JP5123954B2 - 医療画像における病変部の特定及び分析 - Google Patents

Description

（関連出願の相互参照）

本発明は、２００７年２月２日に提出されたオーストラリア特許仮出願第２００７／９００４９８号の優先権を主張するものであり、当該出願の内容は引用を以って本明細書の一部となす。

本発明は、医療画像データの画像処理及び分析のための方法及びシステムに関し、より詳しくは、所望の構造的情報及び機能的情報を病変部の強調パターンの自動分類による直感的インターフェースにより取得することを目的とした、対象の医療用動画像データにおける病変部の特定及び分析のための改良された方法及びシステムに関する。

対象の体内の血流などの機能的情報を非侵襲的に測定するプロセスは、対象の診断及び治療に有用である。これは、組織や器官などの対象または患者の一部が、癌または機能不全などによって病気になった場合に、特に有用である。組織や器官などを通過する血液の特性の特定及び分析は、医療従事者に対して、患者に対する適切な治療計画を決定するための重要な情報を提供することができる。生体内の血流情報の取得に関する既存のシステムが開示されている。一般的に、既存のシステムは、磁気共鳴映撮像（ＭＲＩ）、コンピュータ断層撮像（ＣＴ）、核医学撮像（ＮＭ）または陽電子放出断層撮像（ＰＥＴ）などの動画撮像セッション中に、血管内ボーラスとして送達される造影剤を含む。ピクセルまたは関心領域（ＲＯＩ）における画像強度の時間的プロファイルは、造影剤及びそれ故に組織を通過する血液の特性を反映する。

例えば、典型的な胸部ＭＲＩ検査は、造影剤注入前に実施される少なくとも１回のベースラインスキャンと、造影剤注入後に実施される少なくとも２回のコントラスト形成後スキャンとを含む。乳癌の診断スクリーニングのために一般的に使用される方法は、視覚的分類システムを使用した、ＲＯＩの信号強度時間曲線の主観的な評価に基づいている。図１は、５種類の時間−信号強度の強調度曲線を視覚的に評価するための分類システムを示している。曲線に付された番号が大きいほど、より悪性の腫瘍型を示すと解釈される。プロットＩＩＩ、ＩＶ、Ｖにおける初期の急激な上昇は、急速なコントラスト強調が原因である。このような分類スキームを使用することにより、胸部病変の良性・悪性を区別する診断を非常に良好に行うことができる（Daniel, et al. "Breast disease: dynamic spiral MR imaging", Radiology 209, pp499-509, 1998）。

米国特許第６，３５３，８０３号明細書 米国特許出願公開第２００５／００７４１４９号公報 米国特許出願公開第２００６／００１８５４８号公報 米国特許出願公開第２００６／０１１００１８号公報 米国特許第６，３１７，６１７号明細書 米国特許出願公開第２００６／０２４５６２９号公報

胸部ＭＲＩ検査は通常は何百もの画像を生成するため、医療従事者が全ての画像を検討するのには多大な時間を要した。ＭＲＩ動画像から病変部を自動的に検出し、検出された病変部を悪性・良性に特徴付けるための、コンピュータアルゴリズムを使用する方法が開示されている（特許文献１〜４を参照）。また、高空間分解能画像において特定される構造的特徴などの病変部形態は基礎病理を反映し得るため、病変部を悪性または良性に特徴付けるのに使用され得る。良性疾患と悪性疾患との区別を最適に行うために、動態情報と形態情報とを組み合わせた方法もまた開示されている（特許文献５〜６を参照）。しかし、強調度曲線の分類に使用される既存の方法は、限られた数の時点の任意の選択に基づいているため、その後の、算出された記述的パラメータに基づいた分類は、画像ノイズの変動に対してより敏感になる。さらに、これらの従来の方法は、各ピクセルの強調度曲線の分類に関連する統計的に有意な情報を提供しない。

異常の自動的な検出及び分類を提供する専門ツールは、大量の画像の検討を容易にするのに役立つ可能性があるが、そのようなツールは、幅広く利用可能ではなく、また、そのようなツールの信頼性はまだ実証されていない。商業用または学術用の動画像強調分析用ソフトウエアから入手可能な最も一般的に使用されるツールには、単純減算、最大強度投影法（ＭＩＰ）、多断面再構成（ＭＰＲ）、及び信号強度時間曲線分析が含まれる。日常診療での時間曲線分析では関心領域（ＲＯＩ）法が用いられ、視覚的に評価及び分類するためにＲＯＩ時間曲線の平均信号強度を示すと共に、ユーザが病変と疑われる部分をＲＯＩとして設定するのをガイドするために減算画像が使用される。

