JP4669268B2 - 画像の経時変化を検出し表示する方法及び装置 - Google Patents

Description

本発明は一般的に云えばイメージング・システムの分野に関するものである。具体的には、本発明は、関心のある特徴を認識するために画像データを分析し、その分析結果を、異なる時点で収集された画像データについて実行された同様な分析結果と比較するための、計算効率及びワークフロー効率の良い手法に関するものである。

ディジタル像について多数の用途が存在する。このような用途は医学的診断用イメージングから部品検出及び分析、小包のスクリーニング等にまで広がっている。同様に、多数の異なる種類のイメージング・システムが利用可能であり、それらのうちの幾種類かは、これらの用途のうちの特定のものに及んでいる。イメージング・システムは、伝統的な写真撮影システムからより一層複雑な磁気共鳴イメージング（ＭＲＩ）システム、コンピュータ断層撮影（ＣＴ）システム、ポジトロン放出型断層撮影（ＰＥＴ）システム、超音波システム、Ｘ線システム等に及んでいる。これらのシステムの各々では、ある種の画像データ収集回路により入力データを検出し、この入力データを使用して個々の画像要素すなわちピクセルをマトリクスに体系化している。これらのピクセルは、再構成したとき、様々な意図した目的のために観察者にとって有用である合成画像として観察することができる。

ピクセル化された画像データの発生源に拘わらず、様々な目的のためにデータの有用性を高める多数の新しい使用法が開発されている。例えば、医用イメージングにおいて、並びに小包検査のような他の分野において、画像データを分析することにより、特別な関心のある特徴を表すことのできる、ピクセルに符号化されている構造を認識する。医学の分野では、これらは特定の解剖学的特徴、異形、病理的特徴などを含むことがある。自動化したコンピュータ支援又はコンピュータ援用プロセスでは、コンピュータにより特定のこのような特徴を識別することができ、これらの特徴は、病気の診断及び治療を強化し又は支援するため、又は様々な健康状態を分析するために、ユーザに対して強調表示することができる。同様に、他の分野では、このような自動化した認識及び分類プロセスは、関心のある又は興味のある潜在的な物体を指摘することによって観察者又は読者を大いに支援することができる。

多くの分野で、特に医用イメージングにおいて、同じ対象物又は解剖学的構造についての画像が異なる時点で生成される。これらの画像の中には、時間につれて変化する成長、病変又は他の状態のような解剖学的構造又は異形を示すものがある。２つの異なる時点で収集された患者の医学的画像における変化を検出すれば、病気の診断及び治療を改善し、且つこのような治療に対する反応を監視する能力を大きくすることができよう。ところで、より一般的に云えば、このような変化は、医学の分野及び医学以外の分野の両方において、発生及び成長を追跡するのに役立ち、又は時間につれての何らかの意味のある変化の表示を与えるのに役立つことがある。或る特定の「経時的減算(temporal subtraction) 」の応用が提案されてた。特定のこのような応用例では、位置合わせした画像について単純なピクセル毎の減算を行う方法を使用して、画像相互の間の不同性(dissimilarity) を判断している。しかしながら、単純な減算法では、得られる画像のコントラストが悪い。更に、このような方法は、異なる手法又はモダリティを使用して２つの最初の画像を収集するとき充分にロバストではない。更に、このような方法は、不同性測定値の大きさに信頼レベルの表示を取り入れていない。

経時変化画像においては、得られるピクセル値は、白黒画像においてグレーレベルとして、すなわち、時間的に離間して収集された２つの入力画像の間のピクセル値の差すなわち不同性に比例して表示することができる。これらの入力画像は位置合わせを必要とすることがあり、また２つの画像収集期間中における対象物の位置決めの差異、収集パラメータの差異、画像のビット分解能の差異、及び画像に適用することのできる前処理又は後処理の差異のような、幾つかの因子を補償するように処理することができる。２つの画像の位置合わせにおいて何らかのエラーがあると、かなり大きい有意な変化が画像内に又は位置合わせ不良により画像相互の間に生じている場合には、不同性画像にかなり大きな値が生じることがある。例えば、結果の位置合わせが完全でない場合、２つの同じ画像から生じる対象物の経時分析画像は、同一の画像が与えられている場合に予期されるようなゼロ値画像にはならない。すなわち、同じ画像の場合、そのプロセスは不同性画像に何らコントラストを生じさせないはずである。しかし、不同性画像のこれらの非ゼロ要素は、対象物の経時変化として誤解される恐れのあるアーティファクトを表す。このようなアーティファクト及び標準的な解剖学的特徴の欠如は、放射線医又は他のユーザにとって放射線撮影による経時減算画像の解釈を難しくする。特に、このようなユーザがこのような画像の表現に慣れていない場合はそうである。一般的に云えば、不同性画像は２つの比較した画像の間の差のみを表している。従って、対象物の諸相を直感的な態様で再生する通常の画像と異なり、この不同性画像は一般的に対象物における変化を、暗い又は明るい領域、線などとして示しているに過ぎない。勿論、これらの画像を元の画像に重ね合わせたり又は他のやり方で関連付けることができるが、その分野における開発はこの点についてまだ満足のいくレベルにまでに達していない。

ディジタル・イメージングの出現及び急増により、様々な情報、特に医学分野における患者情報に対する高速の電子アクセスが可能になり、また進歩した画像処理及び分析を高速に実行することが可能になった。例えば、病院又は他のネットワーク内のデータ保存所に結合されたデータ収集の統合により、経時変化画像の高速な計算及び表示が可能になる。更に、これらの技術により、コンピュータ支援検出及び診断（ＣＡＤ）手法及び放射線医学の実用が可能になっている。このような手法は一般に、画像データ内の再生された又は検出可能である様々な関心のある特徴を識別し分類するのに役立つ。このような「マシン・ビジョン(machine vision) 」ツールは、画像の解釈における放射線医師の感度、特定性(specificity) 及び効率を改善するために開発されている。
米国特許第６８３６５５８号

