメントが抽出される。
いくつかの実施形態では、ブロック308において、接続領域が完全な又は部分的なリング形状であるかがさらに決定され、ブロック310において、接続領域が完全なリングの形状を有する場合にのみ、その領域が血管構造を含むものとしてマークされる。完全なリングの形状を有する接続領域は、独立した接続領域と呼ばれる。このようにして、セグメント化精度は、周囲組織への漏出の可能性を低減することによって、さらに改善され得る。
ユーザが、血管抽出がブロック316で継続すべきであることを示すと、方法300はブロック306に戻り、次の領域が見つけられ、評価される。例えば、ユーザは、マウスボタンを保持することを平均することによって、又は追加のシードポイント位置を選択することによって、血管抽出の継続を示すことができる。ブロック318において、方法300は、ユーザがレンダリングがブロック316において停止すべきである(すなわち、血管がユーザによって必要とされるレベルまで抽出される)ことを示した場合、最終レンダリング動作を実行する。方法300は、ブロック320で終了する。言い換えると、方法300は血管領域ごとにセグメント化し、模擬色素注入機能はユーザが例えば、マウスボタンクリックによって、追加のシードポイント位置をさらに示すか、又はセグメント化動作を実行するための時間の長さを示す限り(例えば、マウスボタンを保持することによってセグメント化の継続を示すこと、及びマウスボタンを解放することによって、又はセグメント化もはや必要でないときに多数の連続マウスクリックを介して停止を示すことを意味することによって)、継続する。
図4は、特定の実施形態に従って抽出される被検体の血管402の例示的な3次元再構成画像400、例えば仮想現実画像を示す。破線の拡大図は、解剖学的特徴の残りの部分から隔離される、抽出される血管402を示す。ユーザインターフェース214のビューイングウィンドウでは、抽出される血管402がユーザの好みに応じて、解剖学的特徴の静止と併せて、又は単独で強調表示され得る。
血管形状決定に関するさらなる実施形態を以下に説明する。
図5は(例えば、方法100の一部として)閾値の対を推定する方法500(例えば、コンピュータ実施方法)を示す。方法500はユーザインターフェース、又はサーバもしくはクラウドベースのサービス(たとえば、ユーザコンピュータ及び/又はユーザインターフェースに通信可能に結合される)に通信可能に結合されるユーザコンピュータなどのコンピュータによって実装され得る。方法500のいくつかのブロックは、図5によって示されるものとは異なる順序で実装されてもよく、又は完全に省略されてもよい。
方法500はブロック502で開始し、ブロック504に進み、ここで、(標的血管上に位置する)シード点が再構成される放射線撮影画像(例えば、MPR画像又は3次元再構成画像)においてすでにマークされているかに関する決定が行われる。そうでない場合、方法500はブロック506に進み、ここで、シード点がマークされ、シード点を中心とする立方体として表される探索領域が定義される。ブロック506では、立方体内の放射線撮像値がカウントされる(すなわち、方法500の残りの部分を実行するときに、立方体内の放射線撮像値が考慮される/考慮される)。「はい」の場合、シード点は既にマークされており、方法500はブロック508に進み、ここで、既にマークされるシード点の周りの領域が増大されて(例えば、方法300のブロック306と同様に)、閾値の対を計算するために、放射線撮像データ内の領域が取得される。ブロック508において、増大領域内の放射線撮像値がカウントされる(すなわち、増大領域内の放射線撮像値は、方法500の残りの部分を実行するときに考慮される/考慮される)。
放射線撮像値がCT撮像値を参照する例の場合、標的血管のCT撮像閾値(すなわち、閾値の対の間に定義されるCT値範囲)が決定される。シード点が血管として既にマークされている場合(例えば、ユーザが、既にセグメント化される血管に基づいて領域を増大させたい場合)、方法500はセグメント化される血管に沿って増大し、その血管のCT撮像値をカウントして、標的血管のCT閾値を決定する。シード点がマークされていない場合、方法500は、シード点を中心とする立方体のCT値をカウントする。標的血管のCT閾値は、領域内のCT撮像値に応じて自動的に選択されてもよい。
ブロック506又は508の何れかの後、方法500はブロック510に進み、ここで、放射線撮像値(例えば、CT画像値)が、ユーザインターフェース214上に表示されるべきものに基づいて、領域内で正規化される。例えば、注入色素シミュレーションが実行される前に、ユーザは、MPR画像のウィンドウ中心(WC)及びウィンドウレベル(WL)を調整して、標的血管が明るく透明になるようにすることができる。血管抽出の結果は、「あなたが見るものを得る」ルールに従うことが期待され得る。したがって、ブロック510によれば、閾値含有領域の放射線撮影値は、セグメント化が周囲領域に対して明るい領域として表され得るように正規化される。