また一方、病変部の曲線形状のばらつきも、診断に役立つ情報であることに留意すべきである。悪性腫瘍は、様々な解剖学的領域において、悪性度の強力な指標となり得る様々な種類の曲線形状によってより強調され得る。日常診療で一般的に使用されるＲＯＩ法は、部分容積効果（partial volume effect）を生じる傾向があり、詳細な分析のためにばらつきに関する情報をユーザに対して効果的に示すことができない。システムに対して、全ての利用可能な時点の前記データを使用した統計的に有意な情報による曲線パターンの自動的な分類と共に、詳細な空間的情報及び時間的情報の実時間での同時視覚化を提供することが望ましい。このことは、特に、多忙な臨床環境において有用である。

本発明は、良性疾患と悪性疾患との区別を最適に行うべく、医療従事者が病変部を最も効率的に特徴付けるの手助けするために、形態情報及び動態情報の両情報の自動分類及び可視化に関連する上記問題点を実質的に克服するための、または前述した問題点の１つ以上を少なくとも改善するための改良された方法を提供する。

本発明の第１の態様によれば、対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類する方法であって、
（ａ）前記動画像データを電子メモリ手段にロードするステップと、
（ｂ）信号強度プロファイルのプロットを作成するステップと、
（ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
（ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
（ｅ）前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
（ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
（ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを含み、
前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とする方法が提供される。

本発明の第２の態様によれば、対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類し、かつ対象の病変部を自動的に抽出し、前記分類及び抽出の結果を、詳細な空間的情報及び時間的情報と共に表示手段上に表示する方法であって、
（ａ）前記動画像データを電子メモリ手段にロードし、関心領域（ＲＯＩ）の信号強度データを表示手段上にプロットするステップと、
（ｂ）コントラスト形成前のベースライン及び前記初期強調期間を検出するステップと、
（ｃ）初期強調期間は急速かつ急激に増加しその後はウォッシュアウトする参照血管強調度プロファイルを検出し、分類システムのためのシグネチャ曲線を導出するステップと、
（ｄ）全ての利用可能な時点を使用し、相関分析法に基づいて、前記対象の病変部内の全ピクセルの強調度曲線の種類を分類するステップと、
（ｅ）ユーザによりＲＯＩと画定された病変部に対して分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップと、
（ｆ）前記選択されたＲＯＩ内の各ピクセルの前記分類された強調度曲線を格子状プロットとして表示し、視覚的識別を容易にするために、統計的有意の有無に関わらず、前記強調度曲線の種類を異なる色及び線の太さによってハイライト表示するステップとを含み、
ユーザが直感的インターフェースにより前記ＲＯＩを容易に制御することができ、空間的及び時間的情報の両方の動的制御及び視覚化を可能にするようにしたことを特徴とする方法が提供される。

前記方法は、画像データをロードした後、組織や器官などの前記対象の一部の経時的な動きに起因する動きアーチファクトを補償するために、画像レジストレーションを適用するステップをさらに含む。

前記相関分析は、スピアマン順位相関（Spearman's rank correlation）または線形ピアソン相関（linear Pearson correlation）、あるいはそれらの組み合わせであり得る。画像の種類は、ＭＲＩ、ＣＴ、ＮＭ、ＰＥＴのいずれか、又はその他の任意の種類の動画撮像方法であり得る。

本発明の第３の態様によれば、対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類するためのシステムであって、
前記対象の動画像を取得するためのスキャン手段と、
前記スキャン手段から前記動画像データを取り込むために前記スキャン手段に接続されたプロセッサ手段とを含み、
前記プロセッサ手段が、
（ａ）前記動画像データを電子メモリ手段にロードするステップと、
（ｂ）信号強度プロファイルのプロットを作成するステップと、
（ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
（ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
（ｅ）前記参照強調度プロファイルに基づいて、前記特徴を分類するためのシグネチャ曲線パターンを導出するステップと、
（ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
（ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを実行し、
前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供するようにしたことを特徴とするシステムが提供される。

本発明の第４の態様によれば、対象の病変部の動画像データに関連する曲線パターンを自動的に分類するためのコンピュータプログラム手段であって、
プロセッサに対して、
（ａ）前記動画像データを電子メモリ手段にロードするステップと、
（ｂ）信号強度プロファイルのプロットを作成するステップと、
（ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
（ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
（ｅ）前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
（ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
（ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップと
を実行するように命令し、
前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示によって前記病変部の特徴の視覚的表示を提供することを特徴とするコンピュータプログラム手段が提供される。

