JP5048233B2

JP5048233B2 - Ｃａｄシステムにおける解剖学的形状の検出のための方法及びシステム

Info

Publication number: JP5048233B2
Application number: JP2005292050A
Authority: JP
Inventors: ラウル・ボティカ; パウロ・リカード・ドス・サントス・メンドンカ; ウェズリー・デイビッド・ターナー; リカルド・スコット・アヴィラ; サード・アーメッド・シロヘイ; マチュー・デニス・ファラン
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2004-10-08
Filing date: 2005-10-05
Publication date: 2012-10-17
Anticipated expiration: 2025-10-05
Also published as: JP2006102508A; DE102005048524A1

Description

本発明は、一般には医用イメージング検査を検討するための方法及び装置に関し、より具体的には、コロノグラフィ及び肺検査から得られるようなコンピュータ断層撮影データの検討のための方法及び装置に関する。

肺癌は世界の主要な死亡原因の１つである。典型的には、胸部Ｘ線写真がヒトの肺疾患を検出する目的の診断手段として使用されてきた。コンピュータ断層撮影（ＣＴ）イメージングもまた、肺癌の早期検出及び治療を促進するのに使用されている。ＣＴイメージングは、有利には、極めて詳細な解剖学的構造の描写を提供し、その結果、可能性のある癌に至る場合がある病変の進展を検出し追跡するために次第に用いられている。

最近では、放射線専門医は、高度肺分析（ＡＬＡ）及びコンピュータ断層撮影コロノグラフィ（ＣＴＣ）法を用いて肺及び結腸の結節及びポリープを探し出す。放射線専門医は、胸部の軸方向スライスを観察することにより肺の結節を検出する。しかしながら、ＣＴシステムは一般に、単一のＣＴスキャンで幾つかの画像を提供する。その結果、画像を判読して疾病を示す可能性がある疑わしい領域を検出する際に用いるために、かなり多量の情報が放射線専門医に提示される。単一のＣＴスキャンに付随する多量のデータは、放射線専門医に対して時間がかかる処理を提起する。更に、幅広い量のデータにおいて疑わしい領域の識別が困難であるので、この多量のデータは不都合なことに癌検出の見逃しにつながる可能性がある。

結腸癌は主要な癌死亡原因の１つであるが、前駆結腸ポリープの適時検出及び除去により多くは回避することができる。ＣＴＣは最近では、結腸ポリープの早期検出に使用される。しかしながら、ここでもやはり、放射線専門医によるＣＴＣ検査データの判読は、可能性のある多数の軸方向ＣＴスライスに起因して、時間がかかる場合がある。加えて、判読のための画像データの負担が大きいことにより見落とし過失を生じる恐れがある。

コンピュータ支援による検出、或いはコンピュータ支援検出又はコンピュータ支援診断と様々に記載され、多くの場合頭字語で「ＣＡＤ」と呼ばれる技法が、胸部Ｘ線写真及び胸部ＣＴスキャンにおける肺結節の検出において放射線専門医を支援するため、並びに他の解剖学的構造及び病状を検出し診断するために実行可能な方法として現れた。しかしながら、ＣＡＤ法が直面する重大且つ複雑な問題の１つは、可能性のある結節候補の初期選択である。

通常、公知のＣＡＤ法のほとんどは、結節候補の初期識別に閾値法を使用する。しかしながら、ＣＴ画像を閾値処理する従来の方法は、閾値の適正な選択を極めて困難にする非常に低いＣＴ値及びコントラストを有する場合がある特定の結節に関連する問題に直面し、これにより多数の偽陽性を生じ、これらを排除し実際の危険性に焦点を合わせるために放射線専門医が更に時間を要するようになる。加えて、多くの結節は、血管及び気管壁と同じＣＴ値を示す場合があり、結節検出の際の結節候補として血管及び気管壁を含むことにより、血管及び気管壁が不都合なことに偽陽性の数を実質的に増大させる結果となる可能性がある。
米国特許第６７４８０４４号

従って、結節の大部分を実質的に優れた初期形状ベースで検出することを有利に促進する画像データを処理すると共に、同時に偽陽性の数を最小限に維持する堅牢な技法及びシステムの開発が望ましいとすることができる。具体的には、有資格医療従事者による後続のコンピュータ支援分析及び最終検査のために、より現実的な候補を生成又は認識することができるシステムに対する必要性がある。

簡潔に言えば、本技法の１つの態様により、画像データから関心のある解剖学的対象物をコンピュータ支援により検出する方法が提示される。本方法は、画像データから３次元候補生成器に基づいて複数の関心対象物の可能性のある候補を選択する段階を含み、ここで３次元候補生成器は曲率テンソルを含む。更に本方法は、複数の関心対象物の可能性のある候補を分類して偽陽性率が低減された関心対象物のセットを生成する段階を含む。この方法により定められる形式の機能性を提供するコンピュータ可読媒体もまた本技法により提供される。

本技法の別の態様によれば、画像データから関心のある解剖学的対象物をコンピュータ支援により検出するシステムが提示される。本システムは、ＣＴ画像収集システム又はＣＴ画像記憶システムの一方に動作可能に結合可能なコンピュータ・システムを含み、ここでコンピュータ・システムは３次元候補生成器を含み、該３次元候補生成器は画像データから複数の関心対象物の可能性のある候補を選択するように構成され、該３次元候補生成器は曲率テンソルを含む。

本技法の更に別の態様によれば、画像データから関心のある解剖学的対象物をコンピュータ支援により検出するシステムが提示される。本システムは、放射線流を照射するように構成されたＸ線源を含む。更に本システムは、放射線流を検出して、該放射線流に応答して１つ又はそれ以上の信号を生成するように構成された領域検出器を含み、該検出器は複数の検出器素子を含む。本システムはまた、Ｘ線源及び領域検出器を回転させて、データ収集システムにより検出器素子の１つ又はそれ以上から投影データの１つ又はそれ以上のセットを収集するように構成されたシステムコントローラを含む。加えて、本システムは、ＣＴ画像収集システム又はＣＴ画像記憶システムの一方に動作可能に結合可能なコンピュータ・システムを含み、ここで該コンピュータ・システムは３次元候補生成器を含み、該３次元候補生成器は画像データから複数の関心対象物の可能性のある候補を選択するように構成され、該３次元候補生成器は曲率テンソルを含む。

本発明のこれら及び他の特徴、態様、並びに利点は、添付図面を参照しながら以下の詳細な説明を読むとより理解されるであろう。図面において同じ参照符号は図面全体を通して同じ要素を表す。

肺癌は世界の主要な死亡原因の１つである。典型的には、胸部Ｘ線写真がヒトの肺疾患を検出する目的の診断手段として使用されてきた。コンピュータ断層撮影（ＣＴ）イメージングもまた、肺癌の早期検出及び治療を促進するのに使用されている。結腸癌は、癌死亡の主要な原因の１つであるが、前駆結腸ポリープを適時に検出して除去することによって多くは回避することができる。ＣＴＣは現在、結腸ポリープの早期検出に使用されている。しかしながら、放射線専門医によるＣＴ検査データの判読は、場合によっては軸方向ＣＴスライスが多数であることにより時間がかかる可能性がある。加えて、判読のための画像データの負担が大きすぎることにより見落とし過失を生じることがある。コンピュータ支援検出（ＣＡＤ）は、胸部Ｘ線写真及び胸部ＣＴスキャンの肺結節の検出において放射線専門医を支援する実行可能な方法として現れた。しかしながら、ＣＡＤ手法が直面する重要且つ複雑な問題の１つは、可能性のある結節候補の初期選択である。本明細書で検討される技法は、これらの問題の一部又は全てに対処する。