WC及びWLはユーザインターフェース214上に表示するためにユーザが選択する放射線撮像値(例えば、CT値)の範囲を表す。例えば、この範囲よりも高いCT値は、カラースクリーン上の画素値(255,255,255)、又は白色によって表され得る。さらに、この範囲よりも低いCT値は、カラー画面上の画素値(0,0,0)又は黒で表すことができる。ブロック510の目的は、後続の閾値計算が元の(正規化されていない)放射線撮像データ自体ではなく、ユーザがディスプレイ上で見るものに基づいていることを確認することである。言い換えれば、範囲外にある放射線撮影値は考慮されない。したがって、いくつかの実施形態では、ブロック510での正規化がユーザインターフェース214上での表示のために選択される放射線撮像値の範囲に基づく。
次に、方法500はブロック512に進み、ここで、正規化される放射線撮像値がクラスタリング方法(例えば、k平均クラスタリング方法)によって分類される。クラスタリング方法は領域のどの部分が互いに類似しており、したがって、血管構造などの独立した構造に対応する可能性が高いかを識別することができる。断面内で互いに関連付けられた放射線撮像値のクラスタは、血管構造の存在を示し得る。
分類は、クラス間の距離が大きい間、クラス内の距離が小さいことに基づいて実行されてもよい。言い換えれば、互いに近い(ならびに画像閾値範囲の間にある)放射線撮像値は、血管構造の存在を示し得る。
次に、方法500のブロック512に従って分類手順を実行する方法600を参照する図6を参照する。方法600は、示される増大領域における放射線撮像値を分類するためのk-means法の例示的な実装の説明を提供する。
方法600はブロック602で開始し、ブロック604に進み、ここで、(放射線撮影値の)平均値が第1のクラスの中心値として設定される。
方法600はブロック606に進み、ここで、クラス中心と、増大領域又は立方体内のすべての点との間の距離が計算される。2つ以上のクラスが存在する場合、全てのクラス中心と領域内の全ての点との間の距離が計算される場合に、同じ計算が実行される。
方法600はブロック608に進み、ここで、全ての点が、最も近いクラス中心に分類される。第1のクラスの場合、全ての点は、第1のクラスの中心値に分類される。
方法600はブロック610に進み、(全ての)クラス内の最大距離が計算される。
方法600はブロック612に進み、ここで、最大距離が所定の閾値より大きい場合、方法600はブロック614に進む。所定の閾値は例えば、各クラスが典型的な血管構造サイズに対して大きすぎないことを保証するために、クラスの最大指定サイズを指し得る。言い換えれば、分類は、クラス内の放射線撮像値が血管構造に対応する可能性が高いことを保証することができる。
ブロック614において、方法600は最大内部距離クラス(すなわち、所定の閾値距離と最大距離との間の領域)に新しいクラスを追加することを含む。また、最大内距離クラス(新クラス)のクラス中心は、最大距離クラスの境界(第1クラスの中心からの最大距離)に設定される。新しいクラスが定義されると、それはクラスのセットに追加され、その結果、ブロック604から610における方法600は、前のクラス及び新しいクラスに対して繰り返されることができる。追加すべき新しいクラスがない(すなわち、全てのクラスからの最大距離が所定の閾値を満たさない)と、方法600はブロック616で終了する。
分類されると、X線撮影画像値は、それぞれ、クラス1、クラス2、及びクラス3について、<min1,max1>、<min2,max2>、<min3,max3>などとして分類され得る。したがって、第1のクラスについては、最小(「min1」)及び最大(「max1」)の放射線撮影値があり、以下同様である。したがって、クラスの各々について、各クラス内の放射線撮像値は<min_i,max_i>によって定義される範囲を有することができ、ここで、「i」はクラスのインデックスを指す。上述の分類手順は、各クラス内の点間の距離が小さい一方で、クラス間の距離が大きいことを保証することができる。したがって、画像内の特定の構造に関連する点のクラスタは画像内の他の構造と区別可能であり得、標的構造(たとえば、血管)の一部である可能性がより低くなり得る方法で識別され得る。例えば、クラスの各々は、画像内の特定の構造に関連する放射線撮像値を含むことができる。したがって、クラスに関連付けられたクラスタ内で、クラスに属する立方体又は増大領域内の点の放射線撮像値は、ある構造に対応し得る。しかしながら、別のクラスに関連付けられた別のクラスタは、別の構造に対応し得る。いくつかの場合には、異なるクラスに属する放射線撮像値が実際に同じ構造に関連付けられるクラス間にいくつかの重複が存在し得る。以下で説明するように、分類されるデータは、血管構造に最も対応する可能性が高い点に基づいて閾値の対が選択されることを確実にするように再編成され得る。
分類は、放射線撮像値に対して実行される一次元値分類であると考えることができる。閾値の対は、分類される値のセット内のどの放射線撮像値が血管構造に一対応するかを選択するために使用され得る。
したがって、クラス内には類似する(例えば、閾値の対の間で定義され得る範囲内の)放射線撮像値のセットが存在し得、(他のクラスにおける)放射線撮像値の静止は標的血管構造に関連付けられ得ない。閾値の対によって定義される範囲内にある分類される値は、血管構造であると考えられ得る。言い換えれば、血管と周囲の特徴との間にコントラストが存在し得、このコントラストは、放射線撮像値の分類によって反映され得る。
いくつかの実施形態では、閾値の対が血管に関連する放射線撮像値と、血管を取り囲む特徴に関連する放射線撮像値との間のコントラストに従って設定される。
いくつかの実施形態では、分類がk平均クラスタリングプロシージャに基づく。
