JP2024512369A - 造影放射線学の分野における機械学習 - Google Patents
造影放射線学の分野における機械学習 Download PDFInfo
- Publication number
- JP2024512369A JP2024512369A JP2023554810A JP2023554810A JP2024512369A JP 2024512369 A JP2024512369 A JP 2024512369A JP 2023554810 A JP2023554810 A JP 2023554810A JP 2023554810 A JP2023554810 A JP 2023554810A JP 2024512369 A JP2024512369 A JP 2024512369A
- Authority
- JP
- Japan
- Prior art keywords
- representations
- examination
- representation
- time span
- region
- 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
- 238000010801 machine learning Methods 0.000 title abstract description 8
- 239000002872 contrast media Substances 0.000 claims description 224
- 238000012360 testing method Methods 0.000 claims description 124
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 88
- 238000000034 method Methods 0.000 claims description 77
- 230000002829 reductive effect Effects 0.000 claims description 41
- 230000014509 gene expression Effects 0.000 claims description 33
- 238000007689 inspection Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000003795 chemical substances by application Substances 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 description 59
- 210000004185 liver Anatomy 0.000 description 42
- 210000004204 blood vessel Anatomy 0.000 description 25
- 210000003494 hepatocyte Anatomy 0.000 description 24
- PCZHWPSNPWAQNF-LMOVPXPDSA-K 2-[[(2s)-2-[bis(carboxylatomethyl)amino]-3-(4-ethoxyphenyl)propyl]-[2-[bis(carboxylatomethyl)amino]ethyl]amino]acetate;gadolinium(3+);hydron Chemical compound [Gd+3].CCOC1=CC=C(C[C@@H](CN(CCN(CC(O)=O)CC([O-])=O)CC([O-])=O)N(CC(O)=O)CC([O-])=O)C=C1 PCZHWPSNPWAQNF-LMOVPXPDSA-K 0.000 description 16
- 239000000126 substance Substances 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- 238000003325 tomography Methods 0.000 description 13
- 230000003902 lesion Effects 0.000 description 12
- 210000003462 vein Anatomy 0.000 description 12
- 229960001547 gadoxetic acid Drugs 0.000 description 11
- 230000005298 paramagnetic effect Effects 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 11
- 238000002591 computed tomography Methods 0.000 description 10
- 238000010200 validation analysis Methods 0.000 description 10
- 210000002767 hepatic artery Anatomy 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 9
- 229910052688 Gadolinium Inorganic materials 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 230000017531 blood circulation Effects 0.000 description 7
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 7
- 210000002989 hepatic vein Anatomy 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 210000005229 liver cell Anatomy 0.000 description 7
- 210000004072 lung Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 210000005228 liver tissue Anatomy 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 210000005166 vasculature Anatomy 0.000 description 6
- 239000002616 MRI contrast agent Substances 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- SLYTULCOCGSBBJ-UHFFFAOYSA-I disodium;2-[[2-[bis(carboxylatomethyl)amino]-3-(4-ethoxyphenyl)propyl]-[2-[bis(carboxylatomethyl)amino]ethyl]amino]acetate;gadolinium(3+) Chemical compound [Na+].[Na+].[Gd+3].CCOC1=CC=C(CC(CN(CCN(CC([O-])=O)CC([O-])=O)CC([O-])=O)N(CC([O-])=O)CC([O-])=O)C=C1 SLYTULCOCGSBBJ-UHFFFAOYSA-I 0.000 description 5
- 229940102709 ferumoxytol Drugs 0.000 description 5
- UCNNJGDEJXIUCC-UHFFFAOYSA-L hydroxy(oxo)iron;iron Chemical compound [Fe].O[Fe]=O.O[Fe]=O UCNNJGDEJXIUCC-UHFFFAOYSA-L 0.000 description 5
- 230000003834 intracellular effect Effects 0.000 description 5
- 230000005415 magnetization Effects 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 4
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 4
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- QXNVGIXVLWOKEQ-UHFFFAOYSA-N Disodium Chemical class [Na][Na] QXNVGIXVLWOKEQ-UHFFFAOYSA-N 0.000 description 3
- MXZROTBGJUUXID-UHFFFAOYSA-I [Gd+3].[O-]C(=O)CN(CC([O-])=O)CCN(CC(=O)[O-])CCN(CC([O-])=O)C(C([O-])=O)COCC1=CC=CC=C1 Chemical compound [Gd+3].[O-]C(=O)CN(CC([O-])=O)CCN(CC(=O)[O-])CCN(CC([O-])=O)C(C([O-])=O)COCC1=CC=CC=C1 MXZROTBGJUUXID-UHFFFAOYSA-I 0.000 description 3
- 239000013543 active substance Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000013522 chelant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- HZHFFEYYPYZMNU-UHFFFAOYSA-K gadodiamide Chemical compound [Gd+3].CNC(=O)CN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC(=O)NC HZHFFEYYPYZMNU-UHFFFAOYSA-K 0.000 description 3
- PIZALBORPSCYJU-QSQMUHTISA-H gadofosveset Chemical compound O.[Na+].[Na+].[Na+].[Gd+3].C1CC(OP([O-])(=O)OC[C@@H](CN(CCN(CC([O-])=O)CC([O-])=O)CC(=O)[O-])N(CC([O-])=O)CC([O-])=O)CCC1(C=1C=CC=CC=1)C1=CC=CC=C1 PIZALBORPSCYJU-QSQMUHTISA-H 0.000 description 3
- LGMLJQFQKXPRGA-VPVMAENOSA-K gadopentetate dimeglumine Chemical compound [Gd+3].CNC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO.CNC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO.OC(=O)CN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC(O)=O)CC([O-])=O LGMLJQFQKXPRGA-VPVMAENOSA-K 0.000 description 3
- DPNNNPAKRZOSMO-UHFFFAOYSA-K gadoteridol Chemical compound [Gd+3].CC(O)CN1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1 DPNNNPAKRZOSMO-UHFFFAOYSA-K 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 210000002364 input neuron Anatomy 0.000 description 3
- 238000010253 intravenous injection Methods 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 210000003240 portal vein Anatomy 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- ZPDFIIGFYAHNSK-CTHHTMFSSA-K 2-[4,10-bis(carboxylatomethyl)-7-[(2r,3s)-1,3,4-trihydroxybutan-2-yl]-1,4,7,10-tetrazacyclododec-1-yl]acetate;gadolinium(3+) Chemical compound [Gd+3].OC[C@@H](O)[C@@H](CO)N1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1 ZPDFIIGFYAHNSK-CTHHTMFSSA-K 0.000 description 2
- 208000004057 Focal Nodular Hyperplasia Diseases 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 102000007562 Serum Albumin Human genes 0.000 description 2
- 108010071390 Serum Albumin Proteins 0.000 description 2
- 230000036770 blood supply Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 229940039231 contrast media Drugs 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003748 differential diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- OCDAWJYGVOLXGZ-VPVMAENOSA-K gadobenate dimeglumine Chemical compound [Gd+3].CNC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO.CNC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO.OC(=O)CN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC(O)=O)C(C([O-])=O)COCC1=CC=CC=C1 OCDAWJYGVOLXGZ-VPVMAENOSA-K 0.000 description 2
- ZPDFIIGFYAHNSK-UHFFFAOYSA-K gadobutrol Chemical compound [Gd+3].OCC(O)C(CO)N1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1 ZPDFIIGFYAHNSK-UHFFFAOYSA-K 0.000 description 2
- 229960003411 gadobutrol Drugs 0.000 description 2
- 229960005063 gadodiamide Drugs 0.000 description 2
- -1 gadolinium ions Chemical class 0.000 description 2
- RYHQMKVRYNEBNJ-BMWGJIJESA-K gadoterate meglumine Chemical compound [Gd+3].CNC[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CO.OC(=O)CN1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1 RYHQMKVRYNEBNJ-BMWGJIJESA-K 0.000 description 2
- 229960003823 gadoteric acid Drugs 0.000 description 2
- GFSTXYOTEVLASN-UHFFFAOYSA-K gadoteric acid Chemical compound [Gd+3].OC(=O)CN1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1 GFSTXYOTEVLASN-UHFFFAOYSA-K 0.000 description 2
- 229960005451 gadoteridol Drugs 0.000 description 2