しかしながら、当該分野では、経時変化画像、すなわち、画像内の特徴の進展又は他の変化を検出するように互いに対して比較され且つ分析される画像の有用性を高めることは、今なお殆ど又は何もなされていない。現在では、画像対象物に生じている変化の有用な表示を提供するように異なる時点に撮られた画像の複雑な分析を実行するために既存の手法の更なる向上及び新しい手法の創作が要望されている。

本発明は、このような要望に応じるように設計された、異なる時点に生成された画像を分析するための新規な手法を提供する。本手法は、医学的検査、部品検査、及び小包検査に使用される複雑なイメージング・システムを含む任意の適当なモダリティ又はイメージング・システムによる画像ばかりでなく、通常の写真撮影システムによる画像についての使用することができる。本発明による手法は、１秒未満から数ヶ月又は数年さえにもわたる任意の有用な期間にわたって隔たるような異なる時点に生成された対象物を表す画像データに対するアクセスを規定する。本手法はまた、比較及び分析プロセスを実行する際のワークフロー及び効率を大幅に改善する。特に、分析のための画像データの最初のスクリーニングのため、及び適切な場合にこのようなスクリーニングを開始するために、ＣＡＤ手法を適用することができる。

次に図面を参照して説明すると、先ず図１に、対象物１４の画像データを生成するための撮像装置１２を含むものとしてイメージング・システム１０を概略的に例示している。図には対象物１４として人体を概略的に示しているけれども、任意の適当な対象物を撮像できることに留意されたい。本発明の分野においては、対象物は、例えば、人又は動物、生物又は無生物、製造部品のようなもの、自然に生じるもの等々であってよい。それにまた、イメージング・システム１０は、何らかのイメージング用物理的構成に基づいてディジタル化した画像データを生成する任意の適当な種類のシステムであってよい。医用イメージングの分野では、他の場合と同様に、このようなイメージング・システムは、数あるイメージング・モダリティの中で、ＭＲＩシステム、ＰＥＴシステム、ＣＴシステム、トモシンセシス・システム、Ｘ線システム、超音波システムを含んでいてよい。システムはまた、任意の帯域幅又は周波数の受け取った輻射線に基づいてディジタル化した画像データを生成する通常の写真用イメージング・システムを含んでいてよい。

図１の概略図において、イメージング・システムの撮像装置１２は撮像装置制御回路１６及び画像データ収集回路１８に結合されている。システムのモダリティ及び物理的構成に依存して、撮像装置は典型的には、Ｘ線、ＣＴ、トモシンセシス及び他のシステムの場合のように、ある種の輻射線を放出する。ＭＲＩシステムのような他の実用中のイメージング・システムは、制御された磁場の存在下で無線周波パルスを生成することによるような励起によって対象物に影響を与える。しかしながら、これらのいずれの場合でも、撮像装置の動作は撮像装置制御回路１６によって調整される。このような制御回路は任意の適当な形態をとることができ、典型的には、撮像装置を作動する回路、輻射線又は他の信号を受け取る回路、撮像のために必要な任意の励起信号又は輻射線を生成する回路などを含んでいる。次に、画像収集回路１８は撮像装置から受け取ったデータを初期処理する。このような初期処理は、アナログ信号からディジタル信号への変換、アナログ信号又はディジタル信号のフィルタリング、スケーリング又は動的範囲の調節などを含むことができる。

撮像装置制御回路１６及び画像データ収集回路１８は一般にある種のシステム制御回路２０によって調整される。この場合も、イメージング・システムの性質及び関連する物理的構成に依存して、システム制御回路は撮像装置制御回路１６と適切な信号を交換することによってイメージング・シーケンスを開始することができる。システム制御回路２０はまた、画像データ収集回路１８からの生の又は前処理済みの画像データを受け取ることができる。システム制御回路２０は、より複雑なシステムでは特に、オペレータ・ワークステーション２２に結合することができ、オペレータ・ワークステーション２２では、オペレータが検査又はイメージング・シーケンスを選択し、構成設定し且つ開始させる。生の、又は部分的に処理済みの、又は完全に処理済みの画像データは、典型的には、参照符号２４で表したある種の記憶媒体に記憶される。本発明の分野においては、このような記憶媒体は、システム制御回路２０、オペレータ・ワークステーション２２又はシステム全体の任意の他の構成要素の一部であってよい。医学的診断の分野では、例えば、このような記憶媒体は、共に磁気及び光学メモリであるローカル・メモリ及び遠隔メモリを含むことができ、また要求時に画像データを記憶し供給するように設計された複雑な画像保管及び通信システム（ＰＡＣＳ）を含むことができる。

図１に示す例では、オペレータ・ワークステーション２２が画像データ処理回路２６に結合されるものとして示されている。この場合も、このような処理回路は実際にはシステム全体にわたって分散させることができ、また画像データを処理して観察するための再構成画像を生成するように設計されているハードウエア、ファームウエア、及びソフトウエアで具現化することができる。以下に述べる本発明の手法に従って、画像処理回路２６は画像データについて１つ又は複数のコンピュータ支援診断（ＣＡＤ）ルーチンを実行して、該データを異なる時点に収集された他の画像データに対して分析する。画像データ処理回路２６は、図１に例示しているようにイメージング・システムに対してローカルに位置するものであってよく、或いはイメージング・システムから完全に遠隔に位置するものであってよく、また後処理のために記憶媒体などから画像データを簡単に呼び出す。また更に、図１は、様々な遠隔の制御／処理／観察ステーション２８を適切なネットワーク・リンク３０によってイメージング・システムに結合できることを例示している。このようなステーションは、本書で述べるように画像装置を更に観察し、分析し且つ処理するために使用することができる。