図１は、本技法により画像データを収集し処理するイメージング・システム１０を示すブロック図である。図示された実施形態において、システム１０は、Ｘ線投影データを収集し、投影データを画像に再構成して、更に本技法に従って表示及び分析するために画像データを処理するよう設計されたコンピュータ断層撮影（ＣＴ）システムである。図１に示される実施形態において、イメージング・システム１０はＸ線照射源１２を含む。１つの例示的な実施形態において、Ｘ線照射源１２はＸ線管である。他の実施形態において、Ｘ線照射源１２は、１つ又はそれ以上の固体Ｘ線エミッタ、或いは実際には、所望の対象物をイメージングするのに有用なスペクトル及びエネルギを有するＸ線を生成可能な他の任意のエミッタとすることができる。

放射線源１２は、コリメータ１４に近接して位置付けることができ、該コリメータは、放射線源１２によって照射される放射線流１６を成形するよう構成することができる。放射線流１６は、ヒト患者１８などの撮像被検体を含むイメージング・ボリューム中を透過する。放射線流１６は一般に、以下で検討される検出器アレイの構造、並びにデータ収集の要求された方法に応じて、扇形又はコーン形とすることができる。放射線２０の一部は、被検体を透過し又はその周りを通り、全体的に参照符号２２で表される検出器アレイに衝突する。アレイの検出器素子は、入射Ｘ線ビームの強度を表す電気信号を生成する。これらの信号は、収集され処理されて被検体内の特徴の画像を再構成する。

放射線源１２は、システムコントローラ２４によって制御され、該システムコントローラは、電力とＣＴ検査シーケンスのための制御信号との双方を供給する。更に検出器２２は、システムコントローラ２４に結合され、該システムコントローラは、検出器２２で発生した信号の収集を命令する。システムコントローラ２４はまた、ダイナミック・レンジの初期調整、デジタル画像データのインターリービングなどのための、様々な信号処理及びフィルタ処理機能を実行することができる。一般に、システムコントローラ２４は、イメージング・システムの動作に検査プロトコルを実行し収集データを処理するように命令する。本明細書では、システムコントローラ２４はまた、通常、汎用又は特定用途向けデジタル・コンピュータによる信号処理回路、コンピュータにより実行されるプログラム及びルーチンを記憶するための関連記憶回路、並びに構成パラメータ及び画像データ、インターフェース回路などを含む。

図１に示される実施形態において、システムコントローラ２４は、モータコントローラ３２を介して回転サブシステム２６及び直線位置決めサブシステム２８に結合されている。１つの実施形態において、回転サブシステム２６により、Ｘ線源１２、コリメータ１４、及び検出器２２を患者１８の周りで１回転又は複数回転させることができる。別の実施形態において、回転サブシステム２６は、線源１２又は検出器２２の一方だけを回転させることができ、或いはイメージング・ボリュームの周りでリング状に配列された様々なＸ線エミッタ及び／又は検出器素子を個別に作動させることができる。線源１２及び／又は検出器２２が回転する実施形態において、回転サブシステム２６は、ガントリを含むことができる。従って、システムコントローラ２４を用いて、ガントリを作動させることができる。直線位置決めサブシステム２８により、患者１８、又はより具体的には患者テーブルを直線的に変位させることができる。従って、患者テーブルをガントリ内で直線的に移動させて、患者１８の特定領域の画像を生成することができる。

加えて、当業者には理解されるように、放射線源１２は、システムコントローラ２４内に配置されたＸ線コントローラ３０により制御することができる。具体的には、Ｘ線コントローラ３０は、電力及びタイミング信号をＸ線源１２に供給するように構成される。

更に、システムコントローラ２４はまた、データ収集システム３４を含むよう示されている。この例示的な実施形態において、検出器２２は、システムコントローラ２４、より具体的にはデータ収集システム３４に結合される。データ収集システム３４は、検出器２２の読み出し電子回路により収集されたデータを受信する。データ収集システム３４は通常、検出器２２からサンプリングされたアナログ信号を受け取り、そのデータをコンピュータ３６による後続の処理のためにデジタル信号に変換する。

コンピュータ３６は通常、システムコントローラ２４に結合され、或いはこれを組み込む。データ収集システム３４により収集されたデータは、後続の処理及び再構成のためコンピュータ３６に伝送することができる。コンピュータ３６は、該コンピュータ３６により処理されたデータ又はコンピュータ３６により処理されることになるデータを記憶することができるメモリ３８を含み、又は該メモリと通信することができる。こうした例示的なシステム１０では、大量のデータを記憶するように構成される任意の形式のメモリを使用することができる点を理解されたい。更に、メモリ３８は、収集システムに配置するか、或いはネットワークにアクセス可能なメモリ媒体などの遠隔構成要素を含み、以下で説明する方法を実施するためのデータ、処理パラメータ、及び／又はルーチンを記憶することができる。

コンピュータ３６はまた、システムコントローラ２４によって使用可能にすることができる、スキャン動作及びデータ収集などの機能を制御するように適合させることができる。更に、コンピュータ３６は、通常キーボード及び他の入力デバイス（図示せず）を備えたオペレータ・ワークステーション４０を介して、オペレータから命令及びスキャン・パラメータを受け取るように構成することができる。オペレータはこれにより、入力デバイスを介してシステム１０を制御することができる。従って、オペレータは、コンピュータ３６からの再構成された画像及びシステムに関する他のデータを観察し、イメージングを開始することなどができる。

オペレータ・ワークステーション４０に結合された表示装置４２を用いて、再構成された画像を観察することができる。加えて、スキャンされた画像はまた、プリンタ４４によって印刷することができ、該プリンタはオペレータ・ワークステーション４０に結合することができる。表示装置４２及びプリンタ４４はまた、直接又はオペレータ・ワークステーション４０を介してコンピュータ３６に接続することができる。オペレータ・ワークステーション４０はまた、医用画像保管管理システム（ＰＡＣＳ）４６に結合することができる。ＰＡＣＳ４６は、遠隔システム４８、放射線部門情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）、或いは内部又は外部ネットワークに結合することができ、これにより別の場所にいる他者が画像データにアクセスすることができるようになる点に留意されたい。加えて、コンピュータ支援診断（ＣＡＤ）ユニット５０は、コンピュータ３６に動作可能に結合することができる。ＣＡＤユニット５０は、画像データにＣＡＤアルゴリズムを適用するように構成されるソフトウェアを含むことができる点に留意することができる。更にＣＡＤユニット５０はまた、表示装置４２に結合することができ、ここでは画像データは表示装置状に表示することができる。実際には、ＣＡＤユニット５０は、データ収集システム３４の一部とすることができ、或いは、通常はデータ収集システム３４から遠隔の位置にある完全に別個の構成要素であってもよく、ＰＡＣＳ４６などのメモリに記憶された画像データを分析するように構成することができる。