MPR画像中の抽出される血管は、均一に明るくない場合がある。例えば、血管の内側部分は血管の外側部分(例えば、壁)よりも明るくてもよい。セグメンテーションにおけるリークは、外側部分で発生することが期待され得る。したがって、ステップ閾値(例えば、閾値の対によって定義される)はシミュレートされる色素の漏れを回避するために、最初に内側部分をセグメント化するために使用され得る。
再び図5に戻ると、方法500のブロック514において、クラスはシードポイント値の周りに再編成されて、閾値の対(すなわち、< ... < min3 < min2 < min1 < seed point value > max1 > max2 > max3 > ... >)を見つけ、再編成される値によって定義される範囲のうちの少なくとも1つ内の放射線撮影値が保持されるようにする(例えば、周囲の特徴との改善されるコントラストを提供する)。シード点(例えば、ユーザによって選択される)に関連する放射線撮像値は、血管構造に対応する可能性が高いと考えられ得る。したがって、このシード点に関連する任意のクラスタは、血管構造に対応する可能性が高いと見なされ得る。シード点(すなわち、「シード点値」)に関連する放射線撮像値がクラスのうちの1つに属する場合、分類される放射線撮像値は、シード点値の周りに再編成され得る。
たとえば、3つの識別されるクラス(<min1,max1>、<min2,max2>、<min3,max3>)がある場合、これらは以下の式、< ... < min3<min2<min1<シードポイント値> max1> max2> max3> ... >に従ってシードポイント値の周りに再編成され得、ここで、クラス(1、2又は3)のうちの定義される範囲の各々は再編成される値の最小値又は最大値の何れかを指し得る。一例として、シード点値がクラス2に関連付けられている場合、このクラスタ内の放射線撮像値は、最初に<min2,max2>の範囲内に分類される(ブロック512)。しかしながら、ブロック514での再編成時に、範囲<min2,max2>内の最小値及び最大値は、<min1<シード点値>max1>として定義されるシード点値の周りに再編成され、その結果、この範囲内の値は血管構造であると見なされる。言い換えれば、放射線撮像値の範囲(<min1<シード点値>max1>)は、クラス2からの放射線撮像値を含む「第1の優先順位」を定義する。
十分なデータが再編成される範囲内にある場合、閾値の対は、式(<min1<シード点値>max1>)によって定義されると考えられる。より多くの情報が必要とされる場合(例えば、血管構造を適切にシミュレートするためにより多くの点が必要とされる場合)、シード点値へのそれらの近さに基づいて、さらなる放射線撮影値が拡張される範囲(すなわち、<min2<min1<シード点値>max1>max2)に含まれ得る。例えば、拡張範囲は近くのクラスの限界(すなわち、クラス1の最大値max1及びクラス3の最小値max3)を含むことができる。この拡張される範囲は「第2の優先度」範囲とみなされてもよく、シード点値に比較的近いと分類されているが、以前は異なるクラスに関連付けられていた放射線撮像値を含む。このようにして、他のクラスに属する追加の点をクラス2に関連付けることができる。範囲は、クラス1の最小値min1及びクラス3の最大値max3を含むようにさらに拡張され得る。このさらなる拡張される範囲は「第3の優先度」範囲と呼ばれることがあり、<min3<min2<min1<シードポイント値>max1>max2>max3>として表されることがあり、ここで、min3はクラス1における最小値を指し、max3はこの例におけるクラス3における最大値を指す。
シード点値を含むクラスに関連するシード点値の周りの内部領域(例えば、< min1<シード点値> max1>)内に位置する放射線撮像値は、以下でより詳細に説明される血管セグメント化プロシージャの一部として最初に増大される。シード点値の周りのこの内側領域内に位置する放射線撮像値がない場合、領域は外側部分を含むように(すなわち、シード点値に対応する点を含まない別のクラスに関連する少なくとも1つの放射線撮像値を含むように)増大される。シード点値に関連するクラスから選択される放射線撮像値のため、血管構造に対応する画素が、非血管構造画素(別のクラスに属するものとして分類されている可能性がある、近くの骨構造など)ではなく、クラスから選択される可能性がより高くなり得る。
したがって、いくつかの実施形態では方法500が(例えば、k平均法を使用して)放射線撮影値のセット内の少なくとも1つのクラスタを識別することに基づいて、放射線撮影値のセットを少なくとも1つのクラスに分類することと、血管に関連するシードポイントの放射線撮影値の周りの分類される放射線撮影値のセットの再編成されるセットに基づいて、閾値の対を選択することとを含み、少なくとも1つのクラスはシードポイントの放射線撮影値を含む放射線撮像値の範囲を含む。場合によっては、シード点に対応する放射線撮像値を含むクラスがシード点に近いと分類される点(すなわち、「第1のクラスタ」)の放射線撮像値の範囲を定義する第1のクラスを指す。(シード点値を含む)第1のクラスに関連する放射線撮像値の範囲の限界は閾値の対(例えば、「第1の優先度」範囲)を定義することができる。場合によっては、他のクラス(例えば、データ内の追加のクラスタに関連付けられたクラス)に関連付けられた別の範囲の放射線撮影値に関連付けられた限界が閾値の対を定義することができる。例えば、第1のクラス(例えば、上記の例におけるクラス2)に隣接するものとして分類されるクラスは閾値の対(すなわち、上述の「第2の優先順位」又は「第3の優先順位」)を定義するために使用され得る特定の限界(すなわち、クラスタ内の最小及び最大放射線撮影値)を定義することができる。