イメージング・システム１０、並びに実際に同じ又は異なるモダリティの他のイメージング・システムが、様々な時点に対象物の画像を生成するために使用される。本発明の手法に従って、これらの画像は呼び出され、分析され、且つ或る特定の特別な特徴が画像内に、従って対象物内に存在する可能性があるか否か判定するために比較される。更に、本発明の手法による経時変化分析は、特別な関心のある特徴の発現の傾向を識別することを可能にする。医学的診断の分野では、例えば、このような経時変化分析は、或る解剖学的特徴の出現、増大又は減縮、及び病気の状態、及び自然に生じる又は異質のボディ及び物体などを検出するために使用できる。

図２は、参照符号３２で全体的に表した経時変化分析システムの概略図である。該システムは収集システム１０を含んでおり、この収集システム１０は、図１に関して前に述べたように任意の適当な種類又はモダリティであってよい。本システムは更に、画像データを受け取って記憶するように設計されている１つ又は複数の保存所３４を含んでいる。保存所は、任意の適当な種類のメモリ、典型的には、磁気媒体、光学媒体などを含むことができる。更に、保存所は、実際には、単一の記憶装置、又はネットワークを介して相互接続された装置を含む多数の相互に関連づけられた異なる記憶装置で構成することができる。収集システム１０は、図２に例示されている画像セット３６のような、異なる時点での複数の画像又は画像列を生成する。保存所は、このような画像データと、図２に参照符号３８で示すようなより早い時点に生成された画像データセットとを記憶するように作用する。以下により詳しく説明するように、これらの様々な時間的に離間した画像セットは、それらの間の差すなわち変化を識別するために、呼び出して分析することができる。

システム３２は更に、画像データ処理回路４０を含んでいる。一般的に云えば、画像データ処理回路４０は、本書に述べる機能を実行するように設計されている様々なハードウエア、ファームウエア及びソフトウエアを含む。この処理回路は、汎用コンピュータ又は特定用途向けコンピュータ内に設計することができる。更に、画像データ処理回路は、実際には収集システム１０の一部とすることができ、或いは収集システムとは全く別個にすることができる。実際に、画像データ処理回路４０は、収集システム１０によって画像を収集したときにほぼ実時間でその動作を実行することができ、或いは保存所３４から画像セット３６及び３８を呼び出すことによって後処理でのみ動作を実行することができる。

回路４０は、図２に参照符号４２で表されているように１つ又は複数のコンピュータ支援検出（ＣＡＤ）又はコンピュータ支援診断アルゴリズムを引き出す。当業者には理解されるように、また以下により詳しく説明するように、ＣＡＤアルゴリズム４２は画像データを分析することにより、構造、縁、領域、及びピクセル化された画像データ相互の間の意味のある関係を認識して、画像データ内の潜在的に関心のある特徴をセグメント化し分類する。図２に注記されているように、場合によっては、ＣＡＤアルゴリズムは、本書では「ＣＡＸ」と称するより一層一般的な性質のアルゴリズムであってよい。このようなアルゴリズムは、関心のある特徴の検出及び診断とは別の又はそれらに付加する動作を実行することができる。例えば、このようなアルゴリズムは、データ収集を開始し、特定の処理を開始し、またスケジューリング、勧奨された動作、処理系列などを開始し又は実行するように作用することができる。本書で用いる用語「ＣＡＤ」は、任意のこのような追加の動作を含んでいることを理解されたい。

システム３２は典型的にはオペレータ・ワークステーション２２を含んでおり、これはイメージング・システム１０に関して前に述べたのと同じオペレータ・ワークステーションであってよく、或いは異なる動作ステーションであってもよい。この動作ステーションはそれ自身に画像データ処理回路４０を組み込んでいていもよく、また収集システム１０から全く遠隔に位置していてもよい。典型的には、画像、レポートなどを出力するハードコピーを生成するためのような何らかの種類の出力システム４４が含まれている。オペレータ・ワークステーション２２又は出力システム４４のいずれかはまた、以下に説明するような再構成された画像及び経時変化画像を観察するためのモニタを含んでおり、これらの画像は高分解能及び高コントラスト画像の形態で提示することができ、これによりユーザ及び観察者は再構成された画像を分析し、読影し、注釈し、また他のやり方で使用することが可能になる。システム３２は、異なる時点で収集された画像相互の間の経時変化を分析するための一種類又は複数の種類の処理を実施する。図３、４、５、６及び７は、システム３２について考えられる模範例のモジュール及びプロセスを例示する。一般的に云えば、或る特定の重要なモジュールをシステム及びワークフローに含めることができる。例えば、図３は、本発明の手法による模範例の経時変化分析ルーチン４６を例示している。図３に示されているように、ルーチンはブロック４８で表されているように画像収集で開始する。収集した画像データは、それより前の時点に収集されていて保存所３４から呼び出された同様な対象物の画像、典型的には、同じ対象物で同じ視方向の画像と関連付けられる。システムは最終的には、参照符号５０及び５２で表されているように１つ又は複数のＣＡＤアルゴリズムを適用して、ブロック５４で表されているように表示又はレポートを行う。異なる時点で収集された画像は、以下に述べるようにＣＡＤアルゴリズム５０及び５２と相互に作用する一連のモジュールによって処理される。一般的に、これらのモジュールには、前処理モジュール５６、セグメント化モジュール５８、位置合わせモジュール６０及び比較モジュール６２が含まれている。

図３のブロック４８の画像収集により経時変化分析が可能になる。一般的に云えば、前に述べたようにイメージング・システムが設けられて、画像データが検索のために保存所３４に記憶される。２つの画像を異なる時点に収集してシステムによって比較する場合について以下に説明するが、本手法は任意の数の画像、並びに画像を収集する時点を任意の数の異なる時点にまで拡張できることに留意されたい。システムによって分析される画像データは、収集システムからの元の未処理の画像データとすることができ、或いは元の画像データの部分的に又は完全に処理されたものとすることができる。更に、画像は同じ又は異なるモダリティ又はイメージング・システムで得られたものであってよい。同様に、画像データは、ハードコピー画像及びフィルムのような通常の媒体の走査及びディジタル化によって生成されたディジタル化データを含んでいてよい。

