JP4236405B2 - 断層像セグメント分割 - Google Patents

Description

【０００１】
【発明の背景】
本発明は画像処理に関し、さらに具体的には、選択された特性に基づいて、関心のある領域又はデータ形式をセグメント分割すると共に分類することに関する。
【０００２】
同一物質の連続領域の識別はセグメント分割として公知である。医用画像の解剖学的な領域、例えば骨、腎臓若しくは肺への自動的な分類又はセグメント分割は困難な問題であり、現状では多くの臨床的応用の発展を阻んでいる。長年、様々な手法が提案されてきたが、定型的な医療業務に要求される高度の自動化及び品質を達成した手法は殆どない。その代わりに、殆どの臨床的応用は多量の利用者の対話型作業に頼っている。このように、セグメント分割の過程は長時間を要し、誤りを生じ易く、主観的なものとなっている。
【０００３】
人体の骨格系は主として、二種類の骨すなわち皮質骨（cortical bone）及び海綿骨（trabecular bone）で構成されている。皮質骨は極めて稠密で、典型的には骨領域の外周に位置している。海綿骨はスポンジ状で、典型的には内部の骨領域に位置している。結果として、骨領域は、ＣＴ走査患者群に殆ど普遍的な様々な明瞭な特性を有する。ＣＴ密度は骨境界（皮質）で急激に上昇し、次いで、数ミリメートルの範囲内で緩やかに低下し、これにより、走査データに「リング（ring）」効果を生ずる。内部骨（海綿骨）の構造は、一定の変化及び相対的に高い周波数によって特徴付けられる明瞭なスポンジ状パターンを有する。骨のＣＴ値は、皮質骨では１２００〜２０００を超えるハンスフィールド単位にわたり、海綿骨では１０００〜１３００ハンスフィールド単位にわたる。
【０００４】
【発明が解決しようとする課題】
骨、具体的には皮質骨は高密度信号として現われ、この信号は人体の殆どあらゆる他の領域よりも高密度となっているが、骨のセグメント分割は、単純な閾値処理すなわち最小又は最大のＣＴ数に基づく公知のセグメント分割法では実効的に行なわれない。しばしば、患者の体内には造影剤（コントラスト剤）のような異質物体又は物質が導入されており、骨と区別のつかないＣＴ密度を呈する。この問題は、血流に液体の造影剤が注入されており、脈管領域に骨と等しいか又は骨よりも高いＣＴ数を付与するコントラスト強調ＣＴ走査の場合に最も困難となる。
【０００５】
コントラスト強調計算機式断層写真法（ＣＴ）データから骨を識別すると共に除去するという特定的な問題は、多くのセグメント分割問題の一例である。コントラスト強調された領域のＣＴ値は、骨のような他の高密度構造から容易に区別することはできない。骨のロバストな識別作業を人間の操作者が実行するのは比較的容易であるにも拘わらず、医療的なセグメント分割研究ではかかる識別を可能にする自動的な骨セグメント分割法は現われていない。従って、ＣＴ走査データにおいて高密度特性を有する骨領域と他の解剖学的領域とを分類して、骨を他の領域からさらに十分に区別するセグメント分割法が必要とされている。
【０００６】
【課題を解決するための手段】
１以上の選択された特性に従って入力空間をセグメント分割する方法が、入力空間の複数のビューに沿って複数の射線を投射する工程と、各々の射線の範囲内で、選択された特性に対応する領域を識別する工程と、識別された領域を処理して、選択された特性を有する領域を示す出力空間を形成する工程とを含んでいる。
【０００７】
【発明の実施の形態】
本発明の特徴及び利点は、以下の発明の詳細な説明を添付図面と併せて参照することにより明らかとなろう。
【０００８】
本発明の一実施形態では、セグメント分割の方法が、入力データを通して複数の射線を投射する工程と、所定の分類パラメータ又は特性に従って、得られたデータを分類する工程とを含んでいる。骨様プロファイル特性のような所定の分類パラメータが評価される。かかる特性としては、高勾配、外側の入口（皮質ピークに対する外部）、極めて高い値の入口（皮質ピーク）、高勾配の内側の入口（皮質ピークから海綿骨の開始に至る）、通常２ｍｍ程度の全皮質厚み、及び内部骨（海綿骨）における値のゆらぎ等がある。
【０００９】
図１は、本発明の実施形態を説明するブロック図を示している。図１には、１以上の選択された特性について入力データをセグメント分割する方法が示されている。
【００１０】
ステップ１００において、入力データＳ、例えば２Ｄスカラ場が取得される。説明の目的のみで述べると、本実施形態は、２次元（２Ｄ）計算機式断層写真法（ＣＴ）画像を入力空間としている。但し、本セグメント分割方法は、他の医用撮像応用（磁気共鳴（ＭＲ）、超音波、Ｘ線）並びに他の非医療的走査応用又はセンシング応用に見受けられるような２次元又は３次元のスカラ場又はベクトル場に対しても作用し得ることを理解されたい。
【００１１】
ステップ１１０では、周知のレイ・キャスティング法で複数の射線Ｒが投射されて、入力空間をサンプリングすると共に、配列操作に適した入力データのサンプリング後の１次元（１Ｄ）表現を生成する。射線は、Ｓを包囲する円上に位置する等間隔で回転する多数のビューＶの一つを始点とする。Ｓに関して角度θに位置するビューＶの数は、画像処理の品質及び速度の要件の考慮に基づいて公知の態様で選択される。本実施形態では、入力画像Ｓを通る通常は線形の多数の軌跡又は射線をサンプリングすることにより、ステップ１２０に示すように分類が実行される。複数の等間隔の射線が一つのビューから投射される。図２は、４つの対応するビューを始点とする４つの単一の射線（Ａ〜Ｄ）を示す（１つのみを示す）。図１の説明を続けると、ステップ１３０において、射線に沿って骨が存在する確率が算出される。このことについては後にさらに詳細に述べる。次いで、ステップ１４０に示すように、各々の射線に沿った確率を処理して中間バッファＰとする。