異なる胸部組織における、５種類の経時的信号強度強調度曲線を示す。具体的には、曲線Ｉは強調していない場合、曲線ＩＩは緩やかに持続的に強調する場合、曲線ＩＩＩは初期に急激に強調し、その後は持続的に強調する場合、曲線ＩＶは初期に急激に強調し、その後は一定に保たれる場合、曲線Ｖは初期に急激に強調し、その後は強調度が減少する場合を示す。 データ格納システム及び処理システムに接続された複数のスキャナを含む通信ネットワークを示すブロック図である。 胸部ＭＲＩ動画データの全てのピクセルから得た典型的な平均信号強度の時間曲線のプロットである。 初期の急激上昇及び素早いウォッシュアウトを示す典型的な血管時間曲線（破線）を、図１に示した４種類のシグネチャ強調度曲線（実線）と共に示す一連のプロットである。 ＭＩＰモードの強調度インデックスマップを表示しているグラフィカルインターフェースを示す。 対象の一部の生画像上に、様々な種類の強調度曲線のピクセルマップのカラーコード化されたオーバーレイを表示しているグラフィカルインターフェースを示す。 表示されたスライスのＲＯＩ内の全てのピクセルについての曲線の格子状プロットであり、異なる色及び線の太さは、統計的有意の有無に関わらず、強調度曲線の種類の違いを示すのに使用されている。 ＲＯＩ平均信号強度の平均強調度曲線のプロットである。 本発明の一実施形態に従って画像データを処理し結果を表示するために、コンピュータプログラムによって実行されるステップを示すフロー図である。

本発明は、ダイナミックＭＲＩ、ＣＴ、ＮＭ及びＰＥＴ動画撮影システムに対して特に適用可能であり、例えば、胸部のダイナミックＭＲＩなどに適用される。図２に示すように、ＭＲＩスキャナ２０、ＣＴスキャナ２５、ＮＭスキャナ３０またはＰＥＴスキャナ３５などのスキャナを用いたスキャンによって収集された生データ及び／または画像は、画像保管伝送システム（ＰＡＣＳ）の形態のデータ格納システム４０に送達される。コンピュータの形態のプロセッサ５０上で稼動するコンピュータプログラムが、スキャナ２０、２５、３０または３５のいずれかから或いはデータ格納システム４０から、様々な画像または生データを読み出すまたは受け取るのに使用される。前記プログラムはその後、画像を処理し、特に疾患を診察するため及び良性疾患と悪性疾患との区別を最適に行うための形態情報及び動態情報の両情報の評価との関連で医療従事者に使用される、改良されたデータセットを作成する。前記コンピュータプログラムは、必ずしもコンピュータ５０内に格納する必要はなく、スキャナ２０、２５、３０または３５のいずれか１つに接続されたコンソールコンピュータ内に格納することもできる。或いは、前記プログラムは、（スタンドアローン型またはシステム内の）ワークステーション内に、またはＰＡＣＳ４０内に格納することもできる。

ユーザはまず、コンピュータソフトウエアを使用してコンピュータプロセッサまたはワークステーション５０に命令し、動画像データをコンピュータプロセッサ５０のメモリにロードさせる。前記データが脳などの特定の器官に適用可能である場合、前記プロセッサは、設定によりまたはユーザからの命令により、前記データに対して画像レジストレーションを適用し得る。画像レジストレーションは、対象の呼吸または他の作用に起因して対象のＲＯＩが動く場合に、動き補正を行うために画像を位置合わせする手法である。プロセッサはその後、コントラスト形成前のベースラインと、初期急激強調期間とを検出し、ロードされた画像データの種類に応じて、データの信号強度プロファイルをコントラスト強調度プロファイルに変換する。プロセッサは、対象依存性の参照時間曲線をさらに検出し、その後、分類システムのための強調パターンのシグネチャ曲線を導出する。その後、胸部における病変と疑われる部分などの対象の関心領域に対して、自動的な分類分析及び抽出分析が適用される。分析結果はその後、プロセッサ上でユーザに対して表示される。