- 230000002440 hepatic effect Effects 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- WTFXARWRTYJXII-UHFFFAOYSA-N iron(2+);iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[O-2].[Fe+2].[Fe+3].[Fe+3] WTFXARWRTYJXII-UHFFFAOYSA-N 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 229940031182 nanoparticles iron oxide Drugs 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 241000415078 Anemone hepatica Species 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010022971 Iron Deficiencies Diseases 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- QPCDCPDFJACHGM-UHFFFAOYSA-N N,N-bis{2-[bis(carboxymethyl)amino]ethyl}glycine Chemical group OC(=O)CN(CC(O)=O)CCN(CC(=O)O)CCN(CC(O)=O)CC(O)=O QPCDCPDFJACHGM-UHFFFAOYSA-N 0.000 description 1
- 241000399119 Spio Species 0.000 description 1
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 1
- RFTKDSUXTLVWOX-UHFFFAOYSA-N [Na].[Na].[Na].O Chemical group [Na].[Na].[Na].O RFTKDSUXTLVWOX-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000002961 echo contrast media Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000004520 electroporation Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 229940096814 gadobenate dimeglumine Drugs 0.000 description 1
- 229960003935 gadofosveset Drugs 0.000 description 1
- IZOOGPBRAOKZFK-UHFFFAOYSA-K gadopentetate Chemical compound [Gd+3].OC(=O)CN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC(O)=O)CC([O-])=O IZOOGPBRAOKZFK-UHFFFAOYSA-K 0.000 description 1
- 229940044350 gadopentetate dimeglumine Drugs 0.000 description 1
- 229960003460 gadopentetic acid Drugs 0.000 description 1
- 229940097926 gadoxetate Drugs 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 201000011066 hemangioma Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- OBACEDMBGYVZMP-UHFFFAOYSA-N iron platinum Chemical compound [Fe].[Fe].[Pt] OBACEDMBGYVZMP-UHFFFAOYSA-N 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000000844 transformation Methods 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
- G06T7/0002—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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- 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
- G06T2207/10072—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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30056—Liver; Hepatic
-
- 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
- G06T2207/30061—Lung
-
- 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
- G06T2207/30096—Tumor; Lesion
Abstract
本発明は、機械学習法によって人工造影放射線画像を生成する技術分野に関する。【選択図】図6
Description
本発明は、機械学習法による人工造影放射線画像の生成の技術分野に関する。
放射線学は、診断および治療目的のための画像処理を扱う医学分野である。
X線およびX線に感受性のフィルムは、以前は主に医用画像において使用されていたが、今日の放射線学には、例えばコンピュータ断層撮影(CT)、磁気共鳴画像法(MRI)または超音波検査などの様々な異なる画像化方法を含む。
これら全ての方法を用いて、検査対象内の特定の構造の描写または境界を容易にする物質を使用することができる。前記物質は、造影剤と呼ばれる。
コンピュータ断層撮影法において、ヨウ素含有溶液が通常、造影剤として使用される。磁気共鳴画像法(MRI)において、超常磁性物質(例えば、酸化鉄ナノ粒子、超常磁性鉄白金粒子(SIPP))または常磁性物質(例えば、ガドリニウムキレート、マンガンキレート)が通常、造影剤として使用される。
組織内での広がりのパターンから、造影剤は、以下のカテゴリーに大別することができる:細胞外造影剤、細胞内造影剤および血管内造影剤。
細胞外MRI造影剤としては、例えば、ガドリニウムキレートガドブトロール(Gadovist(登録商標))、ガドテリドール(Prohance(登録商標))、ガドテル酸(Dotarem(登録商標))、ガドペンテチン酸(Magnevist(登録商標))およびガドジアミド(Omnican(登録商標))が挙げられる。前記ガドリニウムキレートの高度に親水性の特性およびそれらの低分子量は、静脈内投与後、間質空間への急速な拡散をもたらす。血液循環系における一定の比較的短期間の循環の後、それらは腎臓を介して排泄される。
細胞内造影剤は、組織の細胞内にある程度取り込まれ、続いて排泄される。
ガドキセチン酸に基づく細胞内MRI造影剤は例えば、それらが、胆?を介して糞便中に排泄される前に、肝細胞(liver cells)、肝細胞(hepatocytes)によって比例的に特異的に取り込まれ、機能組織(柔組織)に蓄積し、健康な肝組織におけるコントラストを増強するという事実によって区別される。ガドキセチン酸に基づくそのような造影剤の例は、US6,039,931Aに記載されており;それらは、例えば、Primovist(登録商標)またはEovist(登録商標)の商品名で市販されている。さらに、肝細胞への取り込みが少ないMRI造影剤は、ガドベン酸ジメグルミン(Multihance(登録商標))である。
Primovist(登録商標)/Eovist(登録商標)のコントラスト増強作用は、安定なガドリニウム錯体Gd-EOB-DTPA(ガドリニウムエトキシベンジルジエチレントリアミンペンタ酢酸)によって媒介される。DTPAは、常磁性ガドリニウムイオンと非常に高い熱力学的安定性を有する錯体を形成する。エトキシベンジル(EOB)ラジカルは、造影剤の肝胆汁取り込みのメディエーターである。
血管内造影剤は、細胞外造影剤と比較して、血液循環系における明らかにより長い滞留時間によって区別される。ガドフォスベセット(Gadofosveset)は例えば、ガドリニウムに基づく血管内MRI造影剤である。これは、三ナトリウム塩一水和物形態(Ablavar(登録商標))として使用されている。それは血清アルブミンに結合し、それによって、血液循環系における造影剤の長い滞留時間(血液中の半減期約17時間)を達成する。
造影剤が患者に投与され、身体における造影剤の動的な広がりが、画像化方法によって追跡される多数の放射線検査が存在する。例えば、ダイナミック造影磁気共鳴画像法による限局性肝臓病巣の発見および鑑別診断が挙げられる。
Primovist(登録商標)は、肝臓における腫瘍の検知に使用することができる。健康な肝臓組織への血液供給は、主に門脈(門脈静脈)を介して達成されるが、肝動脈(liver artery)(肝動脈(arteria hepatica))は、ほとんどの原発腫瘍を供給する。したがって、造影剤のボーラスの静脈内注射後、健康な肝臓の柔組織のシグナル上昇と腫瘍のシグナル上昇との間の時間遅延を観察することが可能である。
悪性腫瘍に加えて、肝臓で頻繁に見つかるものは、?胞、血管腫および限局性結節性過形成(FNH)などの良性病変である。治療の適切な計画は、これらを悪性腫瘍と区別することを必要とする。Primovist(登録商標)は、良性および悪性の限局性肝臓病巣の同定に使用することができる。T1強調MRIにより、前記病巣の特徴に関する情報が得られる。区別は、肝臓および腫瘍への異なる血液供給、ならびにコントラスト増強の時間的プロファイルを利用することによって達成される。
Primovist(登録商標)によって達成されるコントラスト増強は、少なくとも2つの相、すなわち、動的相(いわゆる動脈相、門脈相および後期相を含む)と、肝胆管相とに分けることができ、ここで、肝細胞へのPrimovist(登録商標)の有意な取り込みがすでに行われている。
分布相の間にPrimovist(登録商標)によって達成されるコントラスト増強の事例では、観察されるものは病変の特徴づけのための情報を提供する典型的な灌流パターンである。血管新生を描写することは、病変の種類を特徴づけ、腫瘍と血管との間の空間的関係を決定するのに役立つ。
T1強調MRI画像において、Primovist(登録商標)は、注射後10~20分(肝胆道相)に、健康な肝臓の柔組織において明確なシグナル増強を導くが、一方、肝細胞を含まないか、またはわずかな肝細胞のみを含む病巣、例えば、転移または中程度から低分化肝細胞癌(HCC)はより暗い領域として現れる。
したがって、動的相および肝胆道相にわたる経時的な造影剤の拡散を追跡することは、限局性肝臓病変の検出および鑑別診断の良好な可能性を提供するが、検査は比較的長いタイムスパンにわたる。MRI画像における動きのアーチファクトを最小限に抑えるために、上記のタイムスパンにわたって、患者による動きは大幅に回避されるべきである。動きの長い制限は、患者にとって不快であり得る。
この問題およびさらなる問題は、本発明によって解決される。本発明は、1つ以上の放射線画像を合成的に生成することを可能にする手段を提供する。合成的に生成された放射線画像は、経時的に変化する造影剤の増強を示す測定された放射線画像の時系列に基づく機械学習モデルによって予測される。診断に重要な全ての放射線画像を測定しなければならないわけではなく;測定された放射線画像に基づいて1つ以上の放射線画像を予測(計算)することができ;したがって検査時間を短縮することができるという事実により、放射線検査を迅速にすることができるという利点を有する。さらに、放射線画像の予測は、周波数空間で行われる(通常のように、実空間では行われない)。その結果、検査領域の放射線学的表現における詳細情報からコントラスト情報を分離し、訓練および予測をコントラスト情報に限定し、その後、予測後に詳細情報を再導入することが可能である。この手順は例えば、計算の複雑さを低減する。さらに、周波数空間での作業は、画像レジストレーションの不備に対するより高い許容度を意味する。
本発明は、第1の態様において、
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む、コンピュータ実装方法を提供する。
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む、コンピュータ実装方法を提供する。
本発明はさらに、
・受信ユニットと、
・制御および計算ユニットと、および
・出力ユニットと
を備え、
ここで、制御および計算ユニットは、
- 受信ユニットに周波数空間における検査対象の検査領域の複数の第1の表現を受信するように促すように、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するように、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するように、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するように、
- 出力ユニットに実空間における検査領域の1つ以上の表現を出力および/または記憶するように促すように
構成されている、システムを提供する。
・受信ユニットと、
・制御および計算ユニットと、および
・出力ユニットと
を備え、
ここで、制御および計算ユニットは、
- 受信ユニットに周波数空間における検査対象の検査領域の複数の第1の表現を受信するように促すように、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するように、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するように、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するように、
- 出力ユニットに実空間における検査領域の1つ以上の表現を出力および/または記憶するように促すように
構成されている、システムを提供する。
本発明はさらに、コンピュータシステムのメモリにロードすることができるコンピュータプログラムを備えるコンピュータプログラム製品を提供し、ここで、それが、コンピュータシステムに、以下の:
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を実行するように促す。
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を実行するように促す。
本発明はさらに、少なくとも1つの放射線画像を予測するための方法における造影剤の使用を提供し、ここで、この方法は、以下の:
- 周波数空間における検査対象の検査領域の複数の第1の表現を生成するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
- 周波数空間における検査対象の検査領域の複数の第1の表現を生成するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
少なくとも1つの放射線画像を予測するための方法において使用するための造影剤がさらに提供され、ここで、この方法は、以下の:
- 造影剤を投与するステップ、ここで、造影剤は、検査対象の検査領域内に広がり、
- 周波数空間における検査対象の検査領域の複数の第1の表現を生成するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
- 造影剤を投与するステップ、ここで、造影剤は、検査対象の検査領域内に広がり、
- 周波数空間における検査対象の検査領域の複数の第1の表現を生成するステップ、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
- 複数の第1の表現を予測モデルに供給するステップ、ここで、予測モデルは、多数の検査対象の検査領域の第1の参照表現および第2の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の検査領域を表す第1の参照表現から、周波数空間における第2のタイムスパンの間の検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
- 1つ以上の予測された表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
さらに、本発明による造影剤およびコンピュータプログラム製品を含むキットが提供される。
本発明は、本発明の主題(方法、システム、コンピュータプログラム製品、使用、使用のための造影剤、キット)を区別することなく、以下により詳細に説明される。それどころか、以下の説明は、どの文脈(方法、システム、コンピュータプログラム製品、使用、使用のための造影剤、キット)で生じるかにかかわらず、本発明の全ての主題に同様に適用されることが意図される。