方法500のブロック516において、閾値の対は、元の放射線撮像値に対して非正規化され、血管構造に対応する分類されるセット内の補正される放射線撮像値を取得する。シード点の放射線撮影値は、シード点が血管構造の一部である可能性が高いと考えられ得るので、ステップ閾値を決定するために分類されるセット内に含まれ得る。方法500は、ブロック518で終了する。
したがって、いくつかの実施形態では、領域がシード点を中心とし、領域のサイズ(例えば、増大したとき)は領域内の血管の存在及び存在の欠如の両方を示す放射線撮像値を含む領域に基づく(例えば、以下に記載されるような収縮の前)。閾値の対によって定義される範囲は、シード点における放射線撮像値を含むことができる。したがって、範囲を使用して、領域内の血管の存在を示す放射線撮像値のセットを選択する一方で、領域内の血管の存在の欠如を示す放射線撮像値を無視又は除去することができる。
いくつかの実施形態では、方法500が閾値の対に従って放射線撮像値のセットを分類すると、正規化される放射線撮像値を非正規化する(例えば、ブロック516に従って)ことを含む。
図7は(例えば、方法100の一部として)標的血管をセグメント化する方法700(例えば、コンピュータ実施方法)を示す。方法700はユーザインターフェース、又はサーバもしくはクラウドベースのサービス(たとえば、ユーザコンピュータ及び/又はユーザインターフェースに通信可能に結合される)に通信可能に結合されるユーザコンピュータなどのコンピュータによって実装され得る。方法700のいくつかのブロックは、図7によって示されるものとは異なる順序で実装されてもよく、又は完全に省略されてもよい。
方法700はブロック702で開始し、次いで、ブロック704に進み、方法300のブロック306に関連して説明したように、上述のステップ閾値(閾値の対)に基づいて、領域が増大される(すなわち、ステップ閾値内に入る放射線撮像値を有する領域の部分のみが、領域の一部であると見なされ得る)。必要に応じて、方法700はブロック706に進み、ここで、ブロック704から得られる領域は、領域内に存在する可能性のある血管構造に対応する領域を含むように見える領域の部分に縮小される。そうでない場合、方法700はブロック708に進み、ここで、領域の中心が計算される(すなわち、中心は、血管構造に対応する楕円形又は円形プロファイルの原点に対応する)。
方法700はブロック710に進み、ここで、中心が断面内の楕円又は円上に位置するか(例えば、MPR画像として表示される軸方向断面に対応する)について判定が行われる。いいえの場合、方法700はブロック712に進み、ここで、中心が、MPR画像(軸断面に垂直)として表示される冠状断面上の独立した楕円又は円上に位置するかに関する決定が行われる。いいえの場合、方法700はブロック714に進み、ここで、中心が、MPR画像として表示される矢状断面(軸方向及び冠状断面に垂直)上の独立した楕円又は円上に位置するかに関する決定が行われる。しかしながら、ブロック710、712、又は714の何れかにはいの場合、方法700はブロック716に進み、領域は、標的血管の一部であるとしてマークされる。ブロック710乃至714は、任意の順序で実行することができる。
血管は、MPR画像として表示される一組の直交セクションのうちの少なくとも1つにおいて、血管のローカルセクションを平均する、樹状構造又は管を有するとみなされてもよい。楕円(又は、楕円の特別な場合である円)がシミュレートされる色素注入の漏れを低減するために、独立していてもよい(すなわち、他の組織に接続されていなくてもよい)。増大した領域の体積は楕円の面積に依存し得る(すなわち、より大きな体積は、血管のより大きな断面積に対応する)。したがって、増大領域のサイズは、放射線撮像データによって表される血管構造に依存する。
したがって、いくつかの実施形態では、(ブロック104で参照されるよう)血管の境界を識別することは領域の断面内の放射線撮像値のセットによって定義される構造が血管の境界を示す血管モデルに対応するかを決定すること(例えば、ブロック710、712、又は714の何れかに従って)を含む。
いくつかの実施形態では、血管モデルが楕円形プロファイルを有する(例えば、円形プロファイルを含む)境界に基づく。
いくつかの実施形態では、方法700が放射線撮像データから導出される別の領域の断面内(例えば、方法700がブロック704に戻った後)で、他の領域の断面内の放射線撮像値のセットによって定義される構造が血管モデルに対応するかを決定することによって、血管の他の境界を識別することを含む。
いくつかの実施形態では、血管のセグメント形状を決定することは領域内で識別される血管の境界と他の領域とを接続する血管の表面プロファイルを推定することによって実施される。表面プロファイルの推定は、接続される境界間の領域のどの部分が閾値の対によって定義される範囲内にあるかを示す閾値の対に基づくことができる。