本発明の方法は、検査される特定の機能及び器官に応じて動き補正方法が適用されるように構成することができる。一連の３次元（３Ｄ）撮像法を用いて構成される典型的な動画像データは、或る期間に渡って取得される。データ取得中は、造影剤注入前に少なくとも１つの撮影画像が取得され、造影剤注入後に少なくとも２つの撮影画像が取得される。動画像データの取得は通常は、使用される特定のプロトコルに応じて数十秒間ないし数十分間行われるが、データ取得期間中に患者の動きが生じ得る。様々な種類の組織のコントラスト強調パターンを正確に評価するためには、特に、小さい病変部を正確に診断する場合は、画像ボリュームの経時的な画像アライメントまたはレジストレーションを行うことが望ましい。検査される特定の器官に応じて、様々な種類の動き補正方法を適用することができる。例えば、従来の剛体画像レジストレーション方法を、脳に対して自動的に適用することができる。しかし、胸部、腎臓または肝臓などの一部の身体器官では、心臓及び／または呼吸器官の動作に関連する局所組織の伸縮に起因して、画像の不均一な歪みが通常予期される。その場合は、医療画像及び遠隔計測の分野では周知の非剛体レジストレーションなどの、当業者に理解可能な或る非線形動き補償法が使用され得る。

コントラスト形成前のベースラインと、初期急激強調期間との検出方法は、次のステップを含む。
（１）図３において符号７６で示される平均信号強度の時間曲線Ｓ（ｔ）を得るために、各時点での全画像ボリュームの平均信号強度を算出する。
（２）平均強調度の時間曲線Ｙ（ｔ）＝ΔＳ＝Ｓ（ｔ）−Ｓ（ｔ_０）を推定する。ここで、ｔ_０は、コントラスト形成前の最初のスキャンの時点を示す。
（３）時点ｔ_ｓでの最大増加勾配と、最大強調度Ｙ_ｍａｘ＝ｍａｘ｛Ｙ（ｔ）｝とを探す。
（４）ｔ_０≦ｔ_１＜ｔ_ｓ及びＹ（ｔ_１）＜ａ％^＊Ｙ_ｍａｘとなるような最初の発生時点ｔ_１を、ｔ_ｓから遡って探す。ここで、ａ％は例として使用されており、例えば１０％などの、設定によって調整可能な割合を示す値である。
（５）初期強調期間をｔ_１とｔ_２＝ｔ_ｓ＋（ｔ_ｓ−ｔ_１）との間に設定し、ｔ_２＞ｔ_ｓの時点での初期強調度インデックスを探す。

対象依存性の参照時間曲線をさらに検出し、シグネチャ強調パターンを導出する方法は次のステップを含む。
（６）各ピクセル（ｘ，ｙ，ｚ）について、ｔ_０からｔ_１の時点をカバーする平均ベースライン画像Ｓ_ｂ（ｘ，ｙ，ｚ）を算出する。
（７）初期強調度インデックスマップを、Ｙ_ｉ（ｘ，ｙ，ｚ）＝Ｓ（ｘ，ｙ，ｚ，ｔ_２）−Ｓ_ｂ（ｘ，ｙ，ｚ）として算出し、ウォッシュアウトマップを、Ｙ_ｏ（ｘ，ｙ，ｚ）＝Ｓ（ｘ，ｙ，ｚ，ｔ_２）−Ｓ（ｘ，ｙ，ｚ，ｔ_３）として算出する。ここで、ｔ_３は、動画データの最後の時点を示す。或いは、設定によっては、相対強調度マップ Ｙ_ｉ（ｘ，ｙ，ｚ）＝Ｓ（ｘ，ｙ，ｚ，ｔ_２）／Ｓ_ｂ（ｘ，ｙ，ｚ）−１ 及び Ｙ_ｏ（ｘ，ｙ，ｚ）＝Ｓ（ｘ，ｙ，ｚ，ｔ_２）／Ｓ（ｘ，ｙ，ｚ，ｔ_３）−１を同じ目的に使用することができる。
（８）Ｙ_ｉ（ＸＹＺ）＞ｆ^＊ｍａｘ（Ｙ_ｉ） 及び Ｙ_ｏ（ＸＹＺ）＞０の基準を満たす、集合的にＸＹＺと表される全てのピクセルを探す。ここで、ｆは、マスキング閾値として調節することができる。例えば、図４において破線の曲線８０で図示される急速かつ急激な初期上昇の後にウォッシュアウトが生じる平均血管強調度プロファイルを示す参照時間曲線Ｙ_ｒｅｆ（ｔ）は、ｆ＝８０％でこれらのピクセルを平均化することによって算出することができる。
（９）数１に示す式により、図４に図示される強調パターンを示す４種類のシグネチャ曲線を導出する。