ステップ１５０では、各々の射線に沿って計算を繰り返す。すべての軌跡が算出されて加算されたら、ステップ１６０において中間バッファＰを最終的な骨の確率画像Ｂへ変換する。ステップ１７０において、特殊化した領域成長によって最終画像を変換する。領域成長ステップ１７０は、やはり骨には違いないが断層像解析ではそのようなものとしては検出され得ない他のピクセルを探索する。この領域成長法は繰り返し法であって、骨である確率が高いピクセルを骨とマークすることから開始して、付加的な規準集合に基づいて隣接するピクセルを試験する。この付加的な規準集合は、隣接するピクセルが、断層像解析によって当初に高い確率のスコアを得ていたか否かに拘わらず前のピクセルと同じ解剖学的構造の部分となっているか否かを判定することのできるものである。さらに、本実施形態では、望ましくは境界論理を用いて、走査画像の外周を超えた位置での情報の欠落によって骨の確率が破損されていないことを保証する。
【００１２】
一つの射線についての骨の確率の計算（図１のステップ１３０）は、射線のスカラ値を解析して、骨密度（皮質及び海綿）を示すパターンを識別することにより実行される。代替的には、入力データが医用画像データ以外のものである場合には、他の所定の分類値に基づいて確率を算出する。骨の検出については、確率計算は射線に沿って各々のサンプルを処理して、いつ射線が見かけ上骨に入ったか、及びいつ出たかに注目する。骨への出入りを算出するためには多くの測定基準を利用することができるが、早くから見込みのあったのは、射線に沿って１次元（１Ｄ）勾配を解析するものである（処理時間を代償とすれば２Ｄ及び３Ｄを用いてさらに十分な情報を与えることもできる。）。Ｇ１を上回る勾配の大きさを有する勾配ｇ１から２ｍｍの範囲内でＧ２を上回る勾配の大きさを有する逆勾配ｇ２が続いている場合には、出入りが生じている。（｜ｇ１｜＞｜ｇ２｜）である場合には射線が骨に入っており、（｜ｇ１｜＜｜ｇ２｜）である場合には射線が骨から出た可能性が高いということもしばしばある。骨への出入りのさらに先進的な処理が可能であることを理解されたい。
【００１３】
もう一つの望ましいパラメータ又は特性は、射線に沿った信号の周波数である。この情報のすべてを組み合わせると、射線に沿った所与の位置が骨の領域内にある確率を割り当てる能力を得ることができる。例えば、射線処理が骨への入りを予め示し、高周波数区域であることを示し、且つ射線に沿ってさらに下った所で骨からの出を示している場合には、このピクセルが骨である確率は比較的高い。各々の特性が、ピクセルが骨領域の内部に位置していることの信頼性を高める。
【００１４】
図２〜図６は、画像内の単一のピクセルにおいて行なわれる骨の確率の計算を示している。図２を参照すると、４つの射線（Ａ〜Ｄ）がピクセルを横断しており、各々の射線が左側に示すスカラ・プロファイルを備えている。各々の射線に沿ったグレイの領域は、骨がこの領域に位置している確率が高いことを示している。すべての軌跡が符合しているので、この骨領域においては確率の和が高くなる。図３〜図６は各軌跡を示す。
【００１５】
図７〜図９は、図１の方法を用いた代表的な画像を示している。図７では、ＣＴアンジオグラフィ・データの元来のスライスが単一の射線７０と共に示されている。領域７１は高い骨の確率を示し、領域７２は低い骨の確率を示している。図８は、射線７０について算出された確率バッファを示す。図９は、骨領域を明るい白で強調している。コントラスト強調されている領域が骨として分類されていないことに留意されたい。
【００１６】
尚、射線処理は、元のデータばかりでなく画像から導出される任意の他の情報を解析し得ることを特記しておく。例えば、入力画像から勾配情報を予め算出して、射線処理時に解析することができる。また、可能性としては血管又は他の何らかの構造に続くと、射線の軌跡が非線形となり得る場合もある。
【００１７】
多数回のセグメント分割計算を実行して、一回の計算の結果が暫定的なセグメント分割又は分類を生成するようにすることも可能である。例えば、最終的な計算段階を用いて、領域の成長を予め分類されている骨領域に連結する。
【００１８】
ＣＴ逆投影との演算の類似性がある場合には、本書に記載した方法をＣＴ逆投影ハードウェアで具現化することができる。現状の逆投影ハードウェアによってこれを行なうためには、僅かにアルゴリズムを変更する必要があろう。例えば、逆投影との互換性のために、射線全体に沿って骨に遭遇する確率を表わす合成ビュー・データを生成してもよい。次いで、この値を、Ｘ線輸送を模擬する場合と同様にして減衰させる。
【００１９】
本書で本発明の好適実施形態を図示すると共に説明したが、かかる実施形態は例示のみのために記載されていることは明らかであろう。当業者であれば、本書の発明から逸脱しない多くの変形、改変及び置換に想到されよう。従って、本発明は特許請求の要旨及び範囲によってのみ限定されるものとする。
【図面の簡単な説明】
【図１】本発明の好適実施形態を適用することのできる入力データのセグメント分割方法を示すブロック図である。
【図２】本発明の好適実施形態を適用することのできる代表的な入力データの図である。
【図３】図２の入力データのスカラ・プロファイルの図である。
【図４】図２の入力データのスカラ・プロファイルの図である。
【図５】図２の入力データのスカラ・プロファイルの図である。
【図６】図２の入力データのスカラ・プロファイルの図である。
【図７】本発明の好適実施形態を適用することのできるＣＴ画像データの図である。
【図８】図７に示すデータの暫定的な確率計算の図である。
【図９】図１の方法を用いた結果の画像の図である。
【符号の説明】
７０ 射線
７１ 骨の確率が高い部分
７２ 骨の確率が低い部分
９０ 骨領域