コンピュータ３６及びオペレータ・ワークステーション４０は、他の出力装置に結合することができ、該出力装置は、汎用又は特定用途のコンピュータ・モニタ及び関連処理回路を含むことができる点に更に留意すべきである。１つ又はそれ以上のオペレータ・ワークステーション４０は更に、システム・パラメータを出力し、検査を要求し、及び画像を観察するなどのために、システムにリンクすることができる。一般に、表示装置、プリンタ、ワークステーション、及びシステム内に供給される同様の装置は、データ収集構成要素に対して構内接続とすることができ、或いは、インターネット、仮想私設ネットワーク、又は同様のものなどの１つ又はそれ以上の構成可能なネットワークを介して画像収集システムにリンクされた研究機関又は病院内の他の場所又は全く別の場所などといった、これらの構成要素から遠隔接続であってもよい。

上述のように、本実施形態で使用される例示的なイメージング・システムは、図２でより詳細に示されるようなＣＴスキャン・システム５２とすることができる。ＣＴスキャン・システム５２は、広範なアレイの軸方向カバレージ、高速ガントリ回転速度、及び高空間分解能を提供するマルチスライス検出器ＣＴ（ＭＤＣＴ）システムとすることができる。或いはまた、ＣＴスキャン・システム５２は、コーン型ビーム幾何形状及び領域検出器を用いて被検体の内部器官全体などのボリュームを高速又は低速ガントリ回転速度でイメージングすることができるボリュメトリックＣＴ（ＶＣＴ）システムとすることができる。ＣＴスキャン・システム５２は、患者１８を移動させて通すことができるアパーチャ５８を有するフレーム５４及びガントリ５６と共に図示されている。患者テーブル６０は、フレーム５４及びガントリ５６のアパーチャ５８内に位置付けて、通常は直線位置決めサブシステム２８（図１参照）によってテーブル６０の直線変位による患者１８の移動を容易にすることができる。ガントリ５６は、焦点６２からＸ線を照射するＸ線管などの放射線源１２と共に示されている。心臓イメージングでは、放射線流は心臓を含む患者１８の断面に向かって配向される。

通常の動作において、Ｘ線源１２は、焦点６２から検出器アレイ２２（図１参照）に向かってＸ線ビームを投射する。鉛又はタングステンシャッターなどのコリメータ１４（図１参照）は通常、Ｘ線源１２から出てくるＸ線ビームの大きさ及び形状を定める。検出器２２は一般的に、複数の検出器素子により形成され、該検出器素子は、心臓又は胸部などの関心のある被検体を透過し、及びその周りを通るＸ線を検出する。各検出器素子は、ビームが検出器２２に衝突する時点での素子の位置におけるＸ線ビームの強度を表す電気信号を生成する。ガントリ５６は関心のある被検体の周りを回転し、これにより複数の放射線ビューをコンピュータ３６により収集することができるようにする。

従って、Ｘ線源１２及び検出器２２が回転すると、検出器２２は減弱されたＸ線ビームに関するデータを収集する。次いで、検出器２２から収集されたデータは、前処理及び較正を受けて、スキャンされた対象物の減弱係数の線積分を表すようにデータを調整する。一般に投影と呼ばれる処理されたデータは次に、フィルタ処理されて、逆投影され、スキャンされた領域の画像を形成する。形成された画像は、特定のモードにおいて、投影データのおよそ３６０度を組み込むことができる。

再構成されると、図１及び図２のシステムにより生成された画像は、患者１８の内部特徴６６を明らかにする。病態、より一般的には医学的状態又は事象の診断に対する従来の手法において、放射線専門医又は医師は、再構成された画像６４を検討して、関心のある固有の特徴を識別することになる。病態、より一般的には医学的事象などの病状の診断に対する従来の手法において、放射線専門医又は医師は、画像６４表示のハード・コピーを検討して、関心のある固有の特徴を識別することになる。かかる特徴は、特定の解剖学的構造又は器官の病変、大きさ及び形状、並びに個々の医療従事者の技量及び知識ベース画像の識別可能な他の特徴を含むことができる。他の分析は様々なＣＡＤアルゴリズムの能力に基づくものとすることができる。

本技法は、ＣＡＤアルゴリズムによるこれらの機能の幾つかを実施する。当業者には理解されるように、ＣＡＤアルゴリズムは、解剖学的異常などの関心のある特定の特徴を識別又は少なくとも位置特定する潜在能力をもたらすことができる。特定のＣＡＤアルゴリズムは一般に、識別されることになる特徴のタイプ、及び画像データを生成するのに用いられるイメージング診断装置に応じて選択される。ＣＡＤ技法は、分割アルゴリズムを使用することができ、このアルゴリズムは、エッジ、識別可能な構造、境界、色又は強度の変化又は遷移、分光学的情報における変化又は遷移などの既知の画像特徴又は予測される画像特徴を参照することによって関心特徴を識別する。最新のＣＡＤアルゴリズムは、一般にこれらの特徴を識別するだけの潜在能力をもたらす。その結果、後続の処理及びデータ収集は、完全に医療従事者の自由裁量であり、その専門知識ベースものである。

ＣＡＤアルゴリズムは、幾つかの部分又はモジュールを含むものとして考えることができ、これら全ては本技法で実施することができる。一般に、ＣＡＤアルゴリズムは、画像データへのアクセス、データ又は画像の分割、特徴選択又は抽出、分類、トレーニング、及び視覚化などのモジュールを含むことができる。更に、ＣＡＤ処理は、再構成前の収集投影データ集合、２次元再構成データ（軸方向及びスカウト・モード双方）、３次元再構成データ（ボリューム・データ又は多平面再フォーマット）、又はかかるフォーマットの好適な組み合わせに対して実行することができる。収集投影データ集合は、２次元スキャンにおける幾つかの１次元投影、又は３次元スキャンにおける幾つかの２次元投影を有することができる。収集又は再構成されたデータを用いて、分割、特徴選択、及び視覚化前の分類を実行することができる。これらの基本処理は、並行して又は様々な組み合わせで行うことができる。

ＣＡＤアルゴリズムが実施されるデータは、未処理の画像収集システム情報とすることができ、或いは部分的又は完全に処理されたデータとすることができる。データは、断層撮影データソースから生じたものであってもよく、或いはＣＴイメージングにおける投影又はラドン領域の未処理データ、単一又は複数の再構成２次元画像、或いは３次元再構成ボリュメトリック画像データなどの診断用断層撮影データとすることができる。

ＣＡＤアルゴリズムの分割部分は、断層撮影データの算出された特徴に基づいて特定の関心領域を識別することができる。関心領域は、特定範囲のしこり候補部位などのデータ集合全体又は一部を用いて様々な方法で求めることができる。特定の分割法は、識別されることになる解剖学的構造によって決まり、典型的には、反復閾値処理、Ｋ平均分割、エッジ検出、エッジ接続、曲線近似、曲線平滑化、２次元及び３次元形態フィルタ処理、領域拡張、ファジー・クラスタリング、画像／ボリューム測定、経験則、知識ベース則、決定木、神経ネットワークなどに基づくものとすることができる。或いはまた、分割は、少なくとも部分的に手作業とすることができる。自動分割もまた、しこりの形状及び大きさなどの事前知識を用いて、自動的に関心領域を描くことができる。