ステップが本明細書または特許請求の範囲において順番に記載される場合、これは、必ずしも、本発明が記載された順序に限定されることを意味しない。代わりに、1つのステップが別のステップ上に構築されない限り、これは、前のステップに基づいて構築されたステップが続いて実行されることを絶対に必要とする(ただし、個々の場合には明らかになる)が、ステップは、異なる順序で、または互いに並行して実行されることも考えられる。したがって、記載された順序は、本発明の好ましい実施形態である。
本発明は、検査対象の放射線検査のタイムスパンを短縮することができる。
「検査対象」は、通常、生物、好ましくは哺乳動物、非常に特に好ましくはヒトである。
「検査領域」は通常、検査対象の一部、例えば、臓器または臓器の一部である。画像ボリューム(視野、FOV)とも呼ばれる「検査領域」は特に、放射線画像において撮像されるボリュームである。検査領域は典型的には例えば、概観画像(ローカライザ)上で、放射線科医によって定義される。もちろん、検査領域は代替的にまたは追加的に、例えば選択されたプロトコルに基づいて自動的に定義されることも可能である。
「放射線検査」という用語は、診断、治療、および/または科学的目的のために、電磁線、粒子放射線、または機械的波を用いて検査対象への洞察を可能にする全ての撮像方法を意味すると理解される。本発明の文脈における「放射線学」という用語は特に、以下の検査方法を包含する:コンピュータ断層撮影法、磁気共鳴画像法、超音波検査法、ポジトロン放射断層撮影法、心エコー検査法、シンチグラフィー。
本発明の好ましい実施形態において、放射線検査は磁気共鳴画像検査である。
磁気共鳴画像法(略してMRI)は、ヒトまたは動物の体内の組織および器官の構造および機能を描写するための医学的診断において特に使用される撮像方法である。
MRIにおいて、検査対象物中の陽子の磁気モーメントが基本磁場中で整列され、その結果、縦方向に沿って巨視的な磁化が存在する。次いで、これは、高周波(HF)パルス(励起)の照射によって静止位置から偏向される。次いで、励起状態から静止位置への復帰(緩和)、すなわち磁化のダイナミクスは、1つ以上のHF受信コイルによって緩和信号として検出される。
空間符号化のために、急速に切り替えられた傾斜磁場が基本磁場に重畳される。捕捉された緩和信号、または検出され空間的に分解されたMRIデータは最初に、周波数空間における生データとして存在し、例えば、後続の逆フーリエ変換によって実空間(画像空間)に変換することができる。
ネイティブMRIの場合、組織コントラストは、異なる緩和時間(T1およびT2)およびプロトン密度によって生成される。T1緩和は、縦磁化のその平衡状態への遷移を表し、T1は、共鳴励起前の平衡磁化の63.21%に達するのにかかる時間である。これは、縦緩和時間またはスピン-格子緩和時間とも呼ばれる。T2緩和は同様に、横磁化のその平衡状態への遷移を表す。
放射線検査において、造影剤が、コントラスト増強のために一般に使用される。
「造影剤」は、X線診断、磁気共鳴画像法および超音波検査などの撮像方法における身体の構造および機能の描写を改善する物質または物質の混合物である。
造影剤の実例は文献に見出すことができる(例えば、A.S.L.Jascinthら:Contrast Agents in computed tomography:A Review,Journal of Applied Dental and Medical Sciences,2016,Vol.2,Issue 2,143-149;H.Lusicら:X-ray-Computed Tomography Contrast Agents,Chem.Rev.2013,113,3,1641-1666;https://www.radiology.wisc.edu/wp-content/uploads/2017/10/contrast-agents-tutorial.pdf,M.R.Noughら:Radiographic and magnetic resonances contrast agents:Essentials and tips for safe practices,World J Radiol.2017 Sep 28;9(9):339?349;L.C.Abonyiら:Intravascular Contrast Media in Radiography:Historical Development & Review of Risk Factors for Adverse Reactions,South American Journal of Clinical Research,2016,Vol.3,Issue1,1-10;ACR Manual on Contrast Media,2020,ISBN:978-1-55903-012-0;A.Igneeら:Ultrasound contrast agents,Endosc Ultrasound.2016 Nov-Dec;5(6):355-362を参照されたい)。
MRI造影剤は、造影剤を取り込む構造の緩和時間を変更することによってその効果を発揮する。常磁性物質と超常磁性物質の2つのグループを区別することができる。両方の物質群は、個々の原子または分子の周りに磁場を誘導する不対電子を有する。超常磁性造影剤は、T2の主な短縮をもたらし、一方、常磁性造影剤は、主にT1の短縮をもたらす。造影剤自体は、信号を発するのではなく、その近傍の信号の強度に単に影響を及ぼすだけであるので、前記造影剤の効果は、間接的である。超常磁性造影剤の例は、酸化鉄ナノ粒子(SPIO、超常磁性酸化鉄)である。常磁性造影剤としては、例えば、ガドペンテト酸ジメグルミン(商品名:Magnevist(登録商標)等)、ガドテル酸(Dotarem(登録商標)、Dotagita(登録商標)、Cyclolux(登録商標))、ガドジアミド(Omniscan(登録商標))、ガドテリドール(ProHance(登録商標))およびガドブトロール(Gadovist(登録商標))等のガドリニウムキレートが挙げられる。
本発明を用いて、検査領域の1つ以上の合成放射線画像を予測することが可能である。予測は、予測モデルを用いて行われる。
予測モデルは、周波数空間における検査対象の検査領域の複数の第1の表現に基づいて、周波数空間における検査対象の検査領域の1つ以上の第2の表現を予測するように構成されているコンピュータ支援モデルである。複数の第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表す。少なくとも1つの第2の表現は、第2のタイムスパンの間の検査領域を表す。
「複数」という語は、少なくとも2の数字を意味する。予測に使用される複数の第1の表現は、通常、10以下である。
第2のタイムスパンは、第1のタイムスパンの前または後に来ることができる。タイムスパンが少なくとも部分的に重複するか、または一方のタイムスパンが他方のタイムスパン内にあることも考えられる。
図1(a)(Fig.1(a))、図1(b)(Fig.1(b))、図1(c)(Fig.1(c))および図1(d)(Fig.1(d))は、説明のためのものである。図1(a)、図1(b)、図1(c)および図1(d)はそれぞれ、タイムラインを示している。定義された時点は、タイムライン上にマークされる。時間t0は、造影剤が検査対象に投与される時点を特徴付ける。破線のフレームは、検査対象が放射線検査を受けるタイムスパン、すなわち、例えば、磁気共鳴画像システムまたはコンピュータ断層撮影システムにおいて検査対象が費やす時間を示す。
図1(a)は、放射線検査の典型的なプロファイルを概略的に示す。検査対象は、断層撮影装置に導入される。時点t-1において、検査対象は、断層撮影装置内に位置する。時点t-1において、第1の放射線画像が生成され、すなわち、検査対象の検査領域の表現が生成される。前記時点(t-1)において、造影剤は、検査対象にまだ投与されていない、すなわち、その表現は、造影剤を含まない(ネイティブ)表現である。時点t0において、造影剤が、断層撮影装置内に位置する検査対象に投与される。時点t1、t2およびt3において、検査対象のさらなる表現が生成される。その後、検査対象は、断層撮影装置から離れる。検査対象は、比較的長いタイムスパンTt、断層撮影装置内に位置していた。この間、検査領域の4つの表現が、測定に基づいて、生成された。
図1(b)は、本発明による放射線検査のプロファイルを概略的に示す。検査対象は、断層撮影装置に導入される。時点t-1において、検査対象は、断層撮影装置内に位置する。時点t-1において、検査対象の検査領域の第1の表現が生成される。前記時点(t-1)において、造影剤は、検査対象にまだ投与されていない、すなわち、その表現は、造影剤を含まない(ネイティブ)表現である。時点t0において、造影剤が、断層撮影装置内に位置する検査対象に投与される。時点t1およびt2において、検査対象のさらなる表現が生成される。その後、検査対象は、断層撮影装置から離れる。図1(a)の場合の時点t3での測定に基づいて生成された表現が、図1(b)に示すプロファイルの場合には予測(計算)される。検査対象は、タイムスパンTaの間、断層撮影装置内に位置し、前記タイムスパンTaは、図1(a)のタイムスパンTtよりも短い。したがって、図1(b)の場合、放射線検査は、図1(a)の場合ほど長くは続かず、検査対象にとってより快適であるが;両方の場合で生成されるものは、t-1、t1、t2およびt3の時点における検査領域を表す検査領域の表現である。時点t-1、t1およびt2における測定に基づいて生成された表現は、本発明の文脈における検査対象の検査領域の最初の表現であり、ここで、少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域、すなわち、時点t1、t2およびt3における表現を表し;時点t-1における表現は、造影剤の投与前のタイムスパンにおける検査領域を表す。時点t3における表現は、表現t-1、t1およびt2に基づいて、本発明による予測モデルにより予測される。これは、第2のタイムスパンの間の検査領域を表し、前記第2のタイムスパンは、図1(b)の場合の第1のタイムスパンの後に来る。
図1(c)は、本発明による放射線検査のさらなるプロファイルを概略的に示す。造影剤は、時点t0において検査対象に投与される。前記時点(t0)において、検査対象は、断層撮影装置内にまだ位置していない。検査対象が断層撮影装置に導入されるのは、造影剤が投与された後でのみである。時点t1、t2およびt3において(造影剤投与後の第1のタイムスパンにおいて)、検査対象の検査領域の表現が生成される。これらは、造影剤の投与後の第1のタイムスパンにおける検査領域を表す。時点t3での表現の生成後、検査対象は断層撮影装置から離れることができ、放射線検査は終了している。時点t1、t2およびt3における表現から、時点t-1における表現を予測することができる。時点t-1での表現は、第2のタイムスパンの間の検査領域を表し、前記第2のタイムスパンは、第1のタイムスパンの前に来る。検査対象は、タイムスパンTbの間、断層撮影装置内に位置し、前記タイムスパンTbは、図1(a)のタイムスパンTtよりも短い。したがって、図1(c)の場合、放射線検査は、図1(a)の場合ほど長くは続かず、検査対象にとってより快適であるが、両方の場合に生成されるものは、t-1、t1、t2およびt3の時点における検査領域を表す検査領域の表現である。
図1(d)は、本発明による放射線検査のさらなるプロファイルを概略的に示す。この実施例は、本発明が造影剤の個々の投与に限定されないことを明確にすることを意図している。例えば、2回以上の投与を行うことが考えられる。個々の投与の場合、同じ造影剤を投与する必要もなく、代わりに、異なる造影剤を投与することも可能である。(第1の)造影剤は、時点t0で検査対象に投与される。前記時点(t0)において、検査対象は、断層撮影装置内にまだ位置していない。検査対象が断層撮影装置に導入されるのは、造影剤が投与された後でのみである。時点t2において、検査対象の検査領域の第1の表現が生成される。時点t2における表現は、(第1の)造影剤の投与後の第1のタイムスパンにおける検査領域を表す。時点t3において(第2の)造影剤が投与される。前記時点(t3)において、検査対象は、断層撮影装置内に位置する。(第2の)造影剤の投与後、検査領域の2つのさらなる表現が生成され、1つは時点t4で、もう1つは時点t5である。時点t2、t4およびt5で生成される表現は、造影剤の投与後の第1のタイムスパンの間の検査領域を表す表現である。これらの表現は、時点t-1における検査領域の表現および/または時点t1における検査領域の表現を予測するために使用され得る。時点t-1およびt1における検査領域の表現は、第2のタイムスパンの間の検査領域を表し、前記第2のタイムスパンは、第1のタイムスパンの前に来る。
図1(b)、図1(c)および図1(d)に示すプロファイルと、さらなるプロファイル/変形例との組み合わせも同様に可能である。
本発明の好ましい実施形態において、第1のタイムスパンは、造影剤の投与前に、または造影剤の投与とともに開始する。造影剤を含まない検査領域(ネイティブ画像)を示す検査領域の1つ以上の表現が生成される場合、放射線科医は、そのような画像から検査対象の健康状態に関する重要な情報をすでに取得することができるので、有利である。例えば、放射線科医は、ネイティブMRI画像における出血を識別することができる。
本発明による予測モデルがここに記載される予測を行うことができるようにするためには、事前に適切に構成されていなければならない。
ここで、「予測」という語は、周波数空間における第2のタイムスパンの間の検査領域を表す検査領域の少なくとも1つの表現が、周波数空間における検査領域の複数の第1の表現を使用して計算されることを意味し、ここで、複数の第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表す。
予測モデルは、好ましくは教師あり機械学習プロセスにおける自己学習アルゴリズムを用いて作成(構成、訓練)される。訓練データは、学習に使用される。前記訓練データは、多数の検査対象の各検査対象について、検査領域の複数の表現を含む。検査領域は通常、全ての検査対象(例えば、人体の一部、器官または器官の一部)について同じである。訓練データセットの表現は、本明細書では参照表現とも呼ばれる。「多数」という用語は、好ましくは10を超え、さらにより好ましくは100を超えることを意味する。
各検査対象について、訓練データは、i)周波数空間における検査領域の複数の第1の参照表現を含み、そのうちの少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、およびii)第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の1つ以上の第2の参照表現を含む。
予測モデルは、各検査対象について、複数の第1の参照表現から1つ以上の第2の参照表現を予測(計算)するように訓練される。
自己学習アルゴリズムは、機械学習の間に、訓練データに基づく統計モデルを生成する。このことは、実例が単に暗記されるのではなく、アルゴリズムが訓練データ中のパターンおよび規則性を「認識する」ことを意味する。したがって、予測モデルは、未知のデータも評価することができる。検証データは、未知のデータの評価の質を試験するために使用することができる。
予測モデルは、教師付き学習によって訓練することができ、すなわち、データセットのペア(第1および第2の表現)がアルゴリズムに続いてそれぞれ提示される。次いで、アルゴリズムは、第1の表現と第2の表現との間の関係を学習する。
教師あり学習によって訓練された自己学習システムは、従来技術において広く記載されている(例えば、C.Perez:Machine Learning Techniques:Supervised Learning and Classification,Amazon Digital Services LLC-Kdp Print Us,2019,ISBN1096996545,9781096996545を参照)。
好ましくは、予測モデルは、人工ニューラルネットワークであるか、またはそのようなネットワークを備える。
人工ニューラルネットワークは、処理要素の少なくとも3つの層:入力ニューロン(ノード)を有する第1の層と、少なくとも1つの出力ニューロン(ノード)を有する第Nの層と、N-2の中間層とを備え、Nは、自然数であり、2よりも大きい。
入力ニューロンは、第1の表現を受信する働きをする。出力ニューロンは、複数の第1の表現について1つ以上の第2の表現を出力するように働く。
入力ニューロンと出力ニューロンとの間の層の処理要素は、所定の接続重みを有する所定のパターンで互いに接続される。
好ましくは、人工ニューラルネットワークがいわゆる畳み込みニューラルネットワーク(略してCNN)である。
畳み込みニューラルネットワークは、入力データをマトリクスの形で処理することができる。CNNは本質的に、フィルタ(畳み込み層)および集約層(プーリング層)からなり、これらは交互に繰り返され、最後に、1層または複数層の「通常である」完全に接続されたニューロン(密な/完全に接続された層)からなる。
ニューラルネットワークの訓練は例えば、バックプロパゲーション法によって実行することができる。ネットワークに関するここでの目的は、所与の入力データを所与の出力データにマッピングする最大の信頼性である。マッピング品質は、損失関数によって記述される。目的は、損失関数を最小化することである。バックプロパゲーション法の場合、人工ニューラルネットワークは、接続重みの変更によって学習される。