方法700はブロック718に進み、ここで、再構成される画像は血管の抽出される部分を含むように更新される(すなわち、レンダリングされる)。ユーザがブロック720において、方法700が血管をレンダリングし続けるべきであることを示す場合、方法700は、ブロック704に帰還。しかしながら、ユーザがブロック720で、方法700が実行を停止することを示す場合、方法700がブロック724で終了する前に、ブロック722で最終レンダリング動作が実行される。
血管領域が時々他の組織に接続し得るので、画像閾値に基づくセグメント化は、色素漏出をもたらし得る。したがって、血管セグメントをセグメントごとにレンダリングし、結果をリアルタイムで観察することによって、セグメント化中のマークされる血管の形状が、血管抽出の精度を高める可能性がある任意の潜在的な漏れのチェックのために観察され得る。
単一の段階において血管全体をセグメント化する代わりに、再構成される画像はユーザフィードバックを与えるために、各段階血管セグメント化の後に更新されてもよい。画像全体(例えば、3次元構成画像他のMPR画像ビュー)をレンダリングすることは十分に高速ではなく、及び/又は不要である可能性があり、したがって、方法700はコンピューティング電力を節約するためにMPR画像内のセグメントを識別することができる。3次元再構成画像全体の再レンダリングはユーザが(例えば、ブロック722において)プロシージャを停止した後に実行されて、ユーザインターフェース214によって表示されるビュー内にさらなる又はより明確な視覚情報を提供する一方で、セグメンテーションを実行するときのいかなる遅延も回避することができる。
内頸動脈(ICA)及び/又は椎骨動脈(VA)などの特定の血管が、特定のシナリオで撮像され得る。この場合、大動脈弓及び脳内の血管のセグメント化は大動脈弓と脳血管との間の血管(例えば、ICA及び/又はVA)における色素注入のシミュレーションの後に、別々に実施され得る。したがって、例えば、複数のマウスボタンクリック(例えば、3乃至6クリック)を用いて、4つの血管、大動脈弓、及び脳を、自動的に順番に抽出することができる。
図8は(例えば、方法100の一部として)血管のセグメント形状を決定する方法800(例えば、コンピュータ実施方法)を示す。方法800はユーザインターフェース、又はサーバもしくはクラウドベースのサービス(たとえば、ユーザコンピュータ及び/又はユーザインターフェースに通信可能に結合される)に通信可能に結合されるユーザコンピュータなどのコンピュータによって実装され得る。
いくつかの実施形態では、方法800がブロック804において、セグメント形状のシミュレーションを生成し、シミュレーションをユーザインターフェース214上に表示させることを含む。
いくつかの実施形態では、方法800がブロック806において、決定されるセグメント形状に接続される血管の追加のセグメント形状を決定することと、ユーザ入力に応答して(例えば、上述のようにユーザがマウスボタンを放出するまで)、セグメント形状及び追加のセグメント形状のシミュレーションをユーザインターフェース214上に表示させることとを含む。ブロック806はブロック314、318、718、及び/又は722に関連して説明した機能(すなわち、レンダリングする血管セグメントの形状を決定すること)を指し得る。方法800は、ブロック808で終了する。
図9は、非一時的な機械可読媒体900を示す。非一時的な機械可読媒体900は少なくとも1つのプロセッサ904上で実行されると、少なくとも1つのプロセッサ904に、本明細書で説明するいくつかの方法を実装させる命令902を備える。この実施形態では、命令902が方法100のブロック102を実装するように構成される命令906を含む。命令902は、方法100のブロック104を実装するように構成される命令908をさらに備える。命令902は、方法100のブロック106を実装するように構成される命令910をさらに備える。本明細書で説明する方法のいずれも、少なくとも1つのプロセッサ904にそのような方法を実装させる非一時的な機械可読媒体900によって実装され得る。
図10は、血管のセグメント形状を決定するための装置1000を示す。装置1000は、少なくとも1つのプロセッサ1002(図2で参照される少なくとも1つのプロセッサ212に対応し得る)を備える。少なくとも1つのプロセッサ1002は放射線撮像装置(例えば、放射線撮像装置202)によって取得される被検体の放射線撮像データを受信するためのインターフェース1004(例えば、「受信」インターフェース)に通信可能に結合される。インターフェース1004は、図2で参照されるコンピュータ208の一部であってもよい。
装置1000は本明細書で説明するいくつかの方法(たとえば、方法100、300、500、600、700、800の何れか)に対応する方法を実行するために少なくとも1つのプロセッサ1002によって可読及び実行可能な命令1008を記憶する(図2のメモリ210に対応する)非一時的な機械可読媒体1006をさらに備える。
本発明は図面及び前述の説明において詳細に図示及び説明されているが、そのような図示及び説明は例示的又は例示的であり、限定的ではないと見なされるべきであり、本発明は開示される実施形態に限定されない。
一実施形態で説明される1つ又は複数の特徴は、別の実施形態で説明される特徴と組み合わされてもよく、又は置き換えられてもよい。