ＣＤアルゴリズムの特徴抽出の態様は、所望の画像を含むデータで計算を実行する段階を含む。複数の特徴基準は、形状、大きさ、密度、及び曲率などの関心領域の統計値を用いて画像ベースのデータから抽出することができる。投影空間データでは、ビュー又は位置における特徴投影の位置、形状又は大きさなどの特徴が、ビュー間に一貫性を与えるなどのために用いることができる。

ＣＡＤアルゴリズムの分類の態様は、この場合も部分的又は完全に手動又は自動とすることができる。具体的には、分類を用いて、正常又は異常な解剖学的構造すなわち病変に分類することにより、関心領域を具体的に識別することができる。とりわけ、ベイズ識別器、神経ネットワーク、規則ベース法、又はファジー論理法を分類に用いることができる。１つより多いＣＡＤアルゴリズムを並行して使用することができる点に留意されたい。かかる並行演算は、画像データの一部分に別個にＣＡＤ演算を実行する段階と、ＣＡＤ演算全ての結果を組み合わせる段階（論理的に「ａｎｄ」又は「ｏｒ」演算或いはその両方による）とを含むことができる。加えて、複数の関心のある病態又は解剖学的特徴を検出するＣＡＤ演算は、連続して又は並行して実行することができる。

ＣＡＤアルゴリズムを用いる解剖学的構造のしこりを分類する前に、トレーニングによる事前知識を組み込むことができる。トレーニング段階は、正常及び異常病変又は他の関心特徴の既知のサンプルについての幾つかの候補特徴の計算を含むことができる。次に、特徴選択アルゴリズムを用いて、候補特徴を並べ替えて、有用な特徴だけを選択し、情報を提供しないもの又は冗長な情報を除去することができる。この決定は、候補特徴の様々な組み合わせを用いた分類結果に基づくものである。実用的理由から、特徴選択アルゴリズムを用いて、処理、記憶、及びデータ転送の次元を下げることができる。従って、ＣＡＤアルゴリズムによって識別された特徴又は解剖学的構造間で最適な識別を実行することができる。

ＣＡＤアルゴリズムの視覚化の態様により、ヒト又は機械の観察者が検査を行うのに有用な画像を再構成することができる。従って、様々なタイプの画像が、主治医又はかかる情報を必要とする他の任意の他者にＣＡＤアルゴリズムによって実行されるいずれか又は全ての処理及びモジュールに基づいて提示することができる。視覚化は、２次元又は３次元レンダリング、マーカの重畳、色又は強度の変化などを含むことができる。

図３は、ＣＡＤ分析に基づく処理ルーチンを実行する例示的な段階のフローチャートを示す。図３に要約された技法は、画像データを収集することができるステップ６８で始まる。上述のように、このデータ収集は、撮像されることになる特定の解剖学的構造及び実施されることになる分析に従って通常選択される、任意の好適なイメージング診断装置に基づくことができる。例示として、当業者には理解されるように、幾つかのイメージング診断装置の物理的制限は、骨又は他の密度の高い組織又は対象物とは対照的に、軟組織のイメージングに対して更に好適なものとなる。更に、診断装置は、通常はシステムの物理的特性により決定付けられる特定の設定と結び付けて、コントラストの高い又は低い画像、ボリューム・レンダリング、特定の組織又は構成要素に対しての感知又は無感知などをもたらす。最終的には、画像収集は、関心のある特定の特徴又は領域をターゲットとし、又は強調するのに用いられる造影剤或いは他のマーカの使用と結合させることができる。例えばＣＴシステムにおいて、ステップ６８の画像データ収集は通常、オペレータ・ワークステーション４０（図１参照）を介して、システムと接続するオペレータによって開始される。読み出し電子回路は、スキャナ検出器に衝突する放射線によって生成された信号を検出し、システムがこれらの信号を処理して有用な画像データを生成する。しかしながら、当業者には理解されるように、画像データはまた、限定ではないが、磁気共鳴イメージング（ＭＲＩ）システム又はＸ線装置などの画像収集装置からアクセスすることができる。加えて、本明細書で上述された画像収集装置を用いて、患者１８（図１参照）から画像データを直接収集することができ、画像データは、代わりに、アーカイブ・サイト又はデータ記憶装置からのデータを含むことができる。

図３のステップ７０において、最初の画像を形成することができる。ステップ７０での画像の形成は、画像の再構成及び表示、或いは画像データの単なる処理を含むことができる。一般に、再構成された画像は、医師又はシステムのオペレータが後続の処理又は画像データ収集ステップにおいて案内するのに用いることができる。他の状況において、画像を実際に再構成し表示する。上述のように、最初の画像を再構成して、本明細書で説明されたようにＣＡＤアルゴリズムを画像データに適用することができるが、分析は、こうした最初の視覚化を行うことなく部分的又は完全に実行することができる点に留意されたい。

ステップ７２において、関心領域を識別することができる。関心領域は、最初の画像の同じ領域よりも大きくても、又は小さくてもよく、或いは別の領域又は隣接する領域であってもよい。例証として、ステップ７２で選択される関心領域は、可能性のある病変についてより大きな空間分解能（例えばズームイン）提供することができる。更に、特定の関心領域は、収集された画像データ集合の全て又は一部の算出された特徴に基づいて識別することができる。

続いてステップ７４において、関心特徴は、識別された関心領域に対応する画像データから抽出することができる。関心特徴は、形状、大きさ、密度、及び曲率などの関心領域の統計値を使用することにより抽出することができる。

特徴抽出ステップ７４の後に、分類ステップ７６が続くことができる。抽出された特徴は、分類ステップ７６で正常病変と異常病変に範疇分けすることができる。更に分類ステップを用いて、正常又は異常な解剖学的構造又は病変を具体的に識別することができる。とりわけ、ベイズ識別器、神経ネットワーク、規則ベース法、又はファジー論理法を用いて、抽出された関心特徴を分類することができる。

ステップ７６の結果は、分類された特徴データ集合とすることができ、これは次いで、人又は機械の観察による検査のために視覚的に提示されるよう処理することができる。ステップ７８において、人又は機械の観察による検査のために追加画像を再構成することができる。分類ステップの結果は、別個に表示してもよく、或いは単一の画像として表示するように合成することができる。次に、ステップ８０において画像を放射線専門医又は医師に提示することができる。

ここで図４を参照すると、本技法の態様により画像データから関心のある解剖学的対象物をコンピュータ支援により検出するステップを表すフローチャートが示されている。理解されるように、関心対象物の可能性のある候補の初期選択は、解剖学的形状の検出に使用されるＣＡＤ法において重要かつ困難な問題である。通常、候補生成器を用いて、関心対象物の可能性のある候補を識別又は選択することができる。本技法の態様によれば、候補生成器は、多数の関心対象物の可能性のある候補を選択するように構成することができると共に、有利には、真陽性検出率を高く維持することができる。更に、解剖学的形状の検出は、２段階の方法を含むように構成することができる。第１の段階は、画像データから関心対象物の可能性のある候補を選択するよう使用することができる。選択された関心対象物の可能性のある候補は多数の偽陽性を含む可能性がある。続いて選択処理の後に分類ステップが続くことができ、ここでは多数の偽陽性を分類器により低減することができる。関心対象物の可能性のある候補の初期選択のこの処理は、図４を参照して詳細に説明する。

