JP5203952B2 - コンピュータトモグラフィーコロノグラフィー画像のデジタルデジタル洗浄用の構造解析システム、方法、ソフトウェア構成及びコンピュータがアクセス可能な媒体 - Google Patents

Description

本発明は、広くは、コンピュータトモグラフィー（ＣＴ）コロノグラフィー画像のデジタル洗浄に関わる。具体的には、画像から標識化腸内容物を電子的に洗浄するために局所的形状署名を用いた構造解析技法を採用するシステム、方法、ソフトウェア構成およびコンピュータがアクセス可能な媒体に関係する。

本発明は、国立衛生研究所の助成第ＣＡ９８４２２による助成を受け米国政府の支援によりなされたものである。それ故、米国政府は本出願に記載の発明ならびに本明細書に記載の特許請求に対して特定の権利を主張するものである。
（関連出願の相互参照）

本出願は２００５年１０月１７出願の米国特許出願第６０／７２７，９４６に基づき優先権を主張するものであり、その全ての開示内容を本明細書の一部として援用する。
（連邦政府支援の生命）

結腸直腸癌は、米国ならびにヨーロッパにおける癌死亡の第二の主要な共通要因であることが知られている。結腸直腸癌のスクリーニングは、癌死亡率を著しく低減することができる。現在、大腸の主要部を可視化するために最も一般的な検査は大腸内視鏡検査であって、この検査は侵襲性であり、苦痛を伴うものである。大腸内視鏡検査は、結腸直腸癌およびそれ以外のクローン病、過敏性腸症候群等数多くの大腸（結腸）病変のスクリーニングを行うために実施することができる。しかしながら、検査の性格上そのスクリーニングを薦められても大衆は概してこれを無視するものである。

当業者には知られているように、大腸内視鏡検査は、一般的に、大腸主要部の組織におけるポリープ、腫瘍、あるいは炎症プロセスなどの異常を検出するための医療処置である。大腸内視鏡検査は、大腸内視鏡と呼ばれる、一端に光ファイバあるいはビデオ記録機能を有する可撓性の管状用具を用いて直接大腸主要部の内視鏡検査を行うものである。この大腸内視鏡は、患者の肛門から挿入し、大腸の長さ方向に沿って導く。これによって腸内部のポリープ、例えば大腸主要部の異常増殖や腫瘍を内視鏡により直接可視化できるようにして、またある場合には、内視鏡による生検やポリープの切除の機能も備えるようにしている。

大腸内視鏡検査は大腸を精密な検査する方法ではあるが、実施するためには、一般的に多くの時間を要し、高額であり、かつ医療検査者には細心の注意と熟練が要求される。さらに、このような手法には、下剤の服用、浣腸の他に通常は弱い麻酔処置も含む患者側の万全の準備も必要とされる。大腸内視鏡検査は侵襲的手法であるために、大腸を損傷しかねない大きな危険性、および致命的な大腸の穿孔ならびに腹膜炎を惹起する可能性がある。

これらの課題を克服するため、仮想的な大腸内視鏡検査手法が開発された。例えば、仮想的な大腸内視鏡検査法は、コンピュータ支援トモグラフィー（ＣＡＴ）画像形成システムとも呼ばれるコンピュータトモグラフィー（ＣＴ）画像形成システムによって生成した画像を利用する。ＣＴあるいはＣＡＴ画像形成システムでは、計算装置を用いて、人体の断面を通過したＸ線の減衰測定値を用いて人体の領域の断面画像を生成することができる。仮想的な大腸内視鏡検査法では、ＣＴ画像形成システムは通常、腸内部の二次元画像を生成する。一連のこのような二次元画像を合成して、大腸主要部の三次元画像を生成することができる。

このＣＴあるいはＣＡＴは患者に内視鏡を挿入することを必要としないため、大腸の損傷、大腸穿孔および腹膜炎を惹起する可能性の危険を回避できるが、このような手法はなお下剤や浣腸など患者側の万全の準備を必要とする。一般的に、患者は摂食制限を受け、かつかなり大量の下剤を摂取することにより（通常は飲むことにより）腸内を一掃する。仮想的な大腸内視鏡検査法による他の問題点は、仮想的な大腸内視鏡技術を用いた検査および診断は期待するほどには精度が高くないことである。これは、少なくとも部分的には、医療検査者（例えば医師）は大腸主要部にポリープ、腫瘍および／または異常が存在するか否かを決定するために比較的大量の画像を検査しなくてはならないことに起因する。