訓練された状態では、処理要素間の接続重みは、第1の表現と1つ以上の第2の表現との間の関係に関する情報を含み、この情報は、新たな複数の第1の表現(例えば、新たな検査対象の)についての第2のタイムスパンの間の検査領域を示す1つ以上の第2の表現を予測するために使用され得、そのうちの少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間に検査領域を示す。
データを訓練および検証データセットに分割するために、交差検証方法を使用することができる。訓練データセットは、ネットワーク重みのバックプロパゲーション訓練に使用される。検証データセットは、訓練されたネットワークが未知のデータに適用され得る予測の精度をチェックするために使用される。
人工ニューラルネットワークの構築および訓練に関するさらなる詳細は、先行技術から収集することができる(例えば、S.Khanら:A Guide to Convolutional Neural Networks for Computer Vision,Morgan & Claypool Publishers 2018,ISBN1681730227,9781681730226,WO2018/183044A1,WO2018/200493,WO2019/074938A1,WO2019/204406A1,WO2019/241659A1を参照されたい)。
好ましくは、予測モデルは、敵対的生成ネットワーク(GAN)である(例えば、http://3dgan.csail.mit.edu/を参照されたい)。
表現に加えて、検査対象、検査領域、検査条件および/または放射線検査についてのさらなる情報も、訓練、検証および予測のために使用することができる。
検査対象に関する情報の例は、性別、年齢、体重、身長、既往症、既に摂取された薬剤の性質および期間および量、血圧、中心静脈圧、呼吸速度、血清アルブミン、総ビリルビン、血糖、鉄含有量、呼吸能力などである。これらは、例えば、データベースまたは電子患者ファイルから読み取ることができる。
検査領域に関する情報の例は:既存の状態、手術、部分切除、肝臓移植、鉄肝臓、脂肪肝などである。
すでに説明したように、訓練、検証および予測に使用される検査領域の表現は、周波数空間における検査領域の表現(空間周波数空間またはフーリエ空間または周波数領域またはフーリエ表現とも呼ばれる)である。
磁気共鳴画像法において、生データは通常、上述の測定方法により、いわゆるk空間データとして生じる。前記k空間データは、周波数空間における検査領域の描写であり、すなわち、そのようなk空間データは、訓練、検証、および予測のために使用され得る。実空間における表現が存在する場合、実空間におけるそのような表現は、フーリエ変換によって周波数空間における表現に変換(converted)(変換(transformed))することができ;逆に:周波数空間における表現は例えば、逆フーリエ変換によって実空間における表現に変換(converted)(変換(transformed))することができる。
したがって、検査領域の放射線画像が、実空間における2次元画像の形態で存在する場合、検査領域のこの表現は、2Dフーリエ変換によって、周波数空間における検査領域の2次元表現に変換され得る。
検査領域の3次元画像(ボリューム描画)は、2次元画像のスタックとして扱うことができる。また、3Dフーリエ変換により、3次元映像を周波数空間における検査領域の3次元表現に変換することも考えられる。
実空間表現を周波数空間表現に変換するために、フーリエ変換以外の変換を使用することも考えられる。このような変換によって満たされなければならない3つの主要な特性は、以下の通りである:
a)明確な逆変換(実空間描写と周波数空間描写との間の明確な結びつき)の存在
b)コントラスト情報の局所性
c)欠陥画像レジストレーションに関するロバスト性。
a)明確な逆変換(実空間描写と周波数空間描写との間の明確な結びつき)の存在
b)コントラスト情報の局所性
c)欠陥画像レジストレーションに関するロバスト性。
1つの描写から別の描写への変換の詳細は、多数の教科書および出版物に記載されている(例えば、W.Burger,M.J.Burge:Digital Image Processing:An Algorithmic Introduction Using Java,Texts in Computer Science,2nd edition,Springer-Verlag,2016,ISBN:9781447166849;W.Birkfellner:Applied Medical Image Processing,Second Edition:A Basic Course,Verlag Taylor & Francis,2014,ISBN:9781466555570;R.Bracewell:Fourier Analysis and Imaging,Verlag Springer Science & Business Media,2004,ISBN:9780306481871を参照されたい)。
図2(Fig.2)は、実空間および周波数空間における検査領域の表現の生成を例示的かつ概略的に示す。
図2は、タイムラインを示す。3つの異なった時点t1、t2およびt3において、検査領域の表現が、測定に基づいて生成される。検査領域は、ヒトの肺である。時点t1において、第1の表現が生成される。これは、実空間における検査領域(肺)の表現(O1)または周波数空間における検査領域(肺)の表現(F1)であり得る。実空間における検査領域の表現(O1)は、フーリエ変換FTによって、周波数空間における検査領域の表現(F1)に変換され得る。周波数空間における検査領域の表現(F1)は、逆フーリエ変換iFTによって、実空間における検査領域の表現(O1)に変換され得る。2つの表現(O1)および(F1)は、表現が異なるだけで、検査領域に関する同じ情報を含む。時点t2において、さらなる表現が生成される。これは、実空間における検査領域(肺)の表現(O2)または周波数空間における検査領域(肺)の表現(F2)であり得る。実空間における検査領域の表現(O2)は、フーリエ変換FTによって、周波数空間における検査領域の表現(F2)に変換され得る。周波数空間における検査領域の表現(F2)は、逆フーリエ変換iFTによって、実空間における検査領域の表現(O2)に変換され得る。2つの表現(O2)および(F2)は、表現が異なるだけで、検査領域に関する同じ情報を含む。時点t3において、さらなる表現が生成される。これは、実空間における検査領域(肺)の表現(O3)または周波数空間における検査領域(肺)の表現(F3)であり得る。実空間における検査領域の表現(O3)は、フーリエ変換FTによって、周波数空間における検査領域の表現(F3)に変換され得る。周波数空間における検査領域の表現(F3)は、逆フーリエ変換iFTによって、実空間における検査領域の表現(O3)に変換され得る。2つの表現(O3)および(F3)は、表現が異なるだけで、検査領域に関する同じ情報を含む。
実空間における検査領域の表現(O1)、(O2)および(O3)は、人間にとって身近な表現であり;人間によって即座に把握され得る。表現(O1)、(O2)および(O3)は、造影剤が静脈内でどのように動的に広がるかを示す。人間にはより把握するのは困難であるが、同じ情報が表現(F1)、(F2)、および(F3)に含まれている。
図3(Fig.3)は、図2で生成されたような周波数空間における検査領域(F1)、(F2)、および(F3)の表現が、予測モデル(PM)を訓練するためにどのように使用され得るかを概略的かつ例示的に示す。表現(F1)、(F2)および(F3)は、検査対象の訓練データのセットを形成する。訓練は、多数の検査対象の多数の訓練データセットを使用して行われる。
表現(F1)および(F2)は、周波数空間における検査領域の複数(本件では2つ)の第1の参照表現のであり、そのうちの少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の検査領域を表す。表現(F3)は、第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の第2の参照表現である。図3において、予測モデルは、周波数空間における検査領域の表現(F1)および(F2)から周波数空間における検査領域の表現(F3)を予測するように訓練される。表現(F1)および(F2)は、予測モデル(PM)に入力され、および予測モデルは、表現(F1)および(F2)から表現(F3*)を計算する。アスタリスク(*)は、表現(F3*)が予測された表現であることを示す。計算された表現(F3*)は、表現(F3)と比較される。偏差を定義された最小値に低減するように予測モデルを訓練するために、偏差はバックプロパゲーション法において使用され得る。多数の検査対象の多数の訓練データセットに基づいて予測モデルが訓練されており、予測が定義された精度に達している場合、訓練された予測モデルを予測に使用することができる。これは、図4に例示的かつ概略的に示されている。
図4(Fig.4)は、図3で訓練された予測モデル(PM)を示す。予測モデルは、少なくともいくつかが造影剤の投与後の第1のタイムスパンにおける検査領域を表す周波数空間における検査領域の複数の第1の表現に基づいて、周波数空間における検査領域の1つ以上の第2の表現を生成するために使用され、前記1つ以上の第2の表現は、第2のタイムスパンにおける検査領域を表す。
本例において、周波数空間における検査領域の2つの第1の表現(F~1)および(F~2)が、予測モデル(PM)に入力され、および予測モデル(PM)が、第2の表現(F~3*)を生成(計算)する。チルド(~)は、表現が新しい検査対象の表現であることを示し、通常、その表現には、予測モデルの訓練のための訓練方法において使用された表現が存在しない。アスタリスク(*)は、表現(F~3*)が、予測された表現であることを示す。周波数空間における検査領域の表現(F~3*)は例えば、逆フーリエ変換iFTによって、実空間における検査領域の表現(О~3*)に変換することができる。
周波数空間における検査領域の表現の使用は、実空間(画像空間とも呼ばれる)における検査領域の表現の使用よりも有利である。周波数空間における検査領域の表現を用いられると、訓練や予測に重要なコントラスト情報は、詳細情報(微細構造)から分離され得る。これにより、訓練の場合には、予測モデルによって学習されるべき情報に集中することができ、また、予測の場合には、予測モデルによって予測されるべき情報:コントラスト情報にも集中することができる。
実空間における検査領域の表現におけるコントラスト情報は通常、表現全体にわたって分散される(各ピクセル/ボクセルが、コントラストに関する情報を本質的に有する)が、周波数空間における検査領域の表現におけるコントラスト情報は、周波数空間の中心内および中心の周りに符号化される。言い換えれば、周波数空間における表現における低周波数は、コントラストに関与し、一方、高周波数は、微細構造に関する情報を含む。
したがって、コントラスト情報を分離し、訓練および予測をコントラスト情報に制限し、訓練後/予測後に微細構造に関する情報を再導入することが可能である。
好ましい実施形態において、本発明による方法は、以下の:
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の第1の検査領域を表し、
- 第1の表現の中の領域を特定するステップ、ここで、特定された領域は、周波数空間の中心を含み、
- 第1の表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の表現が得られ、
- 複数の縮小された第1の表現を予測モデルに供給するステップ、
- 予測モデルから周波数空間における検査領域の1つ以上の第2の表現を受信するステップ、ここで、1つ以上の第2の表現は、第2のタイムスパンの間の検査領域を表し、
- 特定された領域の外側にある受信された第1の表現の1つ以上の領域によって1つ以上の第2の表現を補足するステップ、ここで、1つ以上の補足された第2の表現が得られ、
- 1つ以上の補足された第2の表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の第1の検査領域を表し、
- 第1の表現の中の領域を特定するステップ、ここで、特定された領域は、周波数空間の中心を含み、
- 第1の表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の表現が得られ、
- 複数の縮小された第1の表現を予測モデルに供給するステップ、
- 予測モデルから周波数空間における検査領域の1つ以上の第2の表現を受信するステップ、ここで、1つ以上の第2の表現は、第2のタイムスパンの間の検査領域を表し、
- 特定された領域の外側にある受信された第1の表現の1つ以上の領域によって1つ以上の第2の表現を補足するステップ、ここで、1つ以上の補足された第2の表現が得られ、
- 1つ以上の補足された第2の表現を実空間における検査領域の1つ以上の表現に変換するステップ、
- 実空間における検査領域の1つ以上の表現を出力および/または記憶するステップ
を含む。
第1の表現における領域の特定は例えば、本発明によるコンピュータシステムのユーザが、本発明によるコンピュータシステムに1つ以上のパラメータを入力すること、および/または、領域の形状および/または大きさを定義するリストから選択することによって達成することができる。しかしながら、例えば、検査領域の表現内の所定の領域を選択するように適切に構成されている本発明によるコンピュータシステムによって、特定が自動的に実行されることも考えられる。
特定された領域は通常、第1の表現によって満たされる周波数空間よりも小さいが、いずれの場合も、周波数空間の中心を含む。
周波数空間の中心(原点またはゼロ点とも呼ばれる)を含む周波数空間の領域は、本発明による方法に関連するコントラスト情報を含む。特定された領域が、第1の表現によって満たされる周波数空間よりも小さい場合、結果は、後続の予測のためのより低い計算の複雑さである(これは特に、予測モデルの訓練にも適用される)。したがって、領域の大きさの選択は、計算の複雑さに直接的な影響を及ぼし得る。
原理的には、第1の表現によって満たされる周波数空間全体に対応する領域を特定することも可能であり;そのような場合、周波数空間のサブ領域への縮小はなく、計算の複雑さは最大である。
したがって、周波数空間の中心の周りの領域を特定することによって、本発明によるコンピュータシステムのユーザは、周波数空間における検査領域の完全な表現が、訓練および予測の基礎を形成することを望むかどうか、または計算の複雑さを低減したいかどうかを自ら決定することができる。ここで、ユーザは、特定された領域の大きさを通して、必要とされる計算の複雑さに直接影響を及ぼすことができる。
特定された領域は通常、周波数空間と同じ次元を有し:2D周波数空間における2D表現の場合、特定された領域は通常、面積(area)であり、3D周波数空間における3D表現の場合、特定された領域は、通常、体積(volume)である。
特定された領域は原則として任意の形状を有することができ、したがって、例えば、円形および/または角張った、凹形および/または凸形であることができる。好ましくは、領域がデカルト座標系における3D周波数空間の場合には直方体または立方体形状であり、デカルト座標系における2D周波数空間の場合には長方形または正方形である。しかしながら、それは、球形または円形であるか、または他の形状を有することもできる。
好ましくは、特定された領域の幾何学的重心は、周波数空間の中心と一致する。
訓練、検証および予測に使用される表現は、特定された領域に縮小される。ここで言う「縮小」との用語は、特定された範囲に存在しない表現の全ての部分が切り取られる(廃棄される)か、またはマスキングによって覆われることを意味する。マスキングの場合、特定された領域の外側にある領域はマスクで覆われ、その結果、特定された領域のみが覆われないままであり、マスクで覆う場合、対応するピクセル/ボクセルの色値は例えば、ゼロ(黒)に設定することができる。
このようにして得られた表現は、本明細書では縮小された表現とも呼ばれる。
縮小後に得られた第1の表現(縮小された第1の表現)は、予測モデルに供給される:予測モデルは、周波数空間における検査領域の表現に対する造影剤の量の動的影響を学習するための訓練方法において予め訓練されている。訓練は同様に、縮小された表現(縮小された第1の表現および縮小された第2の表現)を利用することが好ましい。
このように、予測モデルは、検査領域の表現に対して造影剤がどのような動的影響を有したかを学習し、(縮小された)第1の表現に基づいて1つ以上の(縮小された)第2の表現を予測するために、この学習された「知識」を適用することができる。
1つ以上の予測された第2の表現は、第2のタイムスパンの間の周波数空間における検査領域を表す。
1つ以上の予測された第2の表現は、(縮小された)第1の表現に基づいて予測モデルによって計算および出力される。
少なくとも1つの予測された第2の表現が、縮小された第1の表現に基づいて生成されている場合、最終的な人工的に生成された画像における微細構造に関する情報を可能な限り失わないように、以前に廃棄された部分(切り取られたか、またはマスクで覆われた)を再度追加することが好適である。