図４に図示される実施例において、イメージング・システムにより収集された画像データ８２にアクセスすることができる。図示の方法において、図１のＣＴスキャン・システムによるなどのイメージング・システムを使用して患者１８（図１参照）に対して収集された画像データ８２が描画される。しかしながら、当業者には理解されるように、画像データ８２は、限定ではないが、磁気共鳴イメージング（ＭＲＩ）システム又はＸ線装置などの画像収集装置により収集することができる。加えて、本明細書で上述された画像収集装置を用いて、患者１８（図１参照）から画像データ８２を直接収集することができ、或いは、画像データ８２は、アーカイブ・サイト又はデータ記憶装置からのデータを含むことができる。

続いてステップ８４において、複数の関心対象物の可能性のある候補を画像データ８２から選択することができる。本技法の態様により、複数の関心対象物の可能性のある候補は、３次元候補生成器に基づいて選択することができる。換言すると、候補生成器は、関心対象物の候補の画像強度プロファイル、大きさ及び形状特性などの特徴に基づいて関心対象物の候補を選択するよう構成されるフィルタとして使用することができる。本明細書で用いられる「関心対象物の可能性のある候補」とは、後続の診断イメージング、生検、機能性検査、又は他の方法を受けることができる疑わしい解剖学的特徴を意味する。例えば、肺領域における関心対象物の可能性のある候補は、結節を含むことができる。同様に、結腸のポリープは、結腸領域における関心対象物の可能性のある候補を表すことができる。

１つの実施形態において、３次元候補生成器は、曲率テンソルのような微分演算子に基づくことができる。或いは、関心対象物の可能性のある候補は、構造テンソルに基づき選択することができる。３次元候補生成器を用いて、放射線専門医又は医師に対して確度の高い関心があるものとすることができる解剖学的特徴の選択を容易にすることができる。当業者には理解されるように、ヘッセ・テンソルなどの関心のある解剖学的特徴の選択の追加の技法が提案されている。しかしながら、候補生成器としてのヘッセ・テンソルの使用は、実質的に満足する結果をもたらさない。更に本明細書で以下により詳細に検討されるように、曲率テンソルを用いて、優れた候補選択を可能にすることができる。また、構造テンソルを用いて、候補選択を容易にすることができる。

上述のように、曲率テンソルを用いて、関心対象物の可能性のある候補を選択することができる。例えばステップ８４において、画像データ８２を調査し、関心対象物の可能性のある候補を取得することができる。従って、１つの実施形態において、関心対象物の可能性のある候補の選択は、本明細書で以下に説明されるように曲率テンソルを参照して説明される。

理解されるように、ボリューム画像Ｉは、コンパクト領域Ｖ⊂Ｒ^３からＲへの無限回微分可能な（Ｃ^∞）マッピングとして定めることができ、すなわち

（１）

である。ここでｘは点を表す。

点ｘにおけるボリューム画像Ｉ及び方向ｖ≠０（通常‖ｖ‖＝１とする）の方向性プロファイルは、マッピング

（２）

として定めることができる。上式においてｔは方向ｖに沿った位置パラメータである。

ベクトルｘ∈Ｖを［ｘ_１ｘ_２ｘ_３］とする。ボリューム画像Ｉ（ｘ）の勾配、すなわち勾配ベクトルは、一次導関数のベクトル∇Ｉにより表すことができ、すなわち、

（３）

である。

Ｉの領域Ｖがコンパクトであるので、Ｉはその境界がＶに達するようになる。換言すると、全てのｘ∈Ｖに対してＩ_ｍｉｎ＝Ｉ（ｘ_ｍｉｎ）≦Ｉ（ｘ）≦Ｉ（ｘ_ｍａｘ）＝Ｉ_ｍａｘであるようなｘ_ｍｉｎ及びｘ_ｍａｘ∈Ｖが存在する。更に、Ｉ_ｍｉｎ＜ｋ＜Ｉ_ｍａｘであるような所与のｋ（ここでｋは、関数Ｉの画像における強度レベルを表す）に対して、次式、

（４）

は、式（４）及び∇Ｉ（ｘ）≠０を満足する点ｘにおいて、等値面Ｍ_ｋ⊂Ｖを定める。

等値面Ｍ_ｋは、以下で表すことができる。

（５）

式（５）は、２次元多様体のようなパラメータ形式

（６）

で書き換えることができる。ここでＭはパラメータｕ及びｖの領域である。

更に、等値面Ｍ_ｋは向きづけられ、法線ベクトル場を以下により与えることができる。

（７）

上述のように、曲率テンソルを用いて、関心対象物の可能性のある候補の選択を容易にすることができる。候補生成器としての曲率テンソルの使用は、本明細書で以下に説明される。

形作用素ｓ_ｘ（ｖ）は、表面上の所与の点ｘにおける接線ベクトルｖを、ｘが方向ｖに沿って表面上を移動するときに表面法線が変化する方向にマッピングする線形作用素として定められることができ、すなわち

（８）

である。

従って、等値面Ｉ（ｘ）＝ｋの形作用素は、以下によって与えることができる。

（９）

ここで、Ｈはボリューム画像Ｉ（ｘ）のヘッセ、すなわちヘッセ行列を表す。

更に、点ｘ及びｖ^Ｔ∇Ｉ＝０であるような方向ｖにおける等値面Ｉ（ｘ）＝ｋの曲率κ（ｘ、ｖ）は、以下のように表すことができる。

（１０）

等値面の主方向は、固有値問題の解：

（１１）

であり、‖ｖ‖＝１及びｖ^Ｔ∇Ｉ＝０を条件とする。

更に、主曲率は、κの関連最小値及び最大値を表す。例えば、Ｎが∇Ｉの２次元ゼロ空間の３×２行列であれば、問題は固有値問題

（１２）

として再公式化することができ、

を条件とする。

次いで、主方向は以下で与えられ、

（１３）

ここで、

は方程式（１２）の解である。

更に、対応する主曲率は、κ_１≦κ_２で、２×２行列−Ｎ^ＴＨＮ／‖∇Ｉ‖の固有値κ_１及びκ_２である。次に、ボリューム画像の曲率テンソルは以下のように定めることができる。

（１４）

任意の所与の点において、曲率テンソルＣの固有値κ_１，２の値は、その点を交差する等値面の局所形状に関する情報をもたらす。面法線が外側に向いた楕円形の面パッチにおける点は、κ_１＞０及びκ_２＞０を満足するκ_１及びκ_２を生成する。加えて、外側方向の法線を有する円筒形面では、κ_１≒０及びκ_２＞０である。更に鞍点は、κ_１＜０及びκ_２＞０となる。

その結果として、曲率テンソルＣにより得られる局所形状に関する情報を用いると、本技法の態様によるボリューム画像における球形領域と円筒形領域との識別を容易にする方法論が提示される。１つの実施形態において、球形領域は、肺領域のＣＴスキャンにおける結節を示すことができ、円筒形領域は、肺領域のＣＴスキャンにおける血管を表すことができる。従って、

（１５）

及び

（１６）

である。

本技法の態様によれば、式（１５）は、点ｘを交差する等値面における曲率テンソルの球形状基準ｂ_ｃ（ｘ）として使用することができる。球形状基準ｂ_ｃ（ｘ）は以下のように定めることができる。

（１７）

同様に式（１６）は、点ｘを交差する等値面における曲率テンソルの円筒形状基準ｃ_ｃ（ｘ）として使用することができる。円筒形状基準ｃ_ｃ（ｘ）は以下のように特徴付けることができる。