最近の仮想的な大腸内視鏡検査空間法の進歩によって、画像処理技術を用いて、手法開始に先行する腸内洗浄を不要とする可能性があることを示唆している。例えば、その全ての開示内容を引用により本明細書の一部として援用する、米国特許第６，９４７，７８４号および米国特許公報第２００５／０１０７６９１号には、患者に経口投与した造影剤による大腸内容物の標識化、ならびに標識化大腸内容物の電子洗浄（ＥＣ）技術を記載している。

これら公報のいずれかあるいは両方に開示されたこのＥＣ技術は、閾値化およびフィルタ技術の組み合わせを含むものである。代表的な手法では、大域的閾値を最初に標識化腸内容物に対して設定する。例えば、ＣＴ画像内でこの閾値よりも減衰の大きなピクセルは画像から減算する。さらに、画像中の原画像領域と減算された領域との間の急激な変化を平均化するために、平滑フィルタを用いることができる。

研究により、ＥＣ技術はＣＴ大腸内視鏡検査の診断能力を向上させることが示されている。例えば、参照により全ての開示内容を本明細書の一部として援用する、Ｐｉｃｋａｒｔ，Ｐ．ａｎｄ Ｃｈｏｉ，Ｊ．，“Ｅｌｅｃｔｒｏｎｉｃ Ｃｌｅａｎｓｉｎｇ ａｎｄ Ｓｔｏｏｌ Ｔａｇｇｉｎｇ ｉｎ ＣＴ Ｃｏｌｏｎｏｇｒａｐｈｙ：Ａｄｖａｎｔａｇｅｓ ａｎｄ Ｐｉｔｆａｌｌｓ ｗｉｔｈ Ｐｒｉｍａｒｙ Ｔｈｒｅｅ―Ｄｉｍｅｎｓｉｏｎａｌ Ｅｖａｌｕａｔｉｏｎ（ＣＴコロノグラフィーにおける電子洗浄と排泄物標識化：予備３次元評価の利点と落とし穴）”、Ａｍ．Ｊ．Ｒｏｅｎｔｇｅｎｏｌ．，Ｓｅｐｔｅｍｂｅｒ １、２００３、１８１（３）：７９９−８０５を参照されたい。しかしながら、既存のＥＣ技術は異常の結果ではない、あるいは異常に関連していない腸内容物を全ては除外することができないという限界がある。

特に、既存のＥＣ技術は、ＥＣを実行後のＣＴ画像中に現れる３種類のアーチファクト： （ｉ）擬似ポリープ、（ｉｉ）低洗浄アーチファクト、および（ｉｉｉ）劣化襞（ｄｅｇｒａｄｅｄ ｆｏｌｄｓ）を処理することができない場合がある。

擬似ポリープは真性ポリープのように見えるが、これらは一般的には空気と標識化腸内容物との間の部分容積効果により生ずる。既存の閾値に基づく方法は、腸内容物を完全には洗浄していない場合がある。例えば、図１はＣＴ画像１００において標識化腸内容物１１０を洗浄するための代表的な従来のＥＣ手法を実行した後にＣＴ画像１０５に残留した擬似ポリープアーチファクト１１５を図示している。

低洗浄アーチファクトは、一般的に、閾値化では除去されない低減衰物質となる傾向がある標識化コントラストの不均一性により生じる。例えば、図２は、ＥＣを実行してＣＴ画像２００の標識化腸内容物２１０を洗浄した後、ＣＴ画像２０５に不均一性に混濁した大腸内容物２１５が残留していることを示している。