前処理モジュール５６は、画像データの性質に依存して幾つかの機能を行うことができる。例えば、モジュール５６は、収集手法における相違又は前処理及び後処理方法における相違を説明するために２つの画像を「正規化」することができる。例えば、ＣＴ画像において、第１の画像が第２の画像の露出量の半分である場合、第２の画像と比較する前に、第１の画像のグレー・レベルを２倍にすることができる。画像の調節は、画像表示や照射線量の差のような技術的な因子に起因した画像全体の強度（輝度）の差を低減するのに役立つ。前処理モジュール５６はまた、スケーリング、サイズ及び配向の調節、動的範囲の調節などの動作を実行することができる。

セグメント化モジュール５８は異なる時点の両方における画像内の関心のある特徴の限界を識別し且つ規定する。当該技術分野において多種類のセグメント化法が現在利用可能であり、これらのプロセスは典型的には、ピクセル化されたデータの勾配、強度及び他の特性を識別して、最終的な画像内での認識可能な特徴を表すことのできる縁、面積、領域などを識別するためのような、データについての意味のある関連性を抽出する。従って、モジュール５８は、画像データ内で関心のある領域を分離するための自動又は手動機構を提供する。実用上関心を持たれる多くの場合には、関心を持たれる理由が全体の画像であることがあり、特有の特徴又はデータのサブセットは特別な関心のある物体を潜在的に表しているものとして識別される。

位置合わせモジュール６０は、異なる時点に収集された画像内の関心のある同様な領域又は物体同士を整合させる。経時変化分析のための関心のある領域が小さい場合、並進、回転、拡大及び剪断を含む剛体位置合わせ変換が、２つの異なる時点に収集した一対の画像を位置合わせするのに充分であろう。しかしながら、殆ど画像全体を占めるような場合を含めて関心のある領域が大きい場合、歪曲弾性変換(warped elastic transformation) を適用することができる。

当業者に理解されるように、歪曲位置合わせを実施する１つの態様は、マルチスケール多領域ピラミッド形方法の使用である。このような方法では、変化を強調する異なるコスト関数(cost function) を各スケール毎に最適化することができる。このようなコスト関数は、それに限定されないが、数学的相関及び符号変更測定のような相関方法、或いはエントロピー測定値及び相互情報量のような統計的方法であってよい。画像は所与のスケールでサンプリングし直され、次いで多数の領域に分割される。異なる領域について別々のシフト・ベクトルが計算される。シフト係数を補間して平滑なシフト変換を生成し、これを画像の１つを歪曲するために適用する。補間の際にシフト・ベクトルに重み関数を適用することができ、またこれらの重み関数は、解剖学的特徴のような画像特性は又はコスト関数マップの特性から決定することができる。画像はサンプリングし直されて、所定の最終スケールに達するまで、或いはコスト関数マップが或る所定の閾値に到達する点に達するまで、歪曲位置合わせプロセスが次の高いスケールで繰り返される。他の状況では、剛体位置合わせと弾性変換との組合せを使用することができる。

位置合わせモジュール５８による位置合わせの後、異なる時点での画像は比較可能である。前処理セグメント化及び位置合わせモジュールはまた、時間につれての変化を実際に対象物内に生じた変化よりも大きい変化を表す傾向のある画像相互の間の明白であるが重要でない差を低減する程度に、画像を比較可能にするように作用する。次いで、比較モジュール６２が画像相互の間の不同性を分析する。位置合わせした画像相互の間の不同性の測定は、幾つかの方法のうちの１つで実行することができる。例えば、単純な減算を用いることができ、その場合、差はピクセル毎に分析して、差の絶対値を記録する。しかしながら、改良方法では、分割方法が含まれ、該方法では、ピクセル毎の画像相互の間の差を次の式
Ｉ_d ＝（Ｉ₁ ＊Ｉ₂ ）／（Ｉ₂ ＊Ｉ₂＋Φ）
で表すことができる。ここで、Ｉ₁ 及びＩ₂ は第１及び第２の時点に収集された画像についての画像データをそれぞれ表し、Φは重み係数を表す。Ｉ_d は、差、比較又は経時変化画像のピクセル毎の値を表す。

画像の比較に続いて、表示及びレポート・モジュール５４が経時的比較の結果を視覚化又は定量化する表示及び定量化能力をユーザに対して提供する。これらの経時的比較の結果は、経時画像のいずれとも別個に、モニタのような表示装置上に同時に表示される。代替例では、経時画像のいずれか又は両方を互いに重ね合わせ、且つ指定された判定基準に基づいて論理オペレータにより経時変化画像と重ね合わせることができる。量的比較のため、重ねた画像についてカラー・ルックアップ・テーブル用いて、時間の経過につれて生じた差すなわち変化を強調表示するようにしてもよい。結果として生じる組合せ画像は、白黒単色又は多色オーバーレイ表示として提示することができる。