Ｙ_２（ｔ）は、緩やかに持続的に増加するＩＩ型の曲線８２を示す（緩やか）。Ｙ_３（ｔ）は、初期に急激に増加し、その後は持続的に増加するＩＩＩ型の曲線８４を示す（持続的／持続性）。Ｙ_４（ｔ）は、初期に急激に増加し、その後は安定するＩＶ型の曲線８６を示す（安定的）。Ｙ_５（ｔ）は、初期に急激に増加し、その後は減少するＶ型の曲線８８を示す（ウォッシュアウト）。

初期強調度インデックス時点（ｔ_２）は、特定のデータ収集プロトコルの設定により固定される。さらに、ユーザは、ピクセルまたはＲＯＩから好ましい時間曲線を選択し、選択した時間曲線を上述したシグネチャ曲線の１つとして設定する選択肢を有し得る。

自動分類は、胸部における病変と疑われる部分などの対象の関心領域の全てのピクセルに適用される。初期強調度が或る閾値よりも低いピクセル（例えば、Ｙ_ｉ（ＸＹＺ）＜１０％^＊ｍａｘ（Ｙ_ｉ）。ここで、閾値パーセンテージ値は、設定により調整することができる）は、非強調型Ｉとして分類され、さらなる分類分析には使用されない。各候補ピクセルの時間曲線に、４つのシグネチャ曲線（Ｙ_２、Ｙ_３、Ｙ_４、Ｙ_５）とのスピアマン順位相関（Spearman's rank correlation）を適用し、相関係数（ｃｃ）及び統計的確率（ｐ値）をそれぞれ得る。ｃｃ値は、−１から１の範囲であり、２つの変数の間で、完全な負または正の直線関係を示す。ｃｃ値がゼロの場合は、２つの変数の間に直線関係が存在しないことを意味する。ｐ値が小さくなると、結果はより有意になると言われている。ｐ値が有意水準未満の場合、結果は、統計的に有意と呼ばれる。有意値（ｐ値）のデフォルトレベルは５％である。ユーザは、設定により、他の一般的レベル（１％または０．１％）を選択することもできる。各ピクセルについて、ｃｃの最大値に対応するユニークな曲線型が決定される。複数の曲線型においてｃｃの最大値が同一である場合は、ピアゾン相関（Pearson's correlation）がさらに適用され、最大ピアゾンｃｃ値にも対応する型がさらに決定される。各候補ピクセルについて、分類された曲線型及び対応するｐ値が記録される。結果は、その後、プロセッサ上でユーザに対して表示される。

結果を表示するプロセスは、図５（ａ）に示すようなＭＩＰモードの強調度インデックスマップを表示する直感的インターフェースを含む。ユーザは、ＭＩＰ画像における病変と疑われる部分をＲＯＩ９２と設定することができる。プロセッサは、ＲＯＩ内に最大量の信号強調度を含むスライスを自動的に検出し、その後、検出したスライスを表示する。プロセッサはさらに、前記４つのシグネチャ型のうちの１つに属する隣接ピクセルの集団を自動的に検出し、その後、前記集団のボリュームと各シグネチャ種類の全体比率とを算出し、その結果を画像ウインドウ中に表形式９４で表示する。検出された集団の全てのピクセルについての抽出及び種類分類の結果は、造影病変の強調度及び形態の両方の視覚化を容易にすべく図５（ｂ）に示すように生画像の上にカラーオーバーレイ９８として表示するために、カラーコード化された曲線パターンマップに格納することができる。さらに、図５（ｃ）に示すように、表示されたスライスのＲＯＩ内の個々のピクセルの曲線を、格子状プロット９５として同時に表示することができる。格子状プロット９５では、強調された視覚対比効果の統計的有意の有無に関わらず、様々な色及び線の太さを、強調度曲線の種類をハイライト表示するのに使用することができる。例えば、４つの強調度曲線の各種類をそれぞれ異なる色で示すことができる（例えば、Ｖ型は赤色、ＩＶ型は黄色、ＩＩＩ型は青緑色（シアン）、ＩＩ型は青色で示すことができる）。線の太さは、分類の統計的有意の有無によって異なり、有意（ｐ＜０．０５）である場合は、有意でない場合よりも線の太さが太く示される。非強調型の曲線Ｉは、白い細い線で示される。或いは、図５（ｄ）に示すように、ユーザは、ＲＯＩ平均信号強度の平均曲線プロット９６を表示することができる。図５（ｄ）のプロット９６は、図５（ｃ）の格子状プロット９５には明確に示されるような、強調度のばらつきに関する情報は提供しない。