従来のＥＣ手法を用いることにより、一般に標識化腸内容物に包囲された膨起襞として現れる劣化襞は、不適切に除去されるか、あるいは、これらの極端に薄い構成体に影響する、標識化腸内容物の過剰分割および潜在的な擬似強調のために粘膜ポリープを暈かされてしまうことがある。例えば、図３に、ＥＣを実行して、ＣＴ画像３００の標識化腸内容物３１０を洗浄した後に、劣化襞３１５がＣＴ画像３０５に残留していることを示している。擬似強調のために、腸内容物３１０の隣に存在する薄い襞の一部は不適切に除去され、画像３０５の劣化襞３１５となっている。

これらのアーチファクトは視覚的に困惑させるものであるため、ＣＴコロノグラフィー画像の臨床的な解釈に対して現在利用可能なＥＣ技術の有用性を限定的なものとしている。これらの懸念に対処するために、ＥＣ手法を実行した後に残留するアーチファクトを除去する画像処理技術が開発された。

例えば、擬似ポリープあるいはその他のアーチファクトとなりうる部分容積効果に対処するために、その全ての開示内容を参照により本明細書の一部として援用する、Ｃｈｅｎ，Ｄ．， ｅｔ ａｌ．，“Ａ ｎｏｖｅｌ Ａｐｐｒｏａｃｈ ｔｏ Ｅｘｔｒａｃｔ Ｃｏｌｏｎ Ｌｕｍｅｎ ｆｒｏｍ ＣＴ Ｉｍａｇｅｓ ｆｏｒ Ｖｉｒｔｕａｌ Ｃｏｌｏｎｏｓｃｏｐｙ（仮想的な直腸結腸内視鏡検査のためのＣＴ画像から結腸管腔を抽出する新手法）”、ＩＥＥＥ Ｔｒａｎｓ、ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、Ｖｏｌ．１９、ｐｐ．１２２０−２６、に記載の技術が開発された。この文献に記載の技術は、各ボクセルをその局所特徴ベクトルにより特徴づけるためにマルコフ確率場を用いている。

過剰分割の問題に対処するために、その全ての開示内容を参照により本明細書の一部として援用する、Ｚａｌｉｓ ｅｔ ａｌ．、“Ｄｉｇｉｔａｌ Ｓｕｂｔｒａｃｔｉｏｎ Ｂｏｗｅｌ Ｃｌｅａｓｉｎｇ ｆｏｒ ＣＴ Ｃｏｌｏｎｏｇｒａｐｈｙ Ｕｓｉｎｇ Ｍｏｒｐｈｏｌｏｇｉｃａｌ ａｎｄ Ｌｉｎｅａｒ Ｆｉｌｔｒａｔｉｏｎ Ｍｅｔｈｏｄｓ（形態的方法および線形濾波法を用いたＣＴコロノグラフィーのためのデジタル減算腸内洗浄法）”、ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、Ｖｏｌ．２３、ｐｐ．１３３５−４３、２０００には、アーチファクトを有する領域を特定し、かつ過剰減算領域を加算して平滑化以前に戻すためのエッジフィルタを使用することが示唆されている。

これらの二つの画像処理技術は、標識化腸内容物を分割するために閾値化と領域拡張法とを用いている。しかしながら、これらの技術は未だ標識化腸内容物の不均一性（図２参照）により齎された問題および劣化襞（図３参照）により齎された問題を解決することができない。

上記に記載の課題を克服することが必要である。

上述の説明から、本発明は、患者にとって手間のかかる不快な準備の必要性を少なくしながら、不要なアーチファクトを除去すると同時に、大腸主要部内のポリープ、腫瘍及びその他の異常を高い精度で検出することを目的とする。

本発明は、ＣＴコロノグラフィー画像に局所的形状署名を用いて、これらの画像から標識化腸内容物を電子的に洗浄することをもう一つの目的とする。

本発明は、さらに、ＣＴコロノグラフィー画像の局所的形状署名を、レベルセット分割の形状ベース速度関数と組み合わせて用いて、大腸主要部のポリープ、腫瘍およびその他の異常の正確な検出に影響を与えずに、画像から標識化腸内容物を識別し、除去することをさらなる目的とする。