図３に例示されている経時変化分析ルーチンにおいて、ワークフローはＣＡＤアルゴリズムにより経時変化画像の分析、及び異なる時点に収集された画像のいずれか又は両方の分析を行うことができる。前に述べたように、経時変化画像がユーザに提示されると共に、現在の又は以前の画像を付加することが可能である。本発明の手法は、更に、経時的比較処理を、元の画像及び経時変化画像の両方についてのコンピュータ支援分析のためのツールと組み合わせる。本発明の手法のこの面は、特に経時変化画像についての検出プロセスの自動化、改善及び簡単化を非常に容易にする。図３のブロック５０及び５２のために使用される典型的なＣＡＤ手法についての詳細を以下に説明する。しかしながら、図３のルーチンにおいて、特徴は元の画像に基づいてＣＡＤアルゴリズム５０によってセグメント化され、分類されて、提示される。ＣＡＤアルゴリズム５２は、ＣＡＤアルゴリズム５０から特にそのセグメント化及び分類方法において異なっていてもよいが、経時的比較データすなわち経時変化画像について作用する。この場合もやはり、これらの分析の一方又は両方を表示及びレポート・モジュール５４によって提示することができる。経時変化画像データの更なる分析のために改良ＣＡＤアルゴリズム又はより一般的にＣＡＸアルゴリズムが開発されると予想される。すなわち、医学の分野においては診断、治療などの際にユーザに提示するするために、また他の分野においては関心のある対象物の品質又は内部構造の分析のために、特定の位置における関心のある特徴の増大及び減少又は出現又は消失を認識し分類することができる。

図４は、代替例の経時変化スクリーニング・ルーチンを例示しており、該ルーチンは前に述べたプロセス全体の計算効率を促進し且つ向上させる。より具体的に述べると、多くのプロセスでは、特に医学の分野、小包処理の分野、部品品質管理の分野などにおいて効率の良い画像精査のスループットが重要である。検査者による精査のために、本書で検討している経時変化画像のような付加的な画像を提供することは、特に何ら経時変化が生じない場合、又は問題にならないほどの経時変化が生じる場合には、生産性を低下させる傾向を持つことがある。図４のルーチンはこのようなワークフローの問題に対処する。図４の解決策は、潜在的な関心のある結果が検出された画像についてのみ経時的比較を開始することを含む。すなわち、参照符号６４によって全体的に表した図４のルーチンは、経時分析を実行する前に特別なＣＡＤルーチン・プロセス６６を実行することを含む。ＣＡＤルーチン６６はＣＡＤルーチン５０又は５２のいずれかとは異なっていてよく、また経時変化分析プロセスを開始するように作用すると考えられる。すなわち、現在の画像を分析するために使用される第１のＣＡＤアルゴリズム６６は、このような画像データに通常適用されるようなアルゴリズムよりも高い感度及び低い及び特定性を有することができる。データが、医学の分野においては特別な解剖学的構造、病気の状態、障害など、また他の分野においては介在物、関心のある物体、欠陥などのような、特別な関心のある特徴を潜在的に表していると分かった場合、前に述べた経時的比較段階が開始される。このような特徴がＣＡＤアルゴリズム６６によって識別されなかった場合は、表示及びレポート・モジュール５４が分析の結果生じる情報を提示するか、或いは元の画像をそのまま提示することができる。しかしながら、このような特徴が認識された場合、保存所３４から以前の画像が呼び出されて、前処理、セグメント化、位置合わせ及び比較の各段階、次いでＣＡＤアルゴリズム５２が前に述べたように実行される。従って、潜在的に関心のある特徴がＣＡＤアルゴリズム６６によって識別された場合には、経時変化画像の計算及びその分析を容認するのが避けられる。アルゴリズム６６のより高い感度及びより低い特定性は、用いられた場合、偽りの陽性結果を増大させる傾向を有しており、これは経時的比較プロセスの適用、及び可能な場合の第２のＣＡＤアルゴリズム５２の適用により除くことができる。両方のＣＡＤアルゴリズム６６及び５２の結果は調停モジュール（以下に説明する）に入力して、提示且つレポートされるデータをまとめて簡単化することができることに留意されたい。

本発明の手法はまた、画像相互の間の経時変化の定量分析を行う。図５は、画像相互の間の特有の変化を測定し定量化することができる経時変化定量分析ルーチン６８を表している。図５のワークフローにおいて、収集した画像は、表示及びレポート・モジュール５４によって直接表示することができ、また関心のある存在可能な特徴の最初の識別のためにＣＡＤアルゴリズム６６が適用される。このような特徴が識別された場合、以前の画像が保存所３４から呼び出されて、前に述べた前処理、セグメント化、位置合わせ及び比較モジュールに通される。比較結果に基づいて、定量分析モジュール７０が経時変化画像の特性の測定を実行する。この情報はまた、表示及びレポート・モジュール５４で提示することができる。定量分析モジュール７０は、画像相互の間の有意な差が存在するピクセル又はボクセルの数を計数又は累算すること等によって、特有の変化の実際の測定を行うことができる。ここで、本書での議論全体を通じて、ピクセル同士及び２つ以上の画像を比較することに関して述べているが、本発明の手法の全ては３次元の画像及び画像データセットに適用されて、例えば、３次元における変化を検出すること、イメージング・システムにおける対象物の実際の動き又は位置決めに起因して一連の画像内の物体の特別な配向又は提示が時間につれて変化する状況に本プロセスを適用可能にすること等を行うことができることに留意されたい。定量分析モジュール７０を使用するによって、疑わしい障害のような特徴は現在の画像内で、また以前の画像（１つ又は複数）内で、並びに経時変化を求めるために計算されて分析された経時的比較により識別された同じ領域内で自動的に検出することができる。従って、例えば、結節の増殖又は縮小、気胸の出現などを定量測定することができる。前と同様に、この量的情報は、経時変化画像（１つ又は複数）、ＣＡＤ画像、元の画像などと共にレポートすることができる。ここでまた、定量分析モジュールはこれまで記述した経時的比較データ流のうちのいずれにも使用し得ることに留意されたい。