以前に廃棄された(切り取られた、またはマスクで覆われた)部分を再使用するために、少なくとも1つの予測された第2の表現は、少なくとも1つの予測された第2の表現が少なくとも1つの最初に受信された第1の表現の対応する重畳された周波数領域を置き換えるように、少なくとも1つの受信された第1の表現と重畳され得る。好ましくは、予測された第2の表現は、造影剤なしの検査領域を表す最初に受信された第1の表現の対応する周波数領域を置き換える。
重畳された周波数領域の置換は、第1の表現を特定された領域に縮小するときに省略された、受信された第1の表現の周波数空間の1つ以上の領域による補足に対応する。
言い換えると:検査領域の少なくとも1つの予測された第2の表現の周波数空間は、少なくとも1つの最初に受信された第1の表現の領域によって満たされ、それによって、少なくとも1つの最初に受信された第1の表現は、予測された第2の表現よりも大きい。
したがって、周波数空間における検査領域の表現を使用することによって、コントラスト情報を詳細情報から分離し、訓練および予測をコントラスト情報に限定し、次いで、訓練および/または予測後に詳細情報を再導入することが可能である。すでに説明したように、この手順は、訓練、検証、および予測の間の計算の複雑さを軽減する。
しかしながら、周波数空間における作業は、実空間における作業よりもさらに別の利点を有する:周波数空間では、実空間ほど、個々の表現のコレジストレーションは重要ではない。「コレジストレーション」(従来技術では「画像レジストレーション」とも呼ばれる)は、デジタル画像処理における重要なプロセスであり、同じシーン、または少なくとも類似のシーンの2つ以上の画像を、可能な限り最良の方法で互いに調和させるように働く。画像のうちの1つは参照画像として定義され、他は対象画像と呼ばれる。前記対象画像を参照画像と最適にマッチングさせるために、補償変換が計算される。位置合わせされるべき画像は、異なる位置から、異なる時点で、および/または異なるセンサを用いて取得されたので、互いに異なる。
本発明の場合、検査領域の複数の第1の表現の個々の表現は、第1に、異なる時点で生成され;第2に、検査領域における造影剤の含有量および拡散に関して異なる。
したがって、周波数空間における検査領域の表現の使用は、実空間における検査領域の表現の使用に勝る利点を有し、訓練、検証および予測方法は、画像位置合わせにおける誤差に関してより寛容である。言い換えれば:周波数空間における表現が正確に重ね合わされない場合、これは、実空間における表現がピクセル/ボクセル正確さに重ね合わされない場合よりも影響が少ない。これはフーリエ変換の特性によるものであり:既に説明したように、フーリエ変換された画像のコントラスト情報は常に、フーリエ空間の原点(中心)付近にマッピングされる。画像空間(実空間)における回転(Turns)または回転(rotations)は、画像情報(例えば、可視構造)が変換後の画像の異なる領域に局在化されることをもたらす。しかしながら、フーリエ空間では、これらの変換が本発明に関連するコントラスト情報が符号化される領域を変更しない。
図5(Fig.5)は、本発明の好ましい実施形態による予測モデルの訓練におけるステップを例示的かつ概略的に示す。
受信されるものは、周波数空間における検査対象の2つの第1の表現(F1)および(F2)と、周波数空間における検査対象の第2の表現(F3)である。表現(F1)、(F2)および(F3)において、それぞれ同じ領域Aが特定される。領域Aは周波数空間の中心を含み、この場合、正方形を有し、正方形の幾何学的重心は、周波数空間の中心と一致する。表現(F1)、(F2)および(F3)は、それぞれ特定された領域Aに縮小され:3つの縮小された表現(F1red)、(F2red)および(F3red)になる。縮小された表現は、訓練に使用される。予測モデルは、縮小された表現(F1red)および(F2)から縮小された表現(F3red)を予測するように訓練される。縮小された表現(F1red)および(F2red)は、予測モデル(PM)に供給され、予測モデルは、縮小された表現(F3red)にできるだけ近づく縮小された表現(F3*red)を計算する。
図6(Fig.6)は、図5において訓練された予測モデルが予測のためにどのように使用され得るかを例示的かつ概略的に示す。
本例において、周波数空間における検査領域の2つの第1の表現(F~1)および(F~2)が受信され、それぞれ特定された領域Aに縮小される。結果は、2つの縮小された第1の表現(F~1red)および(F~2red)である。縮小された第1の表現(F~1red)および(F~2red)は、訓練された予測モデル(PM)に供給される。訓練された予測モデル(PM)は、縮小された第1の表現(F~1red)および(F~2red)から縮小された第2の表現(F~3red*)を計算する。縮小された第2の表現(F~3red*)は、さらなる段階において、受信された第1の表現(F~1)を縮小するときに破棄された受信された第1の表現(F~1)の領域(F~1DI)によって(特定された領域Aの外にある領域によって)補足される。説明したように、受信された第1の表現(F~1)の部分に代えて、またはそれに加えて、受信された第2の表現(F~2)の部分を縮小された第3の表現(F~3red*)に追加することも可能である。
補足表現(F~3red*)+(F~1DI)から、実空間における検査領域の表現(О~3*)を逆フーリエ変換により生成することができる。
周波数空間描写を実空間描写に変換するために、例えば、反復再構成法などの他の方法を使用することもできることに留意されたい。
本発明による方法は、コンピュータシステムを用いて実行することができる。本発明はさらに、(例えば、本発明によるコンピュータプログラムを用いて)本発明による方法を実行するように構成されたコンピュータシステムを提供する。
図7(Fig.7)は、本発明によるコンピュータシステムの一実施形態を概略的かつ例示的に示す。コンピュータシステム(10)は、受信ユニット(11)と、制御および計算ユニット(12)と、出力ユニット(13)とを備える。
「コンピュータシステム」は、プログラム可能な計算規則によってデータを処理する電子データ処理のためのシステムである。そのようなシステムは通常、しばしば「コンピュータ」とも呼ばれる制御および計算ユニットを備え、前記ユニットは、論理演算を実行するためのプロセッサと、コンピュータプログラムをロードするためのメモリと、周辺機器とを備える。
コンピュータ技術において、「周辺機器」は、コンピュータに接続され、コンピュータの制御のために、および/または入力および出力デバイスとして使用されるすべてのデバイスを指す。その例は、モニタ(スクリーン)、プリンタ、スキャナ、マウス、キーボード、ジョイスティック、ドライブ、カメラ、マイクロホン、スピーカなどである。内蔵ポートと拡張カードは、コンピュータテクノロジの周辺機器とも見なされる。
今日のコンピュータシステムは一般に、デスクトップPC、ポータブルPC、ラップトップ、ノートブック、ネットブックおよびタブレットPC、ならびにいわゆるハンドヘルド(例えば、スマートフォン)に細分化され;すべてのそのようなシステムは、本発明の実行のために使用され得る。
(例えば、ユーザによる制御のための)コンピュータシステムへの入力は例えば、キーボード、マウス、マイクロホン、タッチセンシティブディスプレイなどの入力手段を介して達成される。出力は、特にモニタ(スクリーン)、プリンタおよび/またはデータ記憶媒体とすることができる出力ユニット(13)を介して達成される。
本発明によるコンピュータシステム(10)は、造影剤の投与後の第1のタイムスパンの間に検査領域を表す周波数空間における検査対象の検査領域の複数の第1の表現から、周波数空間における検査対象の検査領域の1つ以上の第2の表現を予測するように構成され、ここで、1つ以上の第2の表現は、第2のタイムスパンの間の検査領域を表す。
制御および計算ユニット(12)は、受信ユニット(11)および出力ユニット(13)の制御、様々なユニット間のデータおよび信号フローの調整、検査領域の表現の処理および人工放射線画像の生成するために機能する。複数の制御および計算ユニットが存在することが考えられる。
受信ユニット(11)は、検査領域の表現を受信するために機能する。表現は例えば、磁気共鳴画像システムから送信されてもよいし、コンピュータ断層撮影システムから送信されてもよいし、データ記憶媒体から読み出されてもよい。磁気共鳴画像システムまたはコンピュータ断層撮影システムは、本発明によるコンピュータシステムの構成要素とすることができる。しかしながら、本発明によるコンピュータシステムは、磁気共鳴画像システムまたはコンピュータ断層撮影システムの構成要素であることも考えられる。表現は、ネットワーク接続または直接接続を介して送信され得る。表現は、無線通信(WLAN、Bluetooth、モバイル通信など)を介して、および/またはケーブルを介して送信され得る。複数の受信ユニットが存在することが考えられる。データ記憶媒体はまた、本発明によるコンピュータシステムの構成要素であってもよく、または例えばネットワークを介してそれに接続されてもよい。複数のデータ記憶媒体が存在することが考えられる。
表現および場合によってはさらなるデータ(例えば、検査対象に関する情報、画像取得パラメータなど)は、受信ユニットによって受信され、制御および計算ユニットに送信される。
制御および計算ユニットは、受信されたデータに基づいて人工放射線画像を生成するように構成される。
出力ユニット(13)を介して、人工放射線画像は、(例えば、モニタ上に)表示されるか、(例えば、プリンタを介して)出力されるか、またはデータ記憶媒体に記憶され得る。複数の出力ユニットが存在することが考えられる。
図8(Fig.8)は、予測モデルを訓練するための本発明による方法の好ましい実施形態をフローチャートの形態で例示的に示す。
方法(100)は、以下の:
(110) 訓練データを受信するステップ、ここで、訓練データは、多数の検査対象の各検査対象について、i)周波数空間における検査領域の複数の第1の参照表現を含み、そのうちの少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、およびii)第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の1つ以上の第2の参照表現を含み、
(120) 各検査対象について:複数の第1の参照表現を予測モデルに供給するステップ、ここで、予測モデルは、複数の第1の参照表現に基づいて1つ以上の第2の参照表現生成するように訓練され、ここで、訓練は、損失関数の最小化を含み、ここで、損失関数は、1つ以上の受信された第2の参照表現からの、生成された第2の参照表現の偏差を定量化し、
(130) 訓練された予測モデルを出力および/または記憶し、および/または訓練された予測モデルを、新しい検査対象の検査領域の1つ以上の表現を予測するための方法に供給するステップ
を含む。
(110) 訓練データを受信するステップ、ここで、訓練データは、多数の検査対象の各検査対象について、i)周波数空間における検査領域の複数の第1の参照表現を含み、そのうちの少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、およびii)第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の1つ以上の第2の参照表現を含み、
(120) 各検査対象について:複数の第1の参照表現を予測モデルに供給するステップ、ここで、予測モデルは、複数の第1の参照表現に基づいて1つ以上の第2の参照表現生成するように訓練され、ここで、訓練は、損失関数の最小化を含み、ここで、損失関数は、1つ以上の受信された第2の参照表現からの、生成された第2の参照表現の偏差を定量化し、
(130) 訓練された予測モデルを出力および/または記憶し、および/または訓練された予測モデルを、新しい検査対象の検査領域の1つ以上の表現を予測するための方法に供給するステップ
を含む。
図9は、予測モデルを訓練するための本発明による方法のさらに好ましい実施形態をフローチャートの形態で例示的に示す。
方法(200)は、以下の:
(210) 訓練データを受信するステップ、ここで、訓練データは、多数の検査対象の各検査対象について、i)周波数空間における検査領域の複数の第1の参照表現を含み、そのうちの少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、およびii)第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の1つ以上の第2の参照表現を含み、
(220) 第1の参照表現における領域を特定するステップ、ここで、特定された表現は、周波数空間の中心を含み、
(230) 参照表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の参照表現および1つ以上の縮小された第2の参照表現は、各検査対象について取得され、
(240) 各検査対象について:複数の縮小された第1の参照表現を予測モデルに供給するステップ、ここで、予測モデルは、複数の縮小された第1の参照表現に基づいて1つ以上の縮小された第2の参照表現を生成するように訓練され、ここで、訓練は、損失関数の最小化を含み、ここで、損失関数は、訓練データの1つ以上の縮小された第2の参照表現からの、生成された縮小された第2の参照表現の偏差を定量化し、
(250) 訓練された予測モデルを出力および/または記憶し、および/または訓練された予測モデルを、新しい検査対象の検査領域の1つ以上の表現を予測するための方法に供給するステップ
を含む。
(210) 訓練データを受信するステップ、ここで、訓練データは、多数の検査対象の各検査対象について、i)周波数空間における検査領域の複数の第1の参照表現を含み、そのうちの少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、およびii)第2のタイムスパンの間の検査領域を表す周波数空間における検査領域の1つ以上の第2の参照表現を含み、
(220) 第1の参照表現における領域を特定するステップ、ここで、特定された表現は、周波数空間の中心を含み、
(230) 参照表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の参照表現および1つ以上の縮小された第2の参照表現は、各検査対象について取得され、
(240) 各検査対象について:複数の縮小された第1の参照表現を予測モデルに供給するステップ、ここで、予測モデルは、複数の縮小された第1の参照表現に基づいて1つ以上の縮小された第2の参照表現を生成するように訓練され、ここで、訓練は、損失関数の最小化を含み、ここで、損失関数は、訓練データの1つ以上の縮小された第2の参照表現からの、生成された縮小された第2の参照表現の偏差を定量化し、
(250) 訓練された予測モデルを出力および/または記憶し、および/または訓練された予測モデルを、新しい検査対象の検査領域の1つ以上の表現を予測するための方法に供給するステップ
を含む。
図10(Fig.10)は、1つ以上の表現を予測するための本発明による方法の好ましい実施形態をフローチャートの形態で例示的に示す。
方法(300)は、以下の:
(310) 予測モデルを提供するステップ、ここで、予測モデルは、上述の方法(100)に従って訓練されており、
(320) 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
(330) 複数の第1の表現を予測モデルに供給するステップ、
(340) 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
(350) 1つ以上の予測された表現を、実空間における検査領域の1つ以上の表現に変換するステップ、
(360) 実空間における1つ以上の検査領域の表現を出力および/または記憶するステップ
を含む。
(310) 予測モデルを提供するステップ、ここで、予測モデルは、上述の方法(100)に従って訓練されており、
(320) 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
(330) 複数の第1の表現を予測モデルに供給するステップ、
(340) 予測モデルから周波数空間における検査領域の1つ以上の予測された表現を受信するステップ、ここで、1つ以上の予測された表現は、第2のタイムスパンの間の検査領域を表し、
(350) 1つ以上の予測された表現を、実空間における検査領域の1つ以上の表現に変換するステップ、
(360) 実空間における1つ以上の検査領域の表現を出力および/または記憶するステップ
を含む。
図11(Fig.11)は、1つ以上の表現を予測するための本発明による方法のさらに好ましい実施形態をフローチャートの形態で例示的に示す。
方法(400)は、以下の:
(410) 予測モデルを提供するステップ、ここで、予測モデルは、上述の方法(200)に従って訓練されており、
(420) 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
(430) 第1の表現における領域を特定するステップ、ここで、特定された領域は、周波数空間の中心を含み、