ユーザは、ＲＯＩで１つずつハイライト表示された病変と疑われる部分のそれぞれに対して、或いは、選択されたＲＯＩの境界内の全ての病変に対して、集団分析を適用する選択肢を有し得る。

図６を参照すると、コンピュータプロセッサのメモリにロードされたコンピュータプログラムにより実行されるステップのフローチャート１００が示されている。コンピュータプログラムコードは、フローチャート１００に示される様々なステップ及び機能を実行するように記載されており、ユーザの命令を受けると、コンピュータプログラムがデータセットをコンピュータプロセッサのメモリにロードする（ステップ１０２）。ステップ１０４では、脳または胸部などの特定のスキャンに適用される場合、或いはユーザの命令により、コンピュータプログラムにより画像レジストレーションが適用される。ステップ１０６では、前記プログラムが、ベースラインと、初期の上昇／強調期間とを検出する。ステップ１０８では、平均ベースライン画像、初期強調度インデックスマップ、及びウォッシュアウトマップを算出する。ステップ１１０では、コンピュータプログラムが、平均血管強調度プロファイルから参照曲線を検出し、その後、分類システム用のシグネチャ曲線を導出する。ステップ１１１では、ユーザは、ピクセルまたはＲＯＩから好ましい時間曲線を手動で選択し、選択した時間曲線を検出されたシグネチャ曲線のうちの１つと置き換える選択肢を有する。ステップ１１２では、全てのピクセルを或る閾値を超える初期強調度によって分類するために、相関分析が適用される。ステップ１１４では、プログラムが、ユーザが画定したＲＯＩにより特定された病変と疑われる部分の分割分析を実行する。そして、ステップ１１６では、格子状プロット及びカラーコード化された曲線パターンを含む全プロセスの結果を、検査及び検討のためにユーザに表示する。

本実施形態では、胸部のダイナミックＭＲＩの例を用いて説明した。しかし、本発明は、前立腺癌、脳腫瘍またはその他の身体器官の疾患などの他の疾患にも、人間だけでなく動物に対しても、及び、ＣＴまたはＮＭまたはＰＥＴスキャンを使用する場合にも、同様に適用することができる。さらに、本発明は、良性疾患と悪性疾患との区別を最適に行うために、詳細な動態情報と形態情報を組み合わせて拡張して実施することができる。

本明細書に広く記載されているように、本発明の範囲から逸脱することなく、特定の実施形態として示された本発明に種々の変更及び／または変形を加えることが可能であることは、当業者には明らかであろう。したがって、本実施形態は、あらゆる面において例示的であり非限定的であると見なされるべきである。

Claims (30)