前に述べたように、本発明の手法は調停ルーチンと共に用いることができ、調停ルーチンでは、読影機械又は読影者により分析相互の間の食い違いを識別する。このような食い違いは、典型的には、時間的に明確な画像内の関心のある特徴の認識又は分類におけるような一致及び相違を含むことができる。図６は、このような調停を実施する経時変化調停ルーチン７２を例示している。ルーチン７２では、現在の及び以前の画像を呼び出して、両方の画像についてＣＡＤアルゴリズム７４を実行する。ＣＡＤアルゴリズム７４は画像データ内の関心のある特徴をセグメント化して分類し、これらの結果は調停モジュール７６へ供給される。次いで、調停モジュール７６はそれぞれのＣＡＤ分析の結果の間に意味のある差が存在するかどうか認識する。判定ブロック７８に示されているように、異なる時点に収集された画像の分析結果が一致している場合、画像データ、再構成された画像、又は分析の結果を表示及びレポート・モジュール５４によって表示することができる。他方、それぞれの分析の間に差すなわち食い違いが存在する場合、経時的比較モジュール８０が開始されて、前に述べた前処理、セグメント化、位置合わせ、比較及び分析が実行される。更に、経時的比較モジュール８０は、経時変化画像について動作するように設計されたアルゴリズムのような特有のＣＡＤアルゴリズム、時間の経過につれて表される変化を定量化するための定量分析アルゴリズムなど実行することができる。次いで、このような分析の結果は、表示及びレポート・モジュール５４によって提示される。

図７は代替例の経時変化調停ルーチン８２を表す。ルーチン８２では、図６に関して前に述べたように、現在の及び以前の画像データが呼び出されて、ＣＡＤアルゴリズム７４により分析される。しかしながら、最初の表示及びレポート・モジュール８４が両方の画像（又は多数の時点での多数の画像）を観察者に提示する。次いで、観察者は画像を分析して、更なる分析のために潜在的な関心のある特徴を識別する。観察者からの入力と、ＣＡＤアルゴリズム７４による両方の画像セットについての分析の結果とが、調停装置８６へ送られる。前に述べた調停装置７６の場合と同様に、調停装置８６は、ＣＡＤアルゴリズムによって実行されたセグメント化又は分類のいずれかと観察者によって実行された対応するものとの間の食い違いを識別、すなわち、一致と相違を識別する。判定ブロック８８で判定されたときに、このような食い違いが存在しない場合は、最終の表示及びレポート・モジュール９２が更なる使用及び保存のための出力を発生する。 他方、調停装置８６に対するいずれかの入力の間でのこのような食い違いが決定されると、経時的比較モジュール９０が開始されて、前処理、セグメント化、位置合わせ、比較、その後のＣＡＤ分析、並びに希望された場合には定量分析が開始される。

上述した様々なプロセス及びワークフローにおいて、様々な種類のＣＡＤアルゴリズムが実施される。当業者には理解されるように、このようなＣＡＤ処理は、分析の種類、画像の種類、及び関心のある特徴の種類に応じて、様々な形態を取り得る。図８は、このような用途に適応させることができる模範例のＣＡＤルーチン９４を示している。例えば、医学の分野では、医療従事者が本書で述べたような経時的データを使用して特有の病気に関する情報を導き出すことができる。従って、状態の変化を分析するための経時分析能力を持つＣＡＤアルゴリズムが提案されている。別の例として、ＣＴシステムでは、画像内の観察可能な関心のある特徴は、経時マンモグラフィ質量分析によって決定することができる。このような質量識別法は、疑わしそうな障害の存在又は不存在を識別するような検出のみのために実行することができ、或いは診断の形態を取ること、すなわち、検出された障害を良性又は悪性として分類することができる。

図８に例示されているＣＡＤルーチン９４の実施において、入力データ９６は、ＣＴデータ収集システムのような発生源から直接に、又は前に述べたデータ保存所に格納されているような様々な診断用画像データセットから呼び出すことができる。次いで、セグメント化モジュール９８が関心のある領域を定めて、特徴が画像内で認識可能であるかどうか判断する。関心のある領域は幾つかのやり方で定めることができる。例えば、データセット全体を関心のある領域として定めることができる。代替例では、特定の領域内の候補の塊状領域のような、データの一部を考慮することができる。関心のある領域のセグメント化は手動で又は自動的に実行することができる。手動セグメント化は、データを表示し、マウスや他の適当なインターフェースのような入力セットを介してユーザにより一領域の輪郭を描くことを含んでいる。自動セグメント化アルゴリズムは、典型的な類似の特徴の形状、大きさ又は他の画像特性のような従来の知識を使用して、関心のある区域の輪郭を自動的に描くことができる。半自動的方法では、手動及び自動セグメント化を組み合わせて用いることができる。

ルーチンの中で随意選択のモジュールであってよい特徴抽出モジュール１００は、供給されたデータについて計算を実行することを含む。例えば、関心のある領域における画像ベースのデータは、形状、大きさ、密度、曲率などのような統計量を決定するために分析することができる。医学の分野で使用されるような収集ベースのデータ及び患者ベースのデータについては、データ自体が抽出された特徴として作用することができる。

一旦特徴がセグメント化されて、特徴抽出が要望通りに実行されると、分類モジュール１０２が、任意の適当な種類の分類法に従って関心のある領域を分類するのに役立つ。例えば、医学の分野では、塊状体をそれらの種類、良性又は悪性であるかの確率などによって分類することができる。このような分類法は、ベイズの部類法、ニューラル・ネットワーク、規則ベースの方法、ファジイ論理方法等のような広範囲のアルゴリズムを含むことができる。ここで、ＣＡＤルーチンが全てのデータの特徴を取り入れることによって一回実行されること、また並列に実行できることに留意されたい。ＣＡＤアルゴリズムの並列動作はＣＡＤ動作の遂行を改善することができる。例えば、データセットについての個々の動作は、ＣＡＤアルゴリズムの個々のモジュールの結果によって、又は論理積、論理和、否定動作、又はこれらの組合せのような論理オペレータを介して、ＣＡＤ動作の結果を組み合わせることによって、影響を受けることがある。更に、複数の特徴、物品、病気の状態などを検出するために異なるＣＡＤアルゴリズム及び動作を直列に又は並列に実施することができ、これについては図９を参照して詳しく説明する。モジュール１０２での分類に続いて、通常、図８のブロック１０４に示すように何らかの種類の視覚化を行うのが好ましい。前と同様に、視覚化は、通常の又は特殊用途のモニタ、ハードコピーのプリントアウト、フィルム、又は任意の他の適当な態様により行うことができる。