Claims (3)

1. 入力空間をセグメント分割する方法であって、
   前記入力空間の複数のビューに沿って、骨様プロファイル特性について前記入力空間をサンプリングする（１２０）相互に交差する複数の射線を投射する工程（１１０）と、
   前記複数のビューの各々に対応する前記複数の射線の各々の範囲内で、前記骨様プロファイル特性に対応する領域を識別するための骨の確率を計算する工程（１３０、１４０、１５０）と、
   前記骨様プロファイル特性を有する領域を示す出力空間を形成するように前記識別された領域を処理する工程（１７０）とを備え、
   前記骨の確率を計算する工程は、皮質骨及び海綿骨を示すパターンを識別する工程を含み、前記皮質骨及び海綿骨を示すパターンを識別する工程は、
   前記射線に沿って１次元の勾配を解析する工程と、
   骨への入りを予め示す勾配Ｇ１を特定する工程と、
   前記勾配Ｇ１から２ｍｍの範囲内で前記勾配Ｇ１を上回る勾配の大きさを有する逆勾配Ｇ２を特定する工程と、
   を含んでいる方法。
2. 前記入力空間は計算機式断層写真法（ＣＴ）画像データ、磁気共鳴（ＭＲ）画像データ、超音波画像データ又は、Ｘ線画像データから導出される請求項１に記載の方法。
3. 前記複数の射線の各々に沿った確率を処理して中間バッファとする工程と、
   前記中間バッファを最終的な骨の確率画像へ変換する工程をさらに含んでいる請求項１に記載の方法。

Images