（１８）

次に、式（１７）及び（１８）は、球形と円筒形の等値面をそれぞれの条件：

（１９）

の達成に従って識別するように構成することができる。ここでｂ_ｃ、０及びｃ_ｃ、０は事前設定閾値である。

また、前述のように、関心対象物の可能性のある候補を選択するためにボリューム画像に適用されることになる微分演算の別の選択肢は、構造テンソルである。従って、１つの実施形態において、関心対象物の可能性のある候補の選択は、本明細書で以下のように構造テンソルに関連して説明される。

当業者には理解されるように、構造テンソルは、点ｘの周りの近傍Ｗ⊂Ｖにおける勾配ベクトルの外積の加重平均として定義することができる。

（２０）

ここで、ｕは積分領域Ｗにおける点であり、関数ｗ（．）は非負であり以下の条件を満たす。

（２１）

ボリューム画像における所与の点の近傍Ｗ及び任意の方向ｖを考慮すると、ボリューム画像のｖに沿った一次導関数の平均平方は以下により定めることができる。

（２２）

加えて、λ_３≧λ_２≧λ_１がＳの固有値を示し、ｖ_１、ｖ_２及びｖ_３が関連する固有ベクトルを表すと仮定すると、Ｓが対称であるので、固有ベクトルｖ_１、ｖ_２及びｖ_３は互いに直交することが分かる。‖ｖ‖＝１に制約される関数ｆ（ｖ）は、３点における臨界値を仮定し、すなわち、λ_３に等しいｖ_３での最大値、λ_１に等しいｖ_１での最小値、及びｆ（ｖ_２）＝λ_２のようなｖ_２での鞍点である。その結果、構造テンソルＳは以下のように表すことができる。

（２３）

曲率テンソルと同様に、構造テンソルの固有値は、ボリューム画像の球形状構造と円筒形状構造とを識別するのに用いることができる。距離関数：

（２４）

は、構造テンソルの球形状及び円筒形状基準を定めるように構成することができる。

図４を継続して参照すると、ステップ８４において、前述のように候補生成器を画像データ８２に適用することができる。換言すると、曲率テンソル及び構造テンソルなどの候補生成器の固有値分析は、ＣＴボリュームのボクセルの球形状又は円筒形状の定量化をその近傍の形状及び強度プロファイルに従って促進することができる。加えて、この定量化の後に、ボクセルが球形又は円筒形のいずれに属するかを決定する際に役立つ距離関数の閾値処理が続くことができる。

本技法の態様によれば、モデルベース方法を用いて、関心対象物の可能性のある候補を選択することができる。理解されるように、放射線専門医は、ボリューム及び成長速度などの数値測定を試行する際に、肺結節を球形対象物として定期的にモデル化する。従って、１つの実施形態において、結節及び血管などの関連のある３次元解剖学的構造の局所形状は、それぞれ楕円体及び円環体にモデル化することができる。ＣＴボリュームに候補生成器を適用する結果として、任意の所与のボクセルにおける固有値応答は、結節又は血管のいずれに属するボクセルのラベル付けを容易にすることができる。

曲率テンソルを継続して参照すると、固有値κ_１及びκ_２は画像ボリュームＩ（ｘ）に適用される任意の変換Ｉ’（ｘ）＝ａｉ（ｘ）＋ｂから独立していることが分かる。更に前述のように、ボクセルｘが位置する等値面の形状は重要である。従って、考慮されるべき関連構造の解剖学的モデルは、構造の等値面の形状を考慮すれば十分である。

ここで肺領域における解剖学的形状の検出を参照すると、肺結節は、本技法の態様により楕円形にモデル化することができる。適当な曲率保持マッピング下で楕円形εの陰関数は、

（２５）

であり、ここで、ａ≦ｂ≦ｃは楕円の半軸の長さを表す。

εの表面の点ｘ＝［ｘｙｚ］^Ｔにおける

は、以下のように定義することができる。

（２６）

ここで、

（２７）

である。

の最小値は以下により与えられることが示される。

（２８）

更に、

の最小値及び最大値はそれぞれ以下で定義することができる。

（２９）

同様に、血管は、小径ｒ及び大径Ｒを有するトーラスＴとしてモデル化することができる。次いで、トーラスは以下のようにパラメータ化することができる。

（３０）

ここで（θ、ψ）∈（−π、π）である。

表面Ｔ上の点ｘ＝［ｘｙｚ］^Ｔにおける

は、以下のように定義することができる。

（３１）

従って、最小値及び最大値は以下で定義することができる。

（３２）

その結果、半径ｒ及びＲを有するトーラスについての値κ^Ｔ _ｒ＝κ^Ｔ _１／κ^Ｔ _２は

（３３）

である。

更に、本明細書で上記に示された分析は、κ_１及びκ_２の範囲並びに式（１７）及び（１８）の閾値を設定するのに用いることができる。従って、楕円形モデルの場合、ａ、ｂ、及びｃの値の範囲は、有意な結節のターゲットサイズに基づいて設定することができる。結果として、ａ、ｂ、及びｃが与えられると、κ^Ｔ _{１，ｍｉｎ}、κ^Ｔ _{２，ｍｉｎ}及びκ^Ｔ _{ｒ，ｍｉｎ}の閾値を設定することができる。１つの実施形態において、結節が実質的に円形であると仮定すると、ターゲットの結節の縦横比の下界は、１／２に設定することができる。同様に血管については、通常、Ｒ＞＞ｒであり、従ってκ^Ｔ _{１，ｍｉｎ}≒０である。加えて、血管の接合部の表面は高屈曲のトーラスとしてモデル化することができ、その結果、κ^Ｔ _１＜＜０である。

構造テンソルでは、ボクセルｘにおける強度プロファイルがその点における応答差で重要な役割を果たす。従って、結節は、Σ_１，１＝１／ａ^２、Σ_２，２＝１／ｂ^２、及びΣ_３，３＝１／ｃ^２となるような対角線共分散行列Σを有するガウス強度プロファイルを使用することによりモデル化することができる。

本技法の更に別の態様によれば、ヘッセ・テンソルを３次元候補生成器として使用することができる。理解されるように、ボリューム画像Ｉ（ｘ）のヘッシアンすなわちヘッセ行列は、二次導関数の行列Ｈであり、すなわち

（３４）

である。

ヘッシアンＨの固有値は、任意の方向ｖにおけるボリューム画像Ｉ（ｘ）の方向プロファイルについての情報をも与えるのに使用することができる。例えば、Ｈの固有値全てが大きな負である場合には、ボリュームの方向プロファイルは強く湾曲している。加えて、固有値の２つが大きな負であり、且つ第３の固有値が小さな大きさを有する場合には、方向プロファイルが強く湾曲している２つの臨界方向と、方向プロファイルが多少平坦な１つの臨界方向とがある。更に、Ｈの３つの固有値がλ_３≦λ_２≦λ_１であると仮定すると、ヘッセ・テンソルの球形状基準は以下のように定義することができる。