1. 対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類する方法であって、
   （ａ）前記動画像データを電子メモリ手段にロードするステップと、
   （ｂ）信号強度プロファイルのプロットを作成するステップと、
   （ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
   （ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
   （ｅ）前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
   （ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
   （ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを含み、
   前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とする方法。
2. 請求項１に記載の方法であって、
   前記参照強調度プロファイルを検出する前に、コントラスト形成前のベースライン、及び前記初期強調期間を検出するステップをさらに含むことを特徴とする方法。
3. 請求項１または２に記載の方法であって、
   前記初期強調期間が、強調度の値が急激に増加する範囲であることを特徴とする方法。
4. 請求項２に記載の方法であって、
   前記コントラスト形成前のベースライン、及び前記初期急激強調期間を検出するステップは、
   （ａ）各時点での全画像ボリュームのコントラストの平均信号強度を算出して、平均信号強度時間曲線Ｓ（ｔ）を得るステップと、
   （ｂ）平均強調度時間曲線Ｙ（ｔ）＝ΔＳ＝Ｓ（ｔ）−Ｓ（ｔ_０）を推定するステップと（ただし、ｔ_０は、コントラスト形成前の最初のスキャンの時点を示す）、
   （ｃ）時点ｔ_ｓでの最大増加勾配、及び最大強調度Ｙ_ｍａｘ＝ｍａｘ｛Ｙ（ｔ）｝を探すステップと、
   （ｄ）ｔ_０≦ｔ_１＜ｔ_ｓ及びＹ（ｔ_１）＜ａ％^＊Ｙ_ｍａｘとなるような最初の発生時点ｔ_１を、ｔ_ｓから遡って探すステップと（ただし、ａ％は調節可能な割合を示す値である）、
   （ｅ）初期強調期間をｔ_１とｔ_２＝ｔ_ｓ＋（ｔ_ｓ−ｔ_１）との間に設定し、ｔ_２＞ｔ_ｓの時点での初期強調度インデックスを探すステップと
   を含むことを特徴とする方法。
5. 請求項１ないし４のいずれかに記載の方法であって、
   前記参照血管強調度プロファイルを検出するステップは、
   （ａ）平均ベースライン画像を算出するステップと、
   （ｂ）初期強調度インデックスマップＹ_ｉ、及び前記減少するプロファイル部分を示すウォッシュアウトマップＹ_ｏを算出するステップと、
   （ｃ）Ｙ_ｉ（ＸＹＺ）＞ｆ^＊ｍａｘ（Ｙ_ｉ）及びＹ_ｏ（ＸＹＺ）＞０となるような、集合的にＸＹＺと表される全てのピクセルを探すステップ（ただし、ｆは調節可能なマスキング閾値である）と
   を含むことを特徴とする方法。
6. 請求項１ないし５のいずれかに記載の方法であって、
   前記選択されたＲＯＩ内における各ピクセルの強調度曲線を分類する前記ステップは、相関分析に基づいて行われることを特徴とする方法。
7. 請求項６に記載の方法であって、
   前記相関分析は、相関係数及び統計的ｐ値を得るために、シグネチャ曲線との順位相関を含むことを特徴とする方法。
8. 請求項７に記載の方法であって、
   予め定められた閾値を超える初期強調度を有する各ピクセルについて、前記相関係数の最大値に対応するシグネチャ曲線の種類が決定されることを特徴とする方法。
9. 請求項１ないし８のいずれかに記載の方法であって、
   少なくとも４つのシグネチャ曲線が導出されることを特徴とする方法。
10. 請求項１ないし９のいずれかに記載の方法であって、
    前記表示するステップの前に、前記病変部に分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップを含むことを特徴とする方法。
11. 請求項１０に記載の方法であって、
    全てのピクセルについての前記分割分析及び曲線分類の結果は、病変部の生画像の上にカラーオーバーレイとして表示するために、カラーコード化された曲線パターンマップに格納されることを特徴とする方法。
12. 請求項１ないし１１のいずれかに記載の方法であって、
    視覚対比効果を高めるために、統計的有意の有無に関わらず、格子状プロットとして表示される全ピクセルの前記強調度曲線の種類を、異なる色及び線の太さによってハイライト表示するようにしたことを特徴とする方法。
13. 請求項１ないし１２のいずれかに記載の方法であって、
    前記動画像データをロードした後、対象の経時的な動きに起因する動きアーチファクトを補償するために画像レジストレーションを適用するステップをさらに含むことを特徴とする方法。
14. 請求項１ないし１３のいずれかに記載の方法であって、
    前記病変部における前記強調度曲線の種類及びばらつきが、良性腫瘍又は悪性腫瘍などの病変部の特徴を示すことを特徴とする方法。
15. 対象の病変部の動画像データに関連する曲線パターンを自動的に分類するためのコンピュータプログラム手段であって、
    プロセッサに対して、
    （ａ）前記動画像データを電子メモリ手段にロードするステップと、
    （ｂ）信号強度プロファイルのプロットを作成するステップと、
    （ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
    （ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
    （ｅ）前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
    （ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
    （ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップと
    を実行するように命令し、
    前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とするコンピュータプログラム手段。