本開示における実施形態は、方法、システムとして、又は機械可読命令と処理回路との組合せとして提供することができる。そのような機械可読命令はその中又はその上にコンピュータ可読プログラムコードを有する非一時的な機械(たとえば、コンピュータ)可読記憶媒体(ディスク記憶装置、CDROM、光記憶装置などを含むが、これらに限定されない)上に含まれ得る。
本開示は、本開示の実施形態による方法、装置、及びシステムのフローチャート及びブロック図を参照して説明される。上述のフローチャートは特定の命令実行順序を示しているが、命令実行順序は図示されているものと異なっていてもよい。1つのフローチャートに関連して説明したブロックは、別のフローチャートのブロックと組み合わせることができる。フローチャート及び/又はブロック図中の各ブロック、ならびにフローチャート及び/又はブロック図中のブロックの組合せは、機械可読命令によって実現され得ることを理解される。
機械可読命令は例えば、汎用コンピュータ、専用コンピュータ、組み込みプロセッサ、又は他のフィールドプログラマブルゲートアレイデータ処理装置のプロセッサによって実行されて、説明及び図に記載される機能を実現することができる。特に、プロセッサもしくは処理回路、又はそのモジュールは、機械可読命令を実行することができる。したがって、本明細書で説明する装置及び他のデバイスの機能モジュールは、メモリに記憶される機械可読命令を実行するプロセッサ、又は論理回路に埋め込まれた命令に従って動作するプロセッサによって実装され得る。「プロセッサ」という用語は、CPU、処理ユニット、ASIC、論理ユニット、又はプログラマブルゲートアレイなどを含むように広く解釈されるべきである。方法及び機能モジュールはすべて、単一のプロセッサによって実行され得るか、又はいくつかのプロセッサの間で分割され得る。
そのような機械可読命令はまた、特定のモードで動作するようにコンピュータ又は他のプログラム可能なデータ処理装置をガイドすることができるコンピュータ可読記憶装置に記憶され得る。
そのような機械可読命令はまた、コンピュータ又は他のプログラマブルデータ処理装置上にロードされ得、その結果、コンピュータ又は他のプログラマブルデータ処理装置はコンピュータ実装処理を生成するための一連の動作を実施し、したがって、コンピュータ又は他のプログラマブルデバイス上で実施される命令は、フローチャート及び/又はブロック図中のブロック(複数可)によって指定される機能を実現する。
さらに、本明細書の教示は、コンピュータプログラム製品の形態で実装されてもよく、コンピュータプログラム製品は記憶媒体に記憶され、コンピュータ装置に、本開示の実施形態で列挙される方法を実装させるための複数の命令を備える。
一実施形態に関連して説明される要素又はステップは、別の実施形態に関連して説明される要素又はステップと組み合わされるか、又はそれらによって置き換えられ得る。開示される実施形態に対する他の変形は図面、開示、及び添付の特許請求の範囲の研究から、特許請求される発明を実施する当業者によって理解され、実行され得る。請求項において、単語「有する(comprising)」は他の要素又はステップを除外せず、不定冠詞「a」又は「an」は複数を除外しない。単一のプロセッサ又は他のユニットは、特許請求の範囲に列挙されるいくつかのアイテムの機能を満たすことができる。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用され得ないことを示すものではない。コンピュータプログラムは他のハードウェアとともに、又は他のハードウェアの一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶又は配布され得るが、インターネット又は他の有線もしくはワイヤレス電気通信システムなどの他の形態で配布されてもよい。請求項におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。
Claims (15)
- コンピュータ実装方法であって、
放射線撮像値と比較されるための閾値の対を推定して、領域の一部が、血管の存在を示す放射線撮像値を有するか否かに基づいて、被検体の放射線撮像データから導出される前記領域を分類する、ステップと、
前記領域の断面内で、前記閾値の対に従って分類される放射線撮像値のセットに基づいて前記血管の境界を識別するステップと、
前記識別される血管の境界を、前記領域に隣接するさらなる領域の断面において識別される前記血管の別の境界と接続する前記血管のセグメント形状を決定するステップと
を有する、方法。 - 前記セグメント形状のシミュレーションを生成するステップと、前記シミュレーションをユーザインターフェース上に表示させるステップとを有する、請求項1に記載の方法。
- 前記被検体のシミュレーションのオーバーレイとして前記セグメント形状を表示するステップと、ユーザ入力に応答して、前記セグメント形状に基づいて前記被検体のシミュレーションを更新するステップとを有する、請求項2に記載の方法。
- 前記決定されるセグメント形状に接続される前記血管のさらなるセグメント形状を決定するステップと、ユーザ入力に応答して、前記さらなるセグメント形状及び前記セグメント形状のシミュレーションを前記ユーザインターフェース上に表示させるステップとを有する、請求項2に記載の方法。