(440) 第1の表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の表現が得られ、
(450) 複数の縮小された第1の表現を予測モデルに供給するステップ、
(460) 予測モデルから周波数空間における検査領域の1つ以上の第2の表現を受信するステップ、ここで、1つ以上の第2の表現は、第2のタイムスパンの間の検査領域を表し、
(470) 特定された領域の外側にある受信された第1の表現の1つ以上の領域によって1つ以上の第2の表現を補足するステップ、ここで、1つ以上の補足された第2の表現が得られ、
(480) 1つ以上の補足された第2の表現を実空間における1つ以上の表現に変換するステップ、
(490) 実空間における検査領域の1つ以上の表現の出力および/または記憶するステップ
を含む。
(410) 予測モデルを提供するステップ、ここで、予測モデルは、上述の方法(200)に従って訓練されており、
(420) 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、第1の表現の少なくとも一部は、造影剤の投与後の第1のタイムスパンの間の検査領域を表し、
(430) 第1の表現における領域を特定するステップ、ここで、特定された領域は、周波数空間の中心を含み、
(440) 第1の表現を特定された領域に縮小するステップ、ここで、複数の縮小された第1の表現が得られ、
(450) 複数の縮小された第1の表現を予測モデルに供給するステップ、
(460) 予測モデルから周波数空間における検査領域の1つ以上の第2の表現を受信するステップ、ここで、1つ以上の第2の表現は、第2のタイムスパンの間の検査領域を表し、
(470) 特定された領域の外側にある受信された第1の表現の1つ以上の領域によって1つ以上の第2の表現を補足するステップ、ここで、1つ以上の補足された第2の表現が得られ、
(480) 1つ以上の補足された第2の表現を実空間における1つ以上の表現に変換するステップ、
(490) 実空間における検査領域の1つ以上の表現の出力および/または記憶するステップ
を含む。
以下に挙げるのは、本発明を、人工放射線画像を生成するためにどのように使用できるかのいくつかの実施例である。
実施例1
一実施形態において、本発明は、血管内造影剤(血液プール(造影)剤とも呼ばれる)をシミュレートするために使用される。
一実施形態において、本発明は、血管内造影剤(血液プール(造影)剤とも呼ばれる)をシミュレートするために使用される。
比較的長い取得時間/走査時間で放射線画像を生成するとき、例えば、血管系を描写するための胸部と腹部の自由呼吸下での画像取得の場合(例えば、MRIにおける自由呼吸下での肺塞栓症の診断)、細胞外造影剤は血管系から比較的急速に排除され、これはコントラストが急速に低下することを意味する。しかしながら、コントラストをより長い時間維持することができれば有利である。
この問題を解決するために、周波数空間における検査領域の複数の第1の表現が第1のステップにおいて生成/受信され、ここで、第1の表現の少なくともいくつかは、造影剤の投与後の検査領域を表す。
投与される造影剤は、細胞外造影剤および/または細胞内造影剤であり得る。
造影剤は、好ましくは体重に基づく投薬を使用して、検査対象の血管内、例えば腕静脈内に導入される。そこから、それは血液循環系に沿って血液と共に移動する。
「血液循環系」は、ヒトおよびほとんどの動物の体内の血液によって覆われる経路である。これは、心臓によって、および血管のネットワーク(心血管系、血管系)によって形成される血液の流れ系である。
細胞外造影剤は、検査対象、造影剤および投与量に依存する一定の期間、血液循環系内を循環し、一方、腎臓を介して血液循環系から連続的に排除される。
造影剤が検査対象の血管系内で広がるおよび/または循環する間に、血管系またはその一部の少なくとも1つの第1の表現が捕捉される。血管系またはその一部における造影剤の拡散の異なる位相(例えば、分布位相、動脈位相、静脈位相など)を表す複数の第1の表現を捕捉することができる。複数の画像の捕捉は、血管の種類の後の区別を可能にする。
測定された表現は、周囲組織に対するコントラスト増強を伴う血管系またはその一部を表す。好ましくは少なくとも1つの表現がコントラスト増強(動脈相)を有する動脈を示し、一方、少なくとも1つのさらなる表現はコントラスト増強(静脈相)を有する静脈を示す。
人工表現は、測定された表現に基づいて生成される。人工表現は、好ましくは測定された表現と同じ検査領域を示す。検査領域の複数の測定された表現が、造影剤の投与後の異なる時点で捕捉された場合、造影剤が血管から徐々に排除されるので、後の表現は特に、周囲組織に対して次第に低下するコントラストを有する血管を示す。対照的に、人工表現は、周囲組織に対して一貫して高いコントラストを有する血管を示す。
これは、経時的に変化する血管のコントラスト増強を示す測定された表現に基づいて、経時的に一定である血管のコントラスト増強を示す複数の表現を予測するように事前に訓練された、本発明による予測モデルに供給される測定された表現によって達成される。
そのような予測モデルの訓練および検証のために使用される参照データは通常、細胞外または細胞内造影剤の投与後の検査領域の測定された表現を含む。参照データは、血液プール造影剤の投与後の検査領域の表現をさらに含むことができる。そのような参照データは例えば、臨床研究において確認することができる。このような臨床試験に使用することができる血管内造影剤は例えば、フェルモキシトールである。フェルモキシトールは、経口療法を実施することができない慢性腎疾患における鉄欠乏症の非経口治療のために認可されているコロイド鉄-炭水化物複合体である。フェルモキシトールは、静脈内注射として投与される。フェルモキシトールは、Rienso(登録商標)またはFerahme(登録商標)の商品名で静脈内注射用の液剤として市販されている。鉄-炭水化物複合体は超常磁性を示し、従ってMRI検査におけるコントラスト増強に使用できる(未公認(off-label))(例えば、L.P.Smitsら:Evaluation of ultrasmall superparamagnetic iron-oxide(USPIO) enhanced MRI with ferumoxytol to quantify arterial wall inflammation,Atherosclerosis 2017,263:211-218を参照されたい)。
血管内造影剤Ablavar(登録商標)の投与後の表現を訓練データとして用いることも同様に考えられる。
同様に、例えば、第1の表現に基づくセグメンテーション法によって、経時的に一定のコントラスト増強を有する検査領域の血管を示す参照表現を合成的に生成することも考えられる。セグメンテーション法は、文献に広く記載されている。以下の刊行物を例として挙げることができる:F.Conversanoら:Hepatic Vessel Segmentation for 3D Planning of Liver Surgery,Acad Radiol 2011,18:461-470;S.Mocciaら:Blood vessel segmentation algorithms-Review of methods,datasets and evaluation metrics,Computer Methods and Programs in Biomedicine 158(2018)71-91;M.Marcanら:Segmentation of hepatic vessels from MRI images for planning of electroporation-based treatments in the liver,Radiol Oncol 2014;48(3):267-281;T.A.Hopeら:Improvement of Gadoxetate Arterial Phase Capture With a High Spatio-Temporal Resolution Multiphase Three-Dimensional SPGR-Dixon Sequence,Journal of Magnetic Resonance Imaging 38:938-945(2013);WO2009/135923A1,US6754376B1,WO2014/162273A1,WO2017/139110A1,WO2007/053676A2,EP2750102A1)。
供給された第1の表現に基づいて、訓練された予測モデルは、次いで、経時的に一定である血管のコントラスト増強を示す第2の表現を生成する。
実施例2
好ましい実施形態において、本発明がダイナミック造影磁気共鳴画像法において1つ以上の人工MRI画像を生成(予測)するために使用される。
好ましい実施形態において、本発明がダイナミック造影磁気共鳴画像法において1つ以上の人工MRI画像を生成(予測)するために使用される。
以下のテキストでは、用語「画像」が使用される。「画像」は、本発明の文脈における表現である。画像は、実空間における表現または周波数空間における表現とすることができる。予測モデルの訓練および予測のために、周波数空間における表現、すなわち、例えばk空間データが常に使用される。しかしながら、実空間における表現が測定に基づいて生成される場合、それらは、例えば、フーリエ変換によって、訓練および/または予測に導入される以前に、周波数空間における表現に変換することができる。
検査領域は、基本磁場に導入される。検査領域は、MRI方法にかけられ、この過程で、第1のタイムスパンの間に検査領域を示す複数のMRI画像が生成される。第1のタイムスパンの間の測定に基づいて生成されたこれらのMRI画像は、本明細書では第1のMRI画像とも呼ばれる。
「複数」という用語は、少なくとも2つの(第1の)MRI画像、好ましくは少なくとも3つの(第1の)MRI画像、非常に特に好ましくは少なくとも4つの(第1の)MRI画像が生成されることを意味する。
検査領域に広がる造影剤が、検査対象に投与される。造影剤は好ましくは、体重に基づく投薬を用いて(例えば、腕静脈内に)ボーラスとして静脈内投与される。
好ましくは、造影剤が例えば、Gd-EOB-DTPAまたはGd-BOPTAなどの肝胆道造影剤である。特に好ましい実施形態において、造影剤は、コントラスト増強活性物質としてガドキセト酸またはガドキセト酸の塩を有する物質または物質混合物である。ガドキセト酸の二ナトリウム塩(Gd-EOB-DTPA二ナトリウム)が極めて特に好ましい。
第1のタイムスパンは好ましくは、検査領域内に分布する造影剤を含む。好ましくは、第1のタイムスパンが、検査対象の肝臓または肝臓の一部のダイナミック造影磁気共鳴画像法における動脈相および/または門脈相および/または後期相を含む。前記相は例えば、以下の刊行物に定義および記載されている:J.Magn.Reson.Imaging,2012,35(3):492-511,doi:10.1002/jmri.22833;Clujul Medical,2015,Vol.88 no.4:438-448,DOI:10.15386/cjmed-414;Journal of Hepatology,2019,Vol.71:534?542,http://dx.doi.org/10.1016/j.jhep.2019.05.005)。
図12(Fig.12)は、ヒトの腕静脈に肝胆道造影剤を投与した後の肝動脈(A)、肝静脈(V)および健康な肝細胞(P)における造影剤の濃度の経時的プロファイルを模式的に示す。濃度は、時間tの関数としての磁気共鳴測定における記載された領域(肝動脈、肝静脈、肝細胞)におけるシグナル強度Iの形態で示される。静脈内ボーラス注射の際、造影剤の濃度は、まず肝動脈(A)内で上昇する(破線曲線)。濃度は最大値を通過し、その後低下する。肝静脈(V)中の濃度は肝動脈中よりもゆっくりと上昇し、その最大値に達する(点線曲線)。健康な肝細胞(P)中の造影剤の濃度はゆっくり(連続曲線)上昇し、非常に後の時点でのみその最大値に達する(最大値は図12に示されていない)。いくつかの特徴的な時点を定義することができる:時点TP0において、造影剤がボーラスとして静脈内投与される。時点TP1において、肝動脈内の造影剤の濃度(信号強度)は、その最大値に達する。時点TP2において、肝動脈および肝静脈の信号強度の曲線が交差する。時点TP3において、肝静脈における造影剤の濃度(信号強度)は、その最大値を通過する。時点TP4において、肝動脈および肝細胞のシグナル強度の曲線が交差する。時点T5において、肝動脈および肝静脈の濃度は、もはや測定可能なコントラスト増強を引き起こさないレベルまで低下している。
好ましい実施形態において、第1のタイムスパンが、
(i) 造影剤を含まない検査領域を示し、
(ii) 動脈相の間の検査領域を示し、ここで、造影剤が動脈を介して検査領域に広がり、
(iii) 門脈相の間の検査領域を示し、ここで、造影剤が門脈を介して検査領域に入り、および
(iv) 後期相の間の検査領域を示す、ここで、動脈および静脈内の造影剤の濃度は低下し、肝細胞内の造影剤の濃度は上昇する、
検査対象の肝臓または肝臓の一部のMRI画像が生成されるように選択され。
(i) 造影剤を含まない検査領域を示し、
(ii) 動脈相の間の検査領域を示し、ここで、造影剤が動脈を介して検査領域に広がり、
(iii) 門脈相の間の検査領域を示し、ここで、造影剤が門脈を介して検査領域に入り、および
(iv) 後期相の間の検査領域を示す、ここで、動脈および静脈内の造影剤の濃度は低下し、肝細胞内の造影剤の濃度は上昇する、
検査対象の肝臓または肝臓の一部のMRI画像が生成されるように選択され。
好ましくは、第1のタイムスパンは、造影剤の投与前1分から1秒のタイムスパンで、または造影剤の投与と共に開始し、造影剤の投与から2分から15分、好ましくは2分から13分、さらにより好ましくは3分から10分のタイムスパンにわたって持続する。造影剤は非常に遅い腎臓および胆汁排泄を受けるので、第2のタイムスパンは、造影剤の投与後、最大2時間以上続く可能性がある。
好ましい実施形態において、第1のタイムスパンが少なくとも時点TP0、TP1、TP2、TP3およびTP4を含む。
好ましい実施形態において、以下の全てのフェーズの少なくともMRI画像が(測定に基づいて)生成される:TP0の前のタイムスパンにおいて、TP0からTP1までのタイムスパンにおいて、TP1からTP2までのタイムスパンにおいて、TP2からTP3までのタイムスパンにおいて、TP3からTP4までのタイムスパンにおいて。
TP0の前、TP0~TP1、TP1~TP2、TP2~TP3、およびTP3~TP4のタイムスパンにおいて、1つ以上のMRI画像がそれぞれ(測定に基づいて)生成されることが考えられる。
第1のタイムスパンの間に(測定に基づいて)生成された(第1の)MRI画像に基づいて、第2のタイムスパンの間の検査領域を示す第2のMRI画像または複数の第2のMRI画像が予測される。第2のタイムスパンについて予測されるMRI画像は、本明細書では第2のMRI画像とも呼ばれる。
本発明の好ましい実施形態において、第2のタイムスパンは、第1のタイムスパンの後に続く。
第2のタイムスパンは好ましくは、肝胆管相内のタイムスパンであり;好ましくは、造影剤の投与後少なくとも10分、好ましくは造影剤の投与後少なくとも20分に開始するタイムスパンである。
第2のタイムスパンの間の検査領域を表す、少なくとも1つの第2の表現は、本発明による予測モデルを用いて予測される。予測モデルは、第1のタイムスパンの間の検査領域を示す複数の第1のMRI画像に基づいて、第2のタイムスパンの間の検査領域を示す1つ以上のMRI画像を予測するように予め訓練されている。
ここで説明する実施例は、図1(b)にも概略的に示されている。
実施例3
本発明のさらに好ましい実施形態において、本発明は、肝臓の病変を血管と区別するために使用される。T1強調MRI画像において、Primovist(登録商標)が注射後10~20分(肝胆道相において)に、健康な肝臓の柔組織において明確なシグナル増強を導くが、一方、肝細胞を含まないか、またはわずかな肝細胞のみを含む病巣、例えば、転移または中程度から低分化肝細胞癌(HCC)は、より暗い領域として現れる。しかし、肝胆道相において、血管も暗い領域として現れ、肝胆道相の間で生成されるMRI画像において、コントラストのみに基づいて肝病変と血管を区別することができないことを意味する。
本発明のさらに好ましい実施形態において、本発明は、肝臓の病変を血管と区別するために使用される。T1強調MRI画像において、Primovist(登録商標)が注射後10~20分(肝胆道相において)に、健康な肝臓の柔組織において明確なシグナル増強を導くが、一方、肝細胞を含まないか、またはわずかな肝細胞のみを含む病巣、例えば、転移または中程度から低分化肝細胞癌(HCC)は、より暗い領域として現れる。しかし、肝胆道相において、血管も暗い領域として現れ、肝胆道相の間で生成されるMRI画像において、コントラストのみに基づいて肝病変と血管を区別することができないことを意味する。
本発明は、検査対象の肝臓または肝臓の一部の人工MRI画像を生成するために使用することができ、ここで、肝臓病変をより容易に識別できるようにするために、肝臓内の血管と肝臓細胞との間のコントラストが人工的に最小化されている。