ＣＡＤルーチンは画像に関する特有の情報を使用するか、又は特徴抽出及び分類段階のため、並びにセグメント化のために画像内に予想される特別な関心のある特徴についての知識に関する一般的な情報を使用することができることに留意されたい。図８に例示されているように、収集パラメータ１０６は、一般的に、関心のある特徴が提示され、また画像から識別できる態様に関連している。このような収集パラメータは典型的には、画像データを生成するために使用される画像プロトコル及び設定値を生成するシステムの種類などを含むことができる。更に、様々な種類の従来知識が、ブロック１０８で示されるようにＣＡＤプロセスにおいて有用である。このような従来知識は、典型的には、分析のために画像内で識別することのできる類似の特徴又は物体の統計分析を含むことができる。多種類の特性が画像データの分析によって識別することができ、そこで、同じ種類の確認された特徴によって示される同様な特性についての従来知識は、特徴抽出及び分類モジュールにおいて非常に有用であり、またこの情報はセグメント化において使用することもできる。最後に、図８にブロック１１０で示されているように、 他の因子を、プロセスに、特に分類のために考慮することができる。このような因子としては、人口統計的因子、危険因子などを含むことができ、これらは画像データ内の任意の認識された特徴の最終的な分類に役立てることができる。

好ましいプロセスでは、既知の及び確認された関心のある特徴の従来知識を取り入れること等により、ＣＡＤアルゴリズムについてのある種のトレーニングが設けられる。この種のトレーニング段階は、医学の分野における良性及び悪性の塊状体のような、既知のサンプルに基づいた幾つかの候補の特徴についての計算を含むことができる。次いで、特徴選択アルゴリズムを採用することにより、候補の特徴をソーティングして、或る特定のセグメント化、特徴抽出及び分類候補を確認又は拒絶するための有用な特徴のみを選択する。好ましくは、冗長さを低減し且つ計算効率を改善するために、有用な特徴又は特性のみを保持する。このような決定は、典型的には、候補の特徴の異なる組合せによる結果の分類に基づいてなされる。採用された特徴選択アルゴリズムはまた、実用上の観点から次元の数を減らし、従って計算効率を更に改善するために使用される。このようにして、医学の分野における良性及び悪性の塊状体のような関心のある特徴の間で最適に弁別することができる特徴セット（一組の特徴）が導き出される。この最適な特徴セットは、ＣＡＤルーチンにおいて関心のある領域について抽出される。最適な特徴選択は、転換尺度、 バッタチャリヤ（Bhattacharya）距離尺度、マハラノビス(Mahalanobis)距離尺度などを含む周知の距離尺度手法のような多数の手法を使用して、実行することができる。

本発明の手法で採用されるＣＡＤアルゴリズムは互いに異なるものであってよく、実際に多数の異なるＣＡＤアルゴリズムを使用することができる。例えば、前に述べたように、アルゴリズムは画像データの並列分析のために使用することができ、又は特別な関心のある特徴が画像データ内に存在するか又は観察可能である場合にのみ経時分析を開始するため等で、直列に使用することができる。並列のＣＡＤアルゴリズムはまた、同じ又は異なる特徴について、或いは異なるレベルの感度及び特定性で用いることができ、適切な場合には、調停装置が前に述べたように用いられる。更に、前に述べたように、経時分析ＣＡＤアルゴリズムが特に経時変化画像について動作するために開発され続けられると予想される。これらには、時間につれての変化を定量分析するためのアルゴリズムが含まれる。

前にも述べたように、或る特定のＣＡＤアルゴリズムは図９に概略的に表されているように並列に実行又は実施することができる。図９に全体的に参照符号１７２を付けた相互交流型経時分析ＣＡＤルーチンは、前に述べた種類のＣＡＤモジュールの相互交流型又はインターリーブ型動作により画像相互の間の経時変化を分析することができる。一例として、異なる時点における画像データセット９６が呼び出され、その各々について、２つの並列のＣＡＤアルゴリズムのセグメント化モジュール９８によってセグメント化が実行される。一般的に云えば、これらのＣＡＤアルゴリズムは、同じ性質であってよく、又は、例えば感度又は特定性において、互いから異なっていてもよく、或いは異なる関心のある特徴を識別するように適応するものであってよい。段階１１４で、セグメント化した画像、又は画像のセグメント化した部分を、特別に適応させた位置合わせモジュールによって位置合わせする。位置合わせモジュール１１４の動作は、前に述べた位置合わせモジュール６０の動作と大体同じであってよく、或いは、ルーチンのＣＡＤアルゴリズムによって実行されたセグメント化が異なっている場合に異なる種類の画像又はセグメント化に特別に適応させてもよい。位置合わせの結果は比較モジュール１１６へ供給され、比較モジュール１１６はセグメント化の結果が集束しているか又は発散しているどうか決定する。位置合わせの出力はまた、特徴抽出モジュール１００へ供給することができる。この点から以降では、各ＣＡＤアルゴリズムのモジュールの間でデータが交換されるか又は相補的な態様で使用されて、特徴抽出、分類及び最終的な視覚化を改善することができる。従って、ＣＡＤアルゴリズムの特定の結果は、特徴識別の前に結合される。その結果のプロセスは、特徴の共通部分及び相違部分を考慮して、画像相互の間の経時的な差を識別して、異なる画像データセットによって表された経時的データの相乗作用的分析に到達することができる。

本発明は様々な変更を行い且つ代替の形態にすることができるが、特有の実施形態を例として図面に示し、且つ本書に詳しく記述した。しかしながら、本発明が開示した特別な形態に制限されないことを理解されたい。むしろ、本発明は、特許請求の範囲に記載した発明の真の精神および趣旨の範囲内にある全ての変更、等価物および代替物を包含するものである。