本発明のこれらの目的及びその他の目的は、画像から標識化腸内容物を電子的に洗浄するためにＣＴコロノグラフィー画像に局所的形状署名を使用する構造解析方法を採用したＥＣ技術の、代表的な実施の形態のシステム、方法、ソフトウェア構成及びコンピュータがアクセス可能な媒体を用いて達成することができる。

本発明に従うと、仮想的な大腸内視鏡検査を実行するシステムは、ＣＴコロノグラフィー画像を生成するＣＴ画像形成システム、ＣＴコロノグラフィー画像を蓄積する記憶装置、例えば、データベース、及び記憶装置からＣＴコロノグラフィー画像を取得し、取得した画像を処理してＣＴ画像から標識化腸内容物を電子的に洗浄する、ＥＣ処理部（ＥＣＰ）を含んでもよい。この代表的な構成によると、患者側の手間のかかる万全な準備を不用としながらも、大腸主要部のポリープ、腫瘍、及びその他の異常を正確に検出するシステムを提供することができる。

本発明の一代表的な実施の形態では、ＥＣＰは、画像データベースから画像データを取得して、画像データを処理し、画像から腸管内容物を電子的に洗浄する。ＥＣＰは、画像を画像データベースに蓄積して戻すことができる。ＥＣＰは腸内容物を電子的に洗浄するので、仮想的な大腸内視鏡検査を実行する患者は、患者に不快なことで知られる従来の方法のように、腸管を洗浄する必要はない。

本発明の他の代表的な実施の形態では、ＥＣＰで実施する代表的なＥＣ技術を用いて、ＣＴコロノグラフィー画像を電子的に洗浄してもよい。この代表的なＥＣ技術は、（ｉ）画像の大腸主要部を初期分割するステップ、（ｉｉ）画像の分割した大腸主要部を初期分類するステップ、（ｉｉｉ）画像の局所的形状署名を算出するステップ、（ｉｖ）軟部組織構造体（ポリープと襞）を検出しながら、画像の標識化領域を減算するステップ、（ｖ）粘膜を再構築するステップを含んでもよい。

初期分割ステップは、ＣＴ画像中で大腸主要部をその背景から分割することができる。分割された大腸主要部は、（ｉ）結腸壁、（ｉｉ）結腸管腔、（ｉｉｉ）標識化腸内容物を含む。初期分類ステップを、初期分割ステップに続いて実行して、分割されたＣＴ画像を、複数の異なる物質、例えば、（ｉ）空気、（ｉｉ）軟組織、（ｉｉｉ）標識化腸内容物の三つの物質に分類することができる。初期分割ステップも初期分類ステップも、閾値化、連結度、形態的演算を含む従来の画像処理技術と標準偏差、局所的ヒストグラム、エントロピー、エネルギーなどのテクスチャ特徴を組み合わせて実行してもよい。

ＣＴ画像の局所的形状署名は、識別を向上し、標準化領域に埋もれた襞とポリープを保存するため、分割されたＣＴ画像に適用したヘッセ演算子の固有値を用いて算出してもよい。構造的洗浄手法は、大腸主要部の表面の境界および輪郭を正確に識別し、標識化腸内容物を高い精度で除去できるように、画像内の局所的形状署名に基づく形状ベース速度関数を採用してもよい。その後、粘膜を再構築するステップを適用して、正確に除去した標識化腸内容物を空気で置換し、結腸壁を再構築してもよい。

本発明の他の代表的な実施の形態によると、データベースから画像を受け取り、受け取った画像を処理して大腸主要部のポリープ、腫瘍、及びその他の異常を検出する自動ポリープ検出処理部（ＡＰＤＰ）を提供できる。ＡＰＤＰは、データベースの各画像を事前に選別することができるので、例えば医師などの医療検査者が全ての画像を検査する必要をなくし、むしろ、ポリープ又はその他の不規則性を有する可能性のある画像の小集団に注意を集中できるようにする。かかる本発明の代表的な実施の形態は、仮想的な大腸内視鏡検査を行う患者毎に比較的大量の画像を生成することができ、医療検査者は、大腸主要部にポリープ又はその他の不規則性が検出される可能性の最も高い画像により多くの時間を集中して費やすことができる。ＡＰＤＰは、従来の仮想的な大腸内視鏡検査技術、例えば、患者がＣＴスキャンを行う前に腸管を洗浄する技術を用いて生成した画像を処理することができ、又は、ＡＰＤＰは、腸内容物を電子的に洗浄した画像、例えば、ＥＣＰによって処理した画像を処理して、データベースに戻して蓄積することができる。