（３５）

同様に、ヘッセ・テンソルの円筒形状基準は、以下のように特徴付けることができる。

（３６）

次に、曲率テンソルと同様に、ヘッセ・テンソルの固有値は、ボリューム画像における球形構造と円筒形構造とを区別するのに使用することができる。距離関数

（３７）

は、ヘッセ・テンソルの球形状及び円筒形状基準を定めるように構成することができる。

換言すると、ボリューム画像の所与の点で式（３５）及び（３６）を用いると、以下の条件

（３８）

の達成に従っておおまかに球形又は円筒形領域に属するよう分類することができる。ここで、ｂ_Ｈ，０及びｃ_Ｈ，０は事前設定閾値である。

しかしながら上述のように、ヘッセ・テンソルは関心対象物の可能性のある候補の識別を完全に満足するものでなく、そのため候補生成器として適当でないことが分かっている。詳細には、ヘッセ・テンソルは強度プロファイルの形状に強く依存する。

引き続きステップ８４を参照すると、関心対象物の可能性のある候補は、３次元候補生成器を画像データ８２に適用することにより選択することができる。関心のあるボリュームを示す画像データを平滑化して、ノイズの影響を低減することができる。続いて前述のように、関心対象物の可能性のある候補は、候補生成器の固有値分析を実行することにより選択することができる。換言すると、３次元候補生成器の固有値は、関心のあるボリュームの各ボクセルについて計算することができる。更に閾値は、前述のように解剖学的モデルから導き出すことができる。次に、固有値及び閾値を使用して、関心対象物の可能性のある候補の形状の識別を容易にすることができる。その結果、関心のあるボリュームの各ボクセルは、球形又は円筒形としてラベル付けすることができる。或いはまた、ボクセルはラベル付けしなくてもよい。ステップ８４の結果として、この点において、個別のボクセルが放射線専門医に提示するための関心対象物の可能性のある候補８６として選択される。

ステップ８６に続いて、選択された関心対象物の可能性のある候補８６は、ステップ８８で分類することができる。理解されるように、選択された関心対象物の可能性のある候補８６は、多数の偽陽性を含む可能性がある。分類ステップは、可能性のある選択された関心対象物８６を正常な対象物及び異常な対象物への範疇分けを容易にすることができる。複数の関心対象物の可能性のある候補８６の分類は、人工神経ネットワーク、ベイズ分析器、線形判別分析器、又はＫ最近傍分類器の１つを関心対象物の可能性のある候補８６に適用することを含むことができる。前述のように、選択された関心対象物の可能性のある候補８６は、実質的に多数の偽陽性を含む可能性がある。複数の関心対象物の可能性のある候補８６を分類することにより、有利には、偽陽性率の少ない関心対象物のセットをもたらし、これにより放射線専門医がより容易に検査することを促進することができる。次いで、前述のように、分類された対象物のセットは、放射線専門医又は医師に提示するための画像の再構成を容易にする視覚化ステップを受けることができる。分類された対象物のセットは、個別に表示することができる。或いはまた、分類された対象物のセットは、初期画像上に強調して重ね合わせ、単一の画像として表示してもよい。

本明細書で上記に説明された解剖学的形状を検出する技法は、図５から図９を参照して詳細に説明することができる。ここで図５を参照すると、図１に示される形式のイメージング・システムにより収集された関心のある被検体１８の肺胸膜領域の画像９０が、概略的に示されている。参照符号９２は左肺を表し、参照符号９４は右肺に対応する。加えて、肺胸膜領域は、参照符号９６で示される。複数の関心対象物の可能性のある候補９８は、上述のように候補生成器の適用により画像データから選択することができる。１つの実施形態において、曲率テンソルを候補生成器として使用することができる。或いはまた、構造テンソルを候補生成器として用いてもよい。

当業者には理解されるように、領域分割された肺胸膜領域９６は、結節、血管、気管壁、及び肋骨を含むことができる。また、孤立性肺結節（ＳＰＮ）は、肺における小さい円形又は卵型の病変（異常組織）である。ＳＰＮは通常無症状であり、これらは一般的に、別の理由で行われた胸部Ｘ線上で偶然見つけられる。これらは通常、直径３ｃｍから４ｃｍより小さく（６ｃｍより大きくない）、正常に機能している肺組織に必ず囲まれている。

結節を画像データから選択することが望ましいとすることができる。しかしながら、多くの結節が血管及び気管壁と同じＣＴ値を有する場合がある。その結果、多くの血管及び気管壁が結節候補として含まれる可能性があり、これが多数の偽陽性の一因となる。従って候補生成器の感度は、実質的に球形である関心対象物の可能性のある候補全てのプールを含むようになると共に、血管などの実質的に円筒形領域を確実に回避することができる。更に、関心対象物候補のプールを分類して、関心対象物候補の正常及び異常を識別することにより偽陽性率が低減した対象物のセットを生成することができる。

前述のように、複数の関心対象物の可能性のある候補９８は、関心のあるボリュームの各ボクセルの固有値分析により関心のあるボリュームを表す画像データから選択することができる。例えば、候補生成器の固有値に基づき、複数の実質的に球形の関心対象物の可能性のある候補を選択することができる。複数の実質的に球形の関心対象物の可能性のある候補は、肺胸膜領域９６の肺結節を表すことができる。加えて、複数の実質的に円筒形の関心対象物の可能性のある候補を、候補生成器の固有値に基づいて選択することができる。複数の実質的に円筒形の関心対象物の可能性のある候補は、例えば、肺胸膜領域９６の血管を含むことができる。その結果、肺結節を表す複数の実質的に球形の関心対象物の可能性のある候補は、実質的に球形の構造及び実質的に円筒形の構造を選択的に区別することにより画像データから選択することができる。

理解されるように、選択された複数の関心対象物の可能性のある候補９８は、高い偽陽性率を含む可能性がある。従って、関心対象物の可能性のある候補の低減されたセットを生成することが望ましいとすることができる。その結果、関心対象物の可能性のある候補９８を分類して、偽陽性率が低減された関心対象物のセット１００を生成することができる。次いで、対象物のセット１００を画像上に強調して重ね合わせ、放射線専門医に提示することができる。前述のように、人工神経ネットワーク、ベイズ分析器、線形判別分析器、又はＫ最近傍識別器の１つを分類ツールとして使用することができる。

分類ステップに続いて、分類された複数の関心対象物候補に基づく画像を生成することができる。図６は、関心対象物の可能性のある候補９８及び分類された関心対象物候補１００を含む医用画像データ１０２の概略図である。図示された実施形態において、分類された関心対象物候補１００を画像１０２上に強調して重ね合わせて、放射線専門医に提示することができる。或いはまた、分類された関心対象物候補１００を別個に表示してもよい。

ここで、結腸領域における関心対象物の可能性のある候補の選択に移ると、当業者には理解されるように、結腸領域は、ポリープ及び正常な腸管襞を含むことができる。画像データからポリープを選択することが望ましいとすることができる。しかしながら、多くのポリープは、結腸内の正常な腸管襞と同じＣＴ値を有する場合がある。その結果、多くの腸管襞がポリープ候補として含まれる可能性があり、これにより多数の偽陽性の一因となる。従って、候補生成器の感度は、実質的に円筒形である関心対象物の可能性のある候補全てのプールを含むようになると共に、結腸の普通の腸管襞を確実に回避することができる。或いはまた、１つの実施形態において、候補生成器の感度は、実質的に球形である関心対象物の可能性のある候補全てのプールを含むようにすることができる。更に、関心対象物候補のプールを分類して、関心対象物候補の正常及び異常を識別することにより偽陽性を低減した対象物のセットを生成することができる。