本発明による手法に従って分析のために異なる時点に画像データを生成するために使用される模範例のイメージング・システムの概要図である。 本発明による手法の経時分析手順を実施するための画像処理システムの概要図である。 本発明による手法の経時分析処理を実施する際の模範例のプロセス段階及び構成要素を例示する流れ図である。 画像の経時分析のための代替プロセスを例示する、図３と同様な流れ図である。 画像の経時分析のための別の代替プロセスを例示する別の流れ図である。 調停装置の使用により異なる時点に収集された画像を処理する際の模範例のプロセス段階を例示する別の流れ図である。 調停装置を用いた経時画像分析のための別の代替プロセスを例示する別の流れ図である。 本発明による手法に従って画像データ又は経時変化画像の分析を実行するための典型的なＣＡＤルーチンにおける模範例のプロセス段階を例示する流れ図である。 本発明による手法に従って異なる時点に生成された画像を反復的に分析するための代替プロセスを表す流れ図である。

符号の説明

１０ イメージング・システム
１４ 対象物
３２ 経時変化分析システム
３６、３８ 画像セット
４６ 経時変化分析ルーチン
６４ 経時変化スクリーニング・ルーチン
６８ 経時変化定量分析ルーチン
７２ 経時変化調停ルーチン
８２ 経時変化調停ルーチン
９４ ＣＡＤルーチン
１７２ 相互交流型経時分析ＣＡＤルーチン

Claims (9)

1. 画像データを分析する方法であって、
   第１及び第２の画像をセグメント化（５８）し、これらのセグメント化した画像の少なくとも一部分を互いに位置合わせ（６０）することによって、異なる時点における第１及び第２の画像に基づいて経時変化画像を生成する段階（５６，５８，６０，６２）と、
   第１のＣＡＤアルゴリズム（５２）により前記経時変化画像を分析する段階と、
   を有し、
   前記第１及び第２の画像は異なるイメージング・モダリティによって生成され、
   第２のＣＡＤアルゴリズム（６６）により少なくとも前記第１の画像を分析する段階を含んでおり、
   前記第２のＣＡＤアルゴリズム（６６）は、前記経時変化画像の分析に使用される前記第１のＣＡＤアルゴリズム（５２）よりも高い感度及び低い特定性を有しており、
   前記第２のＣＡＤアルゴリズム（６６）が前記第１の画像内に関心のある特徴を特定しない場合、前記第１及び第２の画像に基づく経時変化画像が生成されず、
   前記第２のＣＡＤアルゴリズム（６６）が前記第１の画像内に関心のある特徴を特定する場合、前記第１及び第２の画像に基づく経時変化画像が生成される、方法。
2. 前記第１のＣＡＤアルゴリズムにより前記経時変化画像を分析する前記段階は、患者の物理的状態を診断する段階を含んでいる、請求項１記載の方法。
3. 前記第１のＣＡＤアルゴリズム（５２）は前記経時変化画像内の少なくとも１つの関心のある特徴を識別する、請求項１記載の方法。
4. 前記経時変化画像について定量分析を実行する段階を含んでいる請求項１記載の方法。
5. 前記定量分析は、前記経時変化画像に基づいて前記第１及び第２の画像の間での関心のある特徴の大きさの変化を決定することを含んでいる、請求項４記載の方法。
6. 前記第１の画像、前記第２の画像及び前記経時変化画像のうちの少なくとも１つと共にユーザにレポート（５４）を提示する段階を含んでいる、請求項１記載の方法。
7. 前記セグメント化（５８）は、手動及び自動セグメント化の組み合わせが可能である、請求項１乃至６のいずれかに記載の方法。
8. 画像データを分析するシステムであって、
   第１及び第２の画像をセグメント化し、これらのセグメント化した画像の少なくとも一部分を互いに位置合わせすることによって、異なる時点における第１及び第２の画像に基づいて経時変化画像を生成する手段と、
   第１のＣＡＤアルゴリズム（５２）により前記経時変化画像を分析する手段と、
   第２のＣＡＤアルゴリズム（６６）により少なくとも前記第１の画像を分析する手段と、
   を有し、
   前記第１及び第２の画像は異なるイメージング・モダリティによって生成され、
   前記第２のＣＡＤアルゴリズムは、前記経時変化画像の分析に使用される前記第１のＣＡＤアルゴリズム（５２）よりも高い感度及び低い特定性を有しており、
   前記第２のＣＡＤアルゴリズムが前記第１の画像内に関心のある特徴を特定しない場合、前記第１及び第２の画像に基づく経時変化画像が生成されず、
   前記第２のＣＡＤアルゴリズムが前記第１の画像内に関心のある特徴を特定する場合、前記第１及び第２の画像に基づく経時変化画像が生成される、システム。
9. 画像データを分析するシステムであって、
   第１のＣＡＤアルゴリズム（６６）により第１の画像を分析し、関心のある特徴を特定する手段と、
   前記第１の画像内に関心のある特徴が特定された場合、前記第１の画像と異なる時点における第２の画像にアクセスし、前記第１及び第２の画像に基づいて経時変化画像を生成する手段と、
   前記第１のＣＡＤアルゴリズムとは異なる第２のＣＡＤアルゴリズム（５２）により前記経時変化画像を分析する手段と、
   を備え、
   前記第１の画像の分析に使用される前記第１のＣＡＤアルゴリズムは、前記第２のＣＡＤアルゴリズム（５２）よりも高い感度及び低い特定性を有しており、
   前記第１の画像の分析に使用される前記第１のＣＡＤアルゴリズムが前記第１の画像内に関心のある特徴を特定しない場合、前記第１及び第２の画像に基づく経時変化画像が生成されないように構成されている、システム。
   

Images