本発明によると、標識化腸内容物をＣＴコロノグラフィー画像から正確に除去することができるので、仮想的な大腸内視鏡検査を、患者側の万全の準備を必要とせず、患者に容易に実施することができる。

本発明の上述の目的及びその他の目的は、添付の図面を参照して以下の詳細な説明を考察すれば明らかである。同様の構成には同様の参照符号を付している。

一般的に、本発明の代表的な実施の形態に従えば、大腸主要部内のポリープ、腫瘍およびその他の異常を高い精度を保ちながら検出することができ、画像の構造解析と局所形状署名を組み合わせて画像から標識化腸内容物を識別して除去する、ＣＴコロノグラフィー画像のＥＣ用のシステム、方法、ソフトウェア構成およびコンピュータがアクセス可能な媒体が提供される。本明細書に記載のように、ＥＣは、仮想的な大腸内視鏡検査時のＣＴコロノグラフィー画像からの標識化腸内容物およびその他のアーチファクトの除去に関係する。レベルセット法で設計された形状ベース速度関数は、通常、特定の大腸主要部面に影響を与え、かつ面位置を決定するために解かれる「レベルセット」偏微分方程式（ＰＤＥ）を任意の時点で定義する。形状ベース速度関数は、標識化腸内容物に対応する大腸主要部の表面領域の輪郭および境界を決定するために用いられ、その結果これらはＣＴコロノグラフィー画像から正確に除去することができる。当業者には理解されるように、本発明の原理ならびに実施の形態は、患者側の万全の準備を必要とすることなく仮想的な大腸内視鏡検査を実行するために用いられることは明らかである。

図４は、ＣＴコロノグラフィー画像のＥＣおよび自動ポリープ検出を実行するための本発明の代表的な実施の形態のシステム／処理装置４００のブロックズである。図４に示すように、仮想的な大腸内視鏡検査を実行するためのシステム４００は、記憶装置、例えばＣＴシステム４１０に接続された画像データベース４０５を有するＣＴシステム４１０を含む。当業者には周知のように、ＣＴシステム４１０は、体の断面を透過したＸ線の減衰を計測することにより人体領域の断面の二次元画像を生成することができる。この画像は、デジタル画像または他のデータとして画像データベースに蓄積してもよい。一連のこのような二次元画像は既存の技術を用いて組み合わせ、患者の大腸主要部の三次元画像を提供することができる。ユーザインタフェース４２５により、ユーザ、例えば医療検査者、はＣＴシステム４１０を操作し、画像データベース４０５に蓄積された画像にアクセスし閲覧することができる。

電子洗浄処理部（ＥＣＰ）４１５は、画像データベース４０５とユーザインタフェース４２５とに接続することができる。ＥＣＰ４１５は、画像データベース４０５からデータを受け取り、この画像データを処理して、画像から患者の腸内容物を除去する。ＥＣＰ４１５は、次いで腸内容物を除去した処理画像を画像データベース４０５に蓄積する。ＥＣＰ４１５が画像から腸内容物を差し引くまたは除去するためにこの画像に行う特有の処理方法について以下、詳細に説明する。

特に、画像データベース４０５に蓄積された画像から腸内容物を除去するためにＥＣＰ４１５で実行されるＥＣ技術は、これに限定されないが、（ｉ）画像中の大腸主要部の初期分割、（ｉｉ）画像中の分割された大腸主要部の初期分類、（ｉｉｉ）画像中の局所形状署名の算出、（ｉｖ）画像中の標識化領域の減算の実行と軟組織構造（ポリープと襞）の検出；および（ｖ）粘膜の再構築を含んでもよい。ＥＣＰ４１５は、以下にさらに詳述するこれらの代表的なステップを用いて画像から腸内容物をデジタル的に減算または除去するものであるので、仮想的な大腸内視鏡検査システム／処理装置４００を用いて仮想的な大腸内視鏡検査を受ける患者は、患者にとって不快であることが知られている通常の方法により、検査に先立って腸管を洗浄する必要はない。