16. 対象の病変部の動画像データに関連する曲線パターンを自動的に分類するためのコンピュータプログラム手段であって、
    プロセッサに対して、請求項２ないし１４のいずれかに記載の方法のステップを実行するように命令することを特徴とするコンピュータプログラム手段。
17. 対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類するためのシステムであって、
    前記対象の動画像を取得するためのスキャン手段と、
    前記スキャン手段から前記動画像データを取り込むために前記スキャン手段に接続されたプロセッサ手段とを含み、
    前記プロセッサ手段が、
    （ａ）前記動画像データを電子メモリ手段にロードするステップと、
    （ｂ）信号強度プロファイルのプロットを作成するステップと、
    （ｃ）前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
    （ｄ）初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
    （ｅ）前記参照強調度プロファイルに基づいて、前記特徴を分類するためのシグネチャ曲線パターンを導出するステップと、
    （ｆ）全ての利用可能な時点を使用し、選択されたＲＯＩ内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの１つに分類するステップと、
    （ｇ）前記選択されたＲＯＩ内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを実行し、
    前記ＲＯＩ全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供するようにしたことを特徴とするシステム。
18. 請求項１７に記載のシステムであって、
    前記参照強調度プロファイルを検出する前に、前記プロセッサ手段が、コントラスト形成前のベースライン、及び前記初期強調期間を検出することを特徴とするシステム。
19. 請求項１７または１８に記載のシステムであって、
    前記初期強調期間が、強調度の値が急激に増加する範囲であることを特徴とするシステム。
20. 請求項１８に記載のシステムであって、
    コントラスト形成前のベースライン、及び前記初期強調期間の検出は、
    前記プロセッサ手段が、
    （ａ）各時点での全画像ボリュームのコントラストの平均信号強度を算出して、平均信号強度時間曲線Ｓ（ｔ）を得るステップと、
    （ｂ）平均強調度時間曲線Ｙ（ｔ）＝ΔＳ＝Ｓ（ｔ）−Ｓ（ｔ_０）を推定するステップと（ただし、ｔ_０は、コントラスト形成前の最初のスキャンの時点を示す）、
    （ｃ）時点ｔ_ｓでの最大増加勾配、及び最大強調度Ｙ_ｍａｘ＝ｍａｘ｛Ｙ（ｔ）｝を探すステップと、
    （ｄ）ｔ_０≦ｔ_１＜ｔ_ｓ及びＹ（ｔ_１）＜ａ％^＊Ｙ_ｍａｘとなるような最初の発生時点ｔ_１を、ｔ_ｓから遡って探すステップと（ただし、ａ％は調節可能な割合を示す値である）、
    （ｅ）初期強調期間をｔ_１とｔ_２＝ｔ_ｓ＋（ｔ_ｓ−ｔ_１）との間に設定し、ｔ_２＞ｔ_ｓの時点での初期強調度インデックスを探すステップと
    を実行することにより行われることを特徴とするシステム。
21. 請求項１７ないし２０のいずれかに記載のシステムであって、
    前記参照血管強調度プロファイルの検出は、
    前記プロセッサ手段が、
    （ａ）平均ベースライン画像を算出するステップと、
    （ｂ）初期強調度インデックスマップＹ_ｉ、及び前記減少するプロファイル部分を示すウォッシュアウトマップＹ_ｏを算出するステップと、
    （ｃ）Ｙ_ｉ（ＸＹＺ）＞ｆ^＊ｍａｘ（Ｙ_ｉ）及びＹ_ｏ（ＸＹＺ）＞０となるような、集合的にＸＹＺと表される全てのピクセルを探すステップ（ただし、ｆは調節可能なマスキング閾値である）と
    を実行することにより行うことを特徴とするシステム。
22. 請求項１７ないし２１のいずれかに記載のシステムであって、
    前記選択されたＲＯＩ内における各ピクセルの強調度曲線の分類は、相関分析に基づいて行われることを特徴とするシステム。
23. 請求項２２に記載のシステムであって、
    前記相関分析は、相関係数及び統計的ｐ値を得るために、シグネチャ曲線との順位相関を含むことを特徴とするシステム。
24. 請求項２３に記載のシステムであって、
    予め定められた閾値を超える初期強調度を有する各ピクセルについて、前記相関係数の最大値に対応するシグネチャ曲線の種類を決定することを特徴とするシステム。
25. 請求項１７ないし２４のいずれかに記載のシステムであって、
    少なくとも４つのシグネチャ曲線が導出されることを特徴とするシステム。
26. 請求項１７ないし２５のいずれかに記載のシステムであって、
    前記格子状プロットを表示する前に、
    前記プロセッサが、
    前記病変部に分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップを実行することを特徴とするシステム。
27. 請求項２６に記載のシステムであって、
    全てのピクセルについての前記分割分析及び曲線分類の結果は、病変部の生画像の上にカラーオーバーレイとして表示するために、カラーコード化された曲線パターンマップに格納されることを特徴とする方法。
28. 請求項１７ないし２７のいずれかに記載のシステムであって、
    視覚対比効果を高めるために、統計的有意の有無に関わらず、格子状プロットとして表示される全ピクセルの前記強調度曲線の種類を、異なる色及び線の太さによってハイライト表示するようにしたことを特徴とするシステム。
29. 請求項１７ないし２８のいずれかに記載のシステムであって、
    画像データをロードした後に、前記プロセッサが、対象の経時的な動きに起因する動きアーチファクトを補償するため画像レジストレーションを適用するステップを実行することを特徴とするシステム。
30. 請求項１７ないし２９のいずれかに記載のシステムであって、
    前記病変部における前記強調度曲線の種類及びばらつきが、良性腫瘍又は悪性腫瘍などの病変の特徴を示すことを特徴とするシステム。

Images