「画像」は、本発明の文脈における表現である。画像は、実空間における表現または周波数空間における表現とすることができる。予測モデルの訓練および予測のために、周波数空間における表現が常に使用される。しかし、実空間における表現は、測定に基づいて生成することができ、その後、訓練および/または予測に導入される前に、例えばフーリエ変換によって周波数空間における表現に変換される。
複数の第1の表現は、血管が識別可能である検査領域の少なくとも1つの表現を含み、好ましくは、造影剤(血管表現)によるコントラスト増強を伴って描出される。
常磁性造影剤を使用する場合、そのような表現における血管は、コントラスト増強(高信号描写)による高信号強度によって特徴付けられる。したがって、経験的に確認可能な範囲内の信号強度を有するそのような表現内の(連続的である)構造は、血管に起因し得る。これは、そのような表現を用いて、血管が実空間描写で描写される場所、またはどの構造が実空間描写で血管(動脈および/または静脈)に帰属され得るかについての情報が存在することを意味する。
複数の第1の表現はさらに、健康な肝細胞がコントラスト増強(肝細胞表現)で描写される検査領域の少なくとも1つの表現、例えば、肝胆道相の間に取得された検査領域の表現を含む。
血管を介した少なくとも1つの血管表現からの情報は、少なくとも1つの肝細胞表現からの情報と組み合わされる。これは、血管に起因し得る構造と、健康な肝細胞に起因し得る構造との間のコントラストの差が平準化された少なくとも1つの表現を(人工的に)生成(計算)することを含む。
ここで、「平準化」との用語は、「調和」または「最小化」を意味する。平準化の目的は、人工的に生成された表現において血管と健康な肝細胞との境界を消失させ、人工的に生成された表現における血管と健康な肝細胞とを均一な組織として見せ、これに対して、異なるコントラストのために肝臓病変が構造的に目立せることである。
通常、1(番号=1)の人工表現は、1(番号=1)の血管表現と1(番号=1)の肝細胞表現に基づいて予測される。
少なくとも1つの血管表現および少なくとも1つの肝細胞表現に加えて、少なくとも1つのネイティブ表現も、少なくとも1つの人工表現を予測するために追加的に使用されることが考えられる。
一実施形態において、人工表現の生成は、以下の:
- 少なくとも1つの血管表現および少なくとも1つの肝細胞表現を予測モデルに供給するステップ、ここで、予測モデルは、参照表現に基づいて、少なくとも1つの参照血管表現および少なくとも1つの参照肝細胞表現から少なくとも1つの人工表現を生成するように教師あり学習によって訓練されており、ここで、血管に起因し得る構造と、健康な肝細胞に起因し得る構造との間のコントラストにおける差異は、少なくとも1つの人工表現において平準化されており、
- 予測モデルからの出力として少なくとも1つの人工表現を受信するステップ
を含む。
- 少なくとも1つの血管表現および少なくとも1つの肝細胞表現を予測モデルに供給するステップ、ここで、予測モデルは、参照表現に基づいて、少なくとも1つの参照血管表現および少なくとも1つの参照肝細胞表現から少なくとも1つの人工表現を生成するように教師あり学習によって訓練されており、ここで、血管に起因し得る構造と、健康な肝細胞に起因し得る構造との間のコントラストにおける差異は、少なくとも1つの人工表現において平準化されており、
- 予測モデルからの出力として少なくとも1つの人工表現を受信するステップ
を含む。
実施例4
さらなる実施形態において、本発明は、肝臓のネイティブMRI画像を生成するために使用される。ここで、造影剤によって引き起こされるコントラスト増強無しの肝臓または肝臓の一部を示す検査対象の肝臓または肝臓の一部の1つ以上の人工MRI画像が生成される。人工MRI画像(複数可)は、すべて造影剤によって引き起こされるコントラスト増強によって取得されたMRI画像に基づいて作成される。
さらなる実施形態において、本発明は、肝臓のネイティブMRI画像を生成するために使用される。ここで、造影剤によって引き起こされるコントラスト増強無しの肝臓または肝臓の一部を示す検査対象の肝臓または肝臓の一部の1つ以上の人工MRI画像が生成される。人工MRI画像(複数可)は、すべて造影剤によって引き起こされるコントラスト増強によって取得されたMRI画像に基づいて作成される。
「画像」は、本発明の文脈における表現である。画像は、実空間における表現または周波数空間における表現とすることができる。予測モデルの訓練および予測のために、周波数空間における表現が常に使用される。しかし、実空間での表現は、測定に基づいて生成することができ、その後、例えば、訓練および/または予測に導入される前に、フーリエ変換によって周波数空間における表現に変換される。
検査領域は、基本磁場に導入される。検査領域に広がる造影剤が、検査対象に投与される。造影剤は好ましくは、体重に基づく投薬を使用して、ボーラスとして静脈内(例えば、腕静脈内)に投与される。好ましくは、造影剤が例えば、Gd-EOB-DTPAまたはGd-BOPTAなどの肝胆道造影剤である。特に好ましい実施形態において、造影剤は、コントラスト増強活性物質としてガドキセト酸またはガドキセト酸の塩を有する物質または物質混合物である。ガドキセト酸の二ナトリウム塩(Gd-EOB-DTPA二ナトリウム)が極めて特に好ましい。
造影剤の投与後の第1のタイムスパンにおける検査領域を表す検査領域の複数の第1の表現が生成される。好ましくは、複数の第1の表現は、T1強調描写である。
好ましくは、複数の第1の表現は、動的相の間の検査領域を表す検査領域の少なくとも1つの表現、例えば、動脈相の間、静脈相の間、および/または後期相の間の検査領域を表す少なくとも1つの表現を含む(例えば、図12および実施例2における関連する説明を参照されたい)。常磁性造影剤を使用する場合、そのような表現における血管は、コントラスト増強(高信号描写)による高信号強度によって特徴付けられる。
好ましくは、複数の第1の表現はさらに、肝胆道相の間の検査領域を表す検査領域の少なくとも1つの表現を含む。肝胆道相の間、健康な肝組織(柔組織)がコントラスト増強を伴って描出される。
動的および肝胆道相のMRI検査は、比較的長いタイムスパンにわたって行われる。前記タイムスパンにわたって、患者による動きは、放射線画像における動きアーチファクトを最小限に抑えるために回避されるべきである。動きの長い制限は、患者にとって不快であり得る。したがって、肝胆道相内のMRI画像を直接取得することができるようにするために、MRI画像取得の前にあるタイムスパン(すなわち、10~20分)にわたって造影剤が検査対象に既に投与されている、短縮されたMRI手順が、現在確立されつつある。次いで、造影剤の第2の用量の投与後に、同じMRIプロセスにおいて動的相のMRI画像が取得される。従来のMRIプロセスと比較して、MRIにおける患者または検査対象の滞留時間は、結果として明らかに短くなる。したがって、本発明によれば、検査対象への第1の造影剤の(第1の)投与後の肝胆道相における肝臓または肝臓の部分の少なくとも1つの表現を記録すること、および同じ検査対象への第2の造影剤の投与または第1の造影剤の第2の投与後の動的相における同じ肝臓または同じ肝臓の部分の少なくとも1つのさらなる表現を記録することが好ましい。第1の造影剤は、肝胆道、常磁性造影剤である。第2の造影剤は、細胞外、常磁性造影剤であってもよい。
次いで、検査領域の第1の表現が、本発明による予測モデルに供給される。予測モデルは、受信された第1の表現に基づいて、造影剤によって引き起こされるコントラスト増強無しで検査対象の肝臓または肝臓の一部分を示す1つ以上の第2の表現を予測するように予め訓練されている。予測モデルは好ましくは、教師あり機械学習プロセスにおける自己学習アルゴリズムを利用して作成された。学習に使用されるものは、多数の検査対象の肝臓または肝臓の一部の動的相および肝胆道相の間の検査領域の複数の表現を含む訓練データである。さらに、訓練データは、コントラスト増強が存在しなかった、すなわち造影剤の投与無しに生成された検査領域の表現も含む。
ここで説明する実施例は、図1(c)にも概略的に示されている。
実施例5
さらに好ましい実施形態において、本発明は、肝臓のダイナミック造影磁気共鳴画像法における患者の検査時間を短縮するために使用される。
さらに好ましい実施形態において、本発明は、肝臓のダイナミック造影磁気共鳴画像法における患者の検査時間を短縮するために使用される。
ここで、造影剤は、2つのボーラスの形態で投与される。第1の投与は、検査対象がまだMRIスキャナ内に位置していない時点で行われる。第1の投与の場合、第1の造影剤が投与される。第1の造影剤は好ましくは体重に基づく投薬を用いてボーラスとして静脈内に(例えば、腕静脈内に)投与される。第1の造影剤は好ましくは例えば、Gd-EOB-DTPAまたはGd-BOPTAなどの肝胆道造影剤である。特に好ましい実施形態において、第1の造影剤は、コントラスト増強活性物質としてガドキセト酸またはガドキセト酸の塩を有する物質または物質混合物である。ガドキセト酸の二ナトリウム塩(Gd-EOB-DTPA二ナトリウム)が極めて特に好ましい。
第1の造影剤の投与後、検査対象がMRIスキャナに導入され、第1の時点で第1のMRI画像が生成される前に、一定のタイムスパン待つことができる。
「画像」は、本発明の文脈における表現である。画像は、実空間における表現または周波数空間における表現とすることができる。予測モデルの訓練および予測のために、周波数空間における表現が常に使用される。しかし、実空間における表現は、測定に基づいて生成することができ、その後、例えば、訓練および/または予測に導入される前に、フーリエ変換によって周波数空間における表現に変換される。
第1の投与と第1のMRI画像の生成との間のタイムスパンは、好ましくは5分~1時間の範囲内、さらにより好ましくは10分~30分の範囲内、最も好ましくは8分~25分の範囲内である。
第1のMRI画像は、第1の造影剤の投与後の肝胆道相の間の検査対象の肝臓または肝臓の一部を表す。健康な肝細胞は、第1の造影剤の投与の結果として、第1のMRI画像においてコントラスト増強を伴って描出される。
第1のMRI画像が生成される肝胆道相は、本明細書では第1の肝胆道相とも呼ばれる。第1の造影剤は、健康な肝細胞に到達しており、常磁性造影剤の場合、健康な肝細胞のコントラスト増強、シグナル増強をもたらす。動脈相、門脈相および第1の造影剤の投与後に生じる後期相の間、MRI画像は生成されない。第1の造影剤の投与後に生じる動脈相、門脈相および後期相は、本明細書では第1の動脈相、第1の門脈相および第1の後期相とも呼ばれる。
第1の肝胆道相の間に複数のMRI画像が生成されることが考えられる。
第1の肝胆道相の間の1つ以上の第1のMRI画像の生成の後、造影剤が2回目に投与される。2回目に投与されるのは、第2の造影剤である。第2の造影剤は、第1の造影剤と同じ造影剤とすることができるが;第2の造影剤は、異なる造影剤、好ましくは細胞外造影剤とすることもできる。同様に、第2の造影剤は好ましくは、体重に基づく投薬を用いてボーラスとして静脈内に(例えば、腕静脈内に)投与される。
第1の造影剤の投与は、本明細書では第1の投与とも呼ばれ;第2の造影剤の投与は本明細書では第2の投与とも呼ばれる。第1の造影剤と第2の造影剤とが同一である場合、このようにして行われるのは、肝胆道造影剤の第1の投与であり、後の時点で、肝胆道造影剤の第2の投与である。第1の造影剤と第2の造影剤とが異なる場合、行われるのは、第1の造影剤の第1の投与であり、前記第1の造影剤は肝胆道造影剤であり、後の時点で行われるのは、第2の(異なる)造影剤の第2の投与である。
第2の投与の時点において(または第2の造影剤の投与の時点において)、検査対象は好ましくは、既にMRIスキャナ内に位置している。第2の造影剤の投与後、再び動脈相、門脈相および後期相を通過する。この動脈相、門脈相および後期相は、本明細書において第2の動脈相、第2の門脈相、および第2の後期相とも呼ばれる。第2の動脈相および/または第2の門脈相および/または第2の後期相において、MRI画像または複数のMRI画像が生成される。前記MRI画像は、取得の順に第2、第3、第4などと呼ばれる。
好ましい実施形態において、第2の動脈相の間に第2のMRI画像が生成され、第2の門脈相の間に第3のMRI画像が生成され、第2の後期相の間に第4のMRI画像が生成される。そのような第2のMRI画像は特に、コントラスト増強を伴う動脈を示し;そのような第3のMRI画像は特に、コントラスト増強を伴う静脈を示す。
さらに、上述の相の間に2つ以上のMRI画像が生成されることも考えられる。
第1および第2の造影剤の投与後の1つ以上の相の間に生成されたMRI画像から、人工MRI画像を計算することが可能である。
測定されたMRI画像から人工MRI画像を生成する目的は、健康な肝臓組織と他の領域との間のコントラストを増強させることである。第1の造影剤として肝胆道常磁性造影剤を使用する場合、第2の動脈相、第2の門脈相および第2の後期相の間の健康な肝臓組織の信号強度は、第1の造影剤の投与の結果として依然として上昇する。上述の第2の相において広がる第2の造影剤は同様に、それが広がる組織において高いシグナルをもたらす。これは、健康な肝臓組織と残りの組織との間のMRI画像には低コントラストしか存在せず、残りの組織は、(第2の)造影剤によりコントラスト増強されることを意味する。このコントラストを増強させるために、予測モデルを利用して生成されるものは、第1の造影剤の投与後の動的相において検査領域がどのように見えるか、または第2の造影剤のみが投与された場合に検査領域がどのように見えるかを示す少なくとも1つの人工MRI画像である:血管は、第2の造影剤の投与の結果としてコントラスト増強を伴って描写されるが、健康な肝細胞は、第1の造影剤の投与の結果としてコントラスト増強を伴って描写されない。換言すれば、生成されるのは、第2のMRI画像のように見える人工MRI画像であり、第1の造影剤の投与によって引き起こされた健康な肝細胞のコントラスト増強が、第2のMRI画像から差し引かれる(除去される)という違いがある。
ここで説明する実施例は、図1(d)にも概略的に示されている。
Claims (15)
- コンピュータ実装方法であって、
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、前記第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記複数の第1の表現を予測モデルに供給するステップ、ここで、前記予測モデルは、多数の検査対象の前記検査領域の第1の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の前記検査領域を表す前記第1の参照表現から、周波数空間における第2のタイムスパンの間の前記検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の予測された表現を受信するステップ、ここで、前記1つ以上の予測された表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の予測された表現を実空間における前記検査領域の1つ以上の表現に変換するステップ、
- 実空間における前記検査領域の前記1つ以上の表現を出力するステップ
を含む、前記コンピュータ実装方法。 - 請求項1に記載の方法であって、ここで、前記複数の第1の表現が、
- 前記造影剤の前記投与前の前記検査領域を表す周波数空間における前記検査領域の少なくとも1つの表現を含み、および
- 前記造影剤の前記投与後の前記第1のタイムスパンにおける前記検査領域を表す周波数空間における前記検査領域の少なくとも1つの表現を含み、
および、ここで、前記1つ以上の予測された表現が、前記第2のタイムスパンにおける前記検査領域を表し、ここで、前記第2のタイムスパンが、前記第1のタイムスパンの後に来る、前記方法。 - 請求項1に記載の方法であって、ここで、前記複数の第1の表現が、前記造影剤の前記投与後の前記第1のタイムスパンにおける前記検査領域を表す周波数空間における前記検査領域の少なくとも2つの表現を含み、およびここで、前記1つ以上の予測された表現が、前記第2のタイムスパンにおける前記検査領域を表し、ここで、前記第2のタイムスパンが、前記第1のタイムスパンの前に来る、前記方法。
- 請求項1に記載の方法であって、ここで、前記複数の第1の表現が、
- 第1の造影剤の前記投与後の前記第1のタイムスパンにおける前記検査領域を表す周波数空間における前記検査領域の少なくとも1つの表現を含み、
- 第2の造影剤の前記投与後の前記第1のタイムスパンにおける前記検査領域を表す周波数空間における前記検査領域の少なくとも1つの表現を含み、ここで、前記第1の造影剤および前記第2の造影剤は、同一であるかまたは異なり、ここで、前記第2の造影剤は、前記第1の造影剤の後に投与され、
および、ここで、前記1つ以上の予測された表現が、前記第2のタイムスパンにおける前記検査領域を表し、ここで、前記第2のタイムスパンが、前記第1のタイムスパンの前に来る、前記方法。 - 請求項1に記載の方法であって、ここで、前記複数の予測された表現が、経時的に一定であるコントラストの増強を伴う前記第2のタイムスパンにおける前記検査領域を表す、前記方法。
- 請求項1~5のいずれかに記載の方法であって、ここで、前記予測モデルが、人工ニューラルネットワークであるか、またはそのようなネットワークを備える、前記方法。
- 請求項1~6のいずれかに記載の方法であって、ここで、周波数空間における前記検査領域の前記第1の表現が、磁気共鳴画像検査のk空間データである、前記方法。