図７は、本技法の態様による、図１に示される形式のイメージング・システムにより収集された関心のある被検体１８（図１参照）の結腸１０６の画像１０４の概略図である。参照符号１０８は、結腸１０６の領域を表す。更に、結腸１０６の領域１０８における関心対象物の可能性のある候補を表す複数のポリープ１１０は、前述のように候補生成器の固有値に基づいて選択することができる。理解されるように、ポリープは、結腸及び他の器官に発生する腫瘍である。これらの腫瘍、すなわち肉腫は、マッシュルーム又は円蓋様のボタンのような形状であり、結腸の裏層内側に発生する。これらは小粒程度に小さく又はプラムよりは大きいとすることができる。結腸ポリープは、良性腫瘍で始まり、やがて悪性になる場合がある。ポリープが大きくなるほど、癌細胞を含む可能性が高くなる。更に、候補生成器の感度に基づいて、結腸１０６の複数の自然襞（図示せず）もまた関心対象物の可能性のある候補として選択することができる。次いで、ポリープ１１０は、実質的に円筒形のポリープ１１０と結腸の自然襞１０６とを選択的に区別することにより画像データから選択することができる。或いはまた前述のように、ポリープ１１０は、実質的に球形のポリープ１１０と結腸の自然襞１０６とを選択的に識別することにより画像データから選択することができる。

ここで図８に移ると、結腸１０６の領域１０８の画像の拡大図が示されている。図８の拡大図は、茎上のポリープ１１２及び平坦に拡がるポリープ１１４などの、可能性のある選択された関心対象物を示す。ここでも同様に、前述のように、選択された関心対象物の可能性のある候補は高い偽陽性率を含む場合がある。関心対象物の可能性のある候補の低減されたセット１１８は、選択された複数の関心対象物の可能性のある候補１１０を分類することにより生成することができる。図９は、茎上のポリープ１１２及び平坦に拡がるポリープ１１４を含む医用画像データ１１６の概略図である。次に、分類された関心対象物候補１１８は、画像１１６において強調され、放射線専門医に提示することができる。

本明細書の上述の解剖学的形状を検出する方法により、有利には、画像データ８２に存在することができる関心対象物の可能性のある候補を効率的に選択することができる。関心対象物の可能性のある候補の効率的な選択の後に分類ステップが続くことで、偽陽性率が低減された対象物のセットの生成を助け、これにより放射線専門医又は医師が画像を判読し病気を示す可能性がある疑わしい領域を検出することが容易になる。

本発明の特定の特徴だけを本明細書で例示し説明してきたが、当業者であれば多くの修正及び変更を見出すであろう。従って、添付の特許項は本発明の真の精神に含まれる全てのこうした修正及び変更を網羅するものと理解されたい。また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本発明の態様に従って処理された画像の生成に使用し、並びに画像及びそのベースとなる画像データを分析するためのＣＴイメージング・システムの形式の例示的なイメージング・システムの概略図。図１のＣＴシステムの物理的実施の概略図。本技法の態様により、収集された画像データのＣＡＤ分析に基づいて画像データ処理を実行するための論理における例示的なステップを示すフローチャート。本技法の態様に従って、関心対象物の可能性のある候補の検出の例示的なステップを示すフローチャート。本技法の態様に従って、図１に示される形式のイメージング・システムにより収集され分析された関心のある被検体の肺胸膜領域の画像の概略図。本技法の態様に従って検出され分類されることになる特徴を含む医用画像データの概略図。本技法の態様に従って、図１に示される形式のイメージング・システムにより収集され分析された関心のある被検体の結腸領域の画像の概略図。本技法の態様に従って分析された図７の関心のある被検体の結腸領域の画像の拡大図。本技法の態様に従って検出され分類される特徴を含む医用画像データの概略図。

符号の説明

３０Ｘ線コントローラ
３２モータコントローラ
３４データ収集システム
３６コンピュータ
３８メモリ
４０オペレータ・ワークステーション
４２表示装置
４４プリンタ
４８遠隔クライアント
５０ＣＡＤユニット

Claims

コンピュータ可読媒体であって、
コンピュータに、
解剖学的構造を走査した画像データ（８２）を受け取る段階と、
曲率テンソルを含む３次元候補生成器に基づいて前記画像データ（８２）から複数の関心対象物の可能性のある候補（８６）を選択する段階と、
前記複数の関心対象物の可能性のある候補（８６）を球形領域と円筒形領域とに分類して偽陽性率が低減された関心対象物のセットを生成する段階と、
を実行させるコードを含む、
コンピュータ可読媒体。
前記画像データ（８２）が、コンピュータ断層撮影システム、磁気共鳴イメージング・システム、及びＸ線装置のうちの１つを含む画像収集装置により収集される請求項１に記載のコンピュータ可読媒体。
分類された複数の関心対象物の可能性のある候補に基づいて画像を生成する段階を前記コンピュータに実行させるコードを更に含む請求項１または２に記載のコンピュータ可読媒体。
前記複数の関心対象物の可能性のある候補（８６）を選択する段階が、
前記画像データを平滑化して、ノイズの影響を低減する段階を含む請求項１乃至３のいずれかに記載のコンピュータ可読媒体。
前記分類が、曲率テンソルの固有値を使用して、関心のあるボリュームの各ボクセルを、球形又は円筒形としてラベル付けすることを含む請求項１乃至４のいずれかに記載のコンピュータ可読媒体。
画像データから解剖学的関心対象物をコンピュータ支援により検出するためのシステムであって、
ＣＴ画像収集システム又はＣＴ画像記憶システムの一方に動作可能に結合可能なコンピュータ・システム（３６）を備え、
前記コンピュータ・システム（３６）が３次元候補生成器を含み、該３次元候補生成器が前記画像データ（８２）から複数の関心対象物の可能性のある候補（８６）を選択し、前記複数の関心対象物の可能性のある候補（８６）を球形領域と円筒形領域とに分類して偽陽性率が低減された関心対象物のセットを生成するように構成されており、前記３次元候補生成器が曲率テンソルを含むことを特徴とするシステム。
放射線流（１６）を照射するように構成されたＸ線源（１２）と、
前記放射線流（１６）を検出し、且つ前記放射線流（１６）に応答する１つ又はそれ以上の信号を生成するように構成された、複数の検出器素子を含む領域検出器（２２）と、
前記Ｘ線源（１２）及び前記領域検出器（２２）を回転させ、且つデータ収集システム（３４）を介して前記検出器素子の１つ又はそれ以上から投影データの１つ又はそれ以上のセットを収集するように構成されたシステムコントローラ（２４）と、
を備える、請求項６に記載のシステム。
コンピュータ・システム（３６）に動作可能に結合されたオペレータ・ワークステーション（４０）を更に備え、該オペレータ・ワークステーション（４０）が、前記関心対象物の分類されたセットを表示するように構成される請求項６または７に記載のＣＴイメージング・システム（１０）。
前記３次元候補生成器が、前記画像データを平滑化して、ノイズの影響を低減する、請求項６乃至８のいずれかに記載のシステム。
前記分類が、曲率テンソルの固有値を使用して、関心のあるボリュームの各ボクセルを、球形又は円筒形としてラベル付けすることを含む請求項６乃至９のいずれかに記載ののシステム。