自動ポリープ検出処理部（ＡＰＤＰ）４２０は、画像データベース４０５とユーザインタフェース４２５との間に接続される。このＡＰＤＰ４２０は、画像データを画像データベース４０５から受け取って、画像データベース４０５からの画像データを処理して、ポリープ、腫瘍、炎症過程、あるいはその他の患者の大腸主要部組織の不規則性を検出および／または特定する。ＡＰＤＰ４２０は、かくして、画像データベース４０５の画像毎に事前選別を行って、医療検査者、例えば医師がそれぞれの画像を調べることを不要とし、ポリープあるいはその他の不規則性がありそうな画像の小集団に注意を集中させることができる。ＣＴシステム４１０は、仮想的な大腸内視鏡検査システム／処理装置４００を用いた仮想的な大腸内視鏡検査を受けるそれぞれの患者に対し比較的大量の画像を生成することができるため、医療検査者は、ＡＰＤＰ４２０がポリープあるいはその他の大腸主要部の不規則性を検出する傾向が最も強いこれらの画像に集中する時間的余裕を持つことができる。

本発明の代表的な実施の形態のＡＰＤＰ４２０は米国特許第６，４９７，７８４号および米国特許公報第２００５／０１０７６９１号に開示されており、その全ての開示内容は参照により本明細書の一部として援用する。ＡＰＤＰ４２０は、従来の仮想的な大腸内視鏡検査技術、例えば、例えばＣＴスキャンに先立ち患者が腸腔を洗浄する技術を用いて生成された画像、または腸内容物がデジタル的に除去された、例えばＥＣＰ４１５によって生成された画像を処理できることが当業者により理解されるべきである。

図５は、本発明に従って実行される代表的な実施の形態の仮想的な大腸内視鏡検査手法のフロー図である。図４の代表的な仮想的な大腸内視鏡検査システム／処理装置４００を用いて患者に実行する仮想的な大腸内視鏡検査は、ステップ５０５で、患者の大腸主要部の検査領域に造影剤を送り込んで開始する。典型的には、患者は造影剤を摂取して腸内容物に印又は標識をつける。しかしながら、腸管に造影剤を送ることができるのなら如何なる技術を用いてもよいことは明らかである。造影剤は、検査予定の約４８時間前から食事とともに少量ずつ摂取を開始してもよい。造影剤は、例えばガストログラトフィン、バリウム、またはオキシランなどの市販のものでもよいでよい。

さらに、ステップ５１０に示すようにＣＴ検査を行い、身体部位、例えば腹部全体の画像を生成する（ステップ５１５）。次いで画像データを解析システムに送信して解析する（ステップ５２０）。一以上の画像、例えば単一の薄片あるいは一連の薄片を選択して解析する。これは、Ｖｉｔａｌ Ｉｍａｇｅｓ、Ｉｎｃ．社、ミネソタ州ミネアポリスのＶｉｔｒｅａ Ｓｙｓｔｅｍなどの市販品を用いて行うことができる。

次いで、ステップ５２５に示すように、患者の腸内容物を、後に詳細に説明する図４に示すＥＣＰ４１５を用いてＣＴ画像からデジタル的に減算する。ＥＣＰ４１５を用いてデジタル減算手法を実行した後、処理した画像は、画像データベース４０５へ戻して蓄積してもよい。続いて、腸内容物をデジタル的に除去した画像の結果を画面に表示する（ステップ５３０）。

図６Ａは、ＣＴコロノグラフィー画像のＥＣを実行する、本発明の代表的な実施の形態の手法のフロー図である。図４に示すＥＣＰ４１５は、以下の処理を実行することによりＣＴコロノグラフィー画像から腸内容物を除去することができる。（ｉ）画像中の大腸主要部の初期分割（ステップ６０５）、（ｉｉ）画像中