- 請求項1~6のいずれかに記載の方法であって、ここで、実空間における前記検査領域の複数の放射線画像が、第1のステップで受信され、これらの受信された放射線画像が、フーリエ変換によって周波数空間における前記検査領域の前記第1の表現に変換される、前記方法。
- 請求項1~8のいずれかに記載の方法であって:
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、前記第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記第1の表現における領域を特定するステップ、ここで、前記特定された領域は、前記周波数空間の中心を含み、
- 前記第1の表現を前記特定された領域に縮小するステップ、
- 前記複数の縮小された第1の表現を予測モデルに供給するステップ、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の第2の表現を受信するステップ、ここで、前記1つ以上の第2の表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の第2の表現を、前記特定された領域の外側にある前記受信された第1の表現の1つ以上の領域によって補足するステップ、
- 前記1つ以上の補足された第2の表現を、実空間における前記検査領域の1つ以上の表現に変換するステップ、
- 実空間における前記検査領域の前記1つ以上の表現を出力するステップ
を含む、前記方法。 - 請求項1~9のいずれかに記載の方法であって、ここで、前記1つ以上の補足された第2の表現が、逆フーリエ変換によって実空間における前記検査領域の1つ以上の表現に変換される、前記方法。
- システムであって、
・ 受信ユニットと、
・ 制御および計算ユニットと、および
・ 出力ユニットと
を備え、
ここで、前記制御および計算ユニットが、
- 前記受信ユニットに周波数空間における検査対象の検査領域の複数の第1の表現を受信するように促すように、ここで、前記第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記複数の第1の表現を予測モデルに供給するように、ここで、前記予測モデルは、多数の検査対象の前記検査領域の第1の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の前記検査領域を表す前記第1の参照表現から、周波数空間における第2のタイムスパンの間の前記検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の予測された表現を受信するように、ここで、前記1つ以上の予測された表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の予測された表現を実空間における前記検査領域の1つ以上の表現に変換するように、
- 前記出力ユニットに実空間における前記検査領域の前記1つ以上の表現を出力するように促すように
構成されている、前記システム。 - コンピュータシステムのメモリにロードすることができるコンピュータプログラムを備えるコンピュータプログラム製品であって、ここで、それが、以下の:
- 周波数空間における検査対象の検査領域の複数の第1の表現を受信するステップ、ここで、前記第1の表現の少なくともいくつかは、造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記複数の第1の表現を予測モデルに供給するステップ、ここで、前記予測モデルは、多数の検査対象の前記検査領域の第1の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の前記検査領域を表す前記第1の参照表現から、周波数空間における第2のタイムスパンの間の前記検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の予測された表現を受信するステップ、ここで、前記1つ以上の予測された表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の予測された表現を、実空間における前記検査領域の1つ以上の表現に変換するステップ、
- 実空間における前記検査領域の1つ以上の表現を出力するステップ
を前記コンピュータシステムに実行するように促す、前記製品。 - 少なくとも1つの放射線画像を予測するための方法における造影剤の使用であって、ここで、前記方法が、以下の:
- 前記造影剤を投与するステップ、ここで、前記造影剤は、検査対象の検査領域に広がり、
- 周波数空間における前記検査対象の前記検査領域の複数の第1の表現を生成するステップ、ここで、前記第1の表現の少なくともいくつかは、前記造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記複数の第1の表現を予測モデルに供給するステップ、ここで、前記予測モデルは、多数の検査対象の前記検査領域の第1の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の前記検査領域を表す前記第1の参照表現から、周波数空間における第2のタイムスパンの間の前記検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の予測された表現を受信するステップ、ここで、前記1つ以上の予測された表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の予測された表現を実空間における前記検査領域の1つ以上の表現に変換するステップ、
- 実空間における前記検査領域の前記1つ以上の表現を出力するステップ
を含む、前記使用。 - 少なくとも1つの放射線画像を予測するための方法における使用のための造影剤であって、ここで、前記方法が、以下の:
- 前記造影剤を投与するステップ、ここで、前記造影剤は、検査対象の検査領域に広がり、
- 周波数空間における前記検査対象の前記検査領域の複数の第1の表現を生成するステップ、ここで、前記第1の表現の少なくともいくつかは、前記造影剤の投与後の第1のタイムスパンの間の前記検査領域を表し、
- 前記複数の第1の表現を予測モデルに供給するステップ、ここで、前記予測モデルは、多数の検査対象の前記検査領域の第1の参照表現に基づいて、少なくともいくつかが周波数空間における造影剤の投与後の第1のタイムスパンの間の前記検査領域を表す前記第1の参照表現から、周波数空間における第2のタイムスパンの間の前記検査領域を表す1つ以上の第2の参照表現を生成するように訓練されており、
- 前記予測モデルから周波数空間における前記検査領域の1つ以上の予測された表現を受信するステップ、ここで、前記1つ以上の予測された表現は、第2のタイムスパンの間の前記検査領域を表し、
- 前記1つ以上の予測された表現を実空間における前記検査領域の1つ以上の表現に変換するステップ、
- 実空間における前記検査領域の1つ以上の表現を出力するステップ
を含む、前記造影剤。 - 造影剤および請求項12に記載のコンピュータプログラム製品を含むキット。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21161545.5 | 2021-03-09 | ||
EP21161545 | 2021-03-09 | ||
EP21167803.2 | 2021-04-12 | ||
EP21167803 | 2021-04-12 | ||
PCT/EP2021/083325 WO2022189015A1 (de) | 2021-03-09 | 2021-11-29 | Maschinelles lernen im bereich der kontrastmittelverstärkten radiologie |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024512369A true JP2024512369A (ja) | 2024-03-19 |
Family
ID=78824869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023554810A Pending JP2024512369A (ja) | 2021-03-09 | 2021-11-29 | 造影放射線学の分野における機械学習 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240153163A1 (ja) |
EP (1) | EP4143784A1 (ja) |
JP (1) | JP2024512369A (ja) |
AU (1) | AU2021432553A1 (ja) |
CA (1) | CA3215244A1 (ja) |
WO (1) | WO2022189015A1 (ja) |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6039931A (en) | 1989-06-30 | 2000-03-21 | Schering Aktiengesellschaft | Derivatized DTPA complexes, pharmaceutical agents containing these compounds, their use, and processes for their production |
US6754376B1 (en) | 2000-11-22 | 2004-06-22 | General Electric Company | Method for automatic segmentation of medical images |
US7840044B2 (en) | 2005-11-01 | 2010-11-23 | Edda Technology Inc. | Method and system for liver lobe segmentation and pre-operative surgical planning |
EP2286383A1 (en) | 2008-05-08 | 2011-02-23 | Oslo Universitetssykehus HF | Vessel segmentation in dce mr imaging |
US9396561B2 (en) * | 2012-01-06 | 2016-07-19 | Children's Hospital Medical Center | Correlation imaging for multi-scan MRI with multi-channel data acquisition |
EP2750102B1 (en) | 2012-12-27 | 2023-03-15 | General Electric Company | Method, system and computer readable medium for liver analysis |
EP2994879A1 (en) | 2013-04-03 | 2016-03-16 | Koninklijke Philips N.V. | Vessel segmentation |
US9786058B2 (en) | 2016-02-08 | 2017-10-10 | Sony Corporation | Method and system for segmentation of vascular structure in a volumetric image dataset |
US10096109B1 (en) | 2017-03-31 | 2018-10-09 | The Board Of Trustees Of The Leland Stanford Junior University | Quality of medical images using multi-contrast and deep learning |
WO2018200493A1 (en) | 2017-04-25 | 2018-11-01 | The Board Of Trustees Of The Leland Stanford Junior University | Dose reduction for medical imaging using deep convolutional neural networks |
WO2019074938A1 (en) | 2017-10-09 | 2019-04-18 | The Board Of Trustees Of The Leland Stanford Junior University | CONTRAST DOSE REDUCTION FOR MEDICAL IMAGING USING DEEP LEARNING |
JP7351847B2 (ja) | 2018-04-19 | 2023-09-27 | サトゥル メディカル,インコーポレイテッド | 深層学習を使用して磁気共鳴撮像を向上させるためのシステムおよび方法 |
CN112313668A (zh) | 2018-06-15 | 2021-02-02 | 深透医疗公司 | 使用深度学习进行磁共振成像标准化的系统和方法 |
-
2021
- 2021-11-29 US US18/281,275 patent/US20240153163A1/en active Pending
- 2021-11-29 JP JP2023554810A patent/JP2024512369A/ja active Pending
- 2021-11-29 AU AU2021432553A patent/AU2021432553A1/en active Pending
- 2021-11-29 CA CA3215244A patent/CA3215244A1/en active Pending
- 2021-11-29 WO PCT/EP2021/083325 patent/WO2022189015A1/de active Application Filing
- 2021-11-29 EP EP21820577.1A patent/EP4143784A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2021432553A1 (en) | 2023-08-31 |
EP4143784A1 (de) | 2023-03-08 |
US20240153163A1 (en) | 2024-05-09 |
WO2022189015A1 (de) | 2022-09-15 |
CA3215244A1 (en) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lum et al. | Transstenotic pressure gradients: measurement in swine—retrospectively ECG-gated 3D phase-contrast MR angiography versus endovascular pressure-sensing guidewires | |
US20230147968A1 (en) | Generation of radiological images | |
US11727571B2 (en) | Forecast of MRI images by means of a forecast model trained by supervised learning | |
US20220409145A1 (en) | Generation of mri images of the liver without contrast enhancement | |
US11915361B2 (en) | System, method, and computer program product for predicting, anticipating, and/or assessing tissue characteristics | |
US20230218223A1 (en) | Generation of mri images of the liver | |
US20230120273A1 (en) | Acceleration of mri examinations | |
WO2023073165A1 (en) | Synthetic contrast-enhanced mr images | |
US20240153163A1 (en) | Machine learning in the field of contrast-enhanced radiology | |
CN117083629A (zh) | 对比度增强放射学领域中的机器学习 | |
EP4210069A1 (en) | Synthetic contrast-enhanced ct images | |
JP2024509817A (ja) | 造影放射線学の分野における機械学習 | |
CA3219070A1 (en) | Characterising lesions in the liver using dynamic contrast-enhanced magnetic resonance tomography |