- 前記領域はシード点の周りに中心があり、前記領域のサイズは、前記領域内の血管の存在及び不存在の両方を示す放射線撮像値を有する前記領域に基づいており、前記閾値の対によって定義される範囲は、前記シード点における前記放射線撮像値を有する、請求項1乃至4の何れか一項に記載の方法。
- 前記閾値の対を推定するステップは、前記放射線撮像値のセットを分類する前に、ユーザインターフェース上の表示のために選択される放射線撮像値の範囲に基づいて前記放射線撮像値を正規化するステップを有する、請求項1乃至5の何れか一項に記載の方法。
- 前記閾値の対に従って前記放射線撮像値のセットを分類する際に、前記正規化される放射線撮像値を非正規化するステップを有する、請求項6に記載の方法。
- 前記放射線撮像値のセット内の少なくとも1つのクラスタを識別するステップに基づいて、前記放射線撮像値のセットを少なくとも1つのクラスに分類するステップと、前記血管に関連するシード点の放射線撮像値の周りの前記放射線撮像値の分類されるセットの再編成されるセットに基づいて、前記閾値の対を選択するステップとを有し、前記少なくとも1つのクラスが、前記シード点の前記放射線撮像値を有する放射線撮像値の範囲を有する、請求項1乃至7の何れか一項に記載の方法。
- 前記閾値の対は、前記血管に関連する放射線撮像値と、前記血管を囲む特徴に関連する放射線撮像値との間のコントラストに従って設定される、請求項1乃至8の何れか一項に記載の方法。
- 前記血管の境界を識別するステップは、前記領域の断面内の放射線撮像値のセットによって定義される構造が前記血管の境界を示す血管モデルに対応するかを決定するステップを有する、請求項1乃至9の何れか一項に記載の方法。
- 前記血管モデルは、リング形状である前記境界に基づく、請求項10に記載の方法。
- 前記放射線撮像データから導出される前記さらなる領域の断面内で、前記さらなる領域の断面内の放射線撮像値のセットによって定義される構造が前記血管モデルに対応するかを決定することによって、前記血管の別の境界を識別するステップを有する、請求項10又は11に記載の方法。
- 前記領域及びさらなる領域内で識別される血管の境界を接続する血管の表面プロファイルを推定することによって、前記血管のセグメント形状を決定するステップを有する、請求項12に記載の方法。
- 少なくとも1つのプロセッサによって実行されるとき、前記少なくとも1つのプロセッサに、請求項1乃至13の何れか一項に記載の方法を実行させる命令を有する、非一時的な機械可読媒体。
- 放射線撮像装置によって撮像される血管をセグメント化するための装置であって、前記装置は、
前記放射線撮像装置によって取得される被検体の放射線撮像データを受信するためのインターフェースに通信可能に結合される少なくとも1つのプロセッサと、
放射線撮像値と比較されるための閾値の対を推定して、前記領域の一部が血管の存在を示す放射線撮像値を有するか否かに基づいて、被検体の放射線撮像データから導出される領域を分類するステップと、
前記領域の断面内で、前記閾値の対に従って分類される放射線撮像値のセットに基づいて、前記血管の境界を識別するステップと、
前記識別される血管の境界を、前記領域に隣接するさらなる領域の断面において識別される血管の別の境界と接続する前記血管のセグメント形状を決定するステップと
を有する方法を実行するための、少なくとも1つのプロセッサによって読み取り可能かつ実行可能な命令を記憶する非一時的な機械可読媒体と
を有する、装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNPCT/CN2021/072810 | 2021-01-20 | ||
CN2021072810 | 2021-01-20 | ||
PCT/EP2022/050927 WO2022157124A1 (en) | 2021-01-20 | 2022-01-18 | Segment shape determination |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024503595A true JP2024503595A (ja) | 2024-01-26 |
Family
ID=80218710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023539953A Pending JP2024503595A (ja) | 2021-01-20 | 2022-01-18 | セグメント形状決定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240087132A1 (ja) |
EP (1) | EP4281932A1 (ja) |
JP (1) | JP2024503595A (ja) |
CN (1) | CN116802684A (ja) |
WO (1) | WO2022157124A1 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3063735B1 (en) * | 2013-10-30 | 2017-12-13 | Agfa Healthcare | Vessel segmentation method |
-
2022
- 2022-01-18 JP JP2023539953A patent/JP2024503595A/ja active Pending
- 2022-01-18 WO PCT/EP2022/050927 patent/WO2022157124A1/en active Application Filing
- 2022-01-18 EP EP22702619.2A patent/EP4281932A1/en active Pending
- 2022-01-18 CN CN202280010957.7A patent/CN116802684A/zh active Pending
- 2022-01-18 US US18/272,885 patent/US20240087132A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022157124A1 (en) | 2022-07-28 |
CN116802684A (zh) | 2023-09-22 |
EP4281932A1 (en) | 2023-11-29 |
US20240087132A1 (en) | 2024-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210106299A1 (en) | Method and system for extracting lower limb vasculature | |
JP6603245B2 (ja) | 肺のセグメント化のためのシステムおよび方法 | |
US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
JP6877868B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US9547894B2 (en) | Apparatus for, and method of, processing volumetric medical image data | |
WO2018120644A1 (zh) | 血管提取方法及系统 | |
US9600890B2 (en) | Image segmentation apparatus, medical image device and image segmentation method | |
US20140016845A1 (en) | Image analysis for specific objects | |
JP4785371B2 (ja) | 動的制約を用いる多次元構造の抽出方法及びシステム | |
US9466117B2 (en) | Segmentation highlighter | |
JP2007289704A (ja) | 大動脈瘤の半自動分析のためのシステム及び方法 | |
JP2015112487A (ja) | 医用画像における構造物をセグメンテーションする医用画像処理装置、医用画像をセグメンテーションするための方法及び医用画像をセグメンテーションするコンピュータプログラムを記憶する記憶媒体 | |
JP2012530553A (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システム | |
JP5566299B2 (ja) | 医用画像処理装置、及び医用画像処理方法 | |
JP2022167972A (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
US8588490B2 (en) | Image-based diagnosis assistance apparatus, its operation method and program | |
US9324157B2 (en) | Medical image data processing apparatus and method | |
KR101989156B1 (ko) | 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법, 장치 및 의료 영상 시스템 | |
JP2004234579A (ja) | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 | |
US9483832B2 (en) | Surgery assistance apparatus and method, and non-transitory recording medium having stored therein surgery assistance program | |
JP2024503595A (ja) | セグメント形状決定 | |
CN114708390A (zh) | 一种生理管状结构的图像处理方法、装置及存储介质 | |
JP2014171883A (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP7502125B2 (ja) | 医用画像処理装置、医用画像処理システム、及び、医用画像処理方法 | |
Jähne et al. | Novel techniques for automatically enhanced visualization of coronary arteries in msct data and for drawing direct comparisons to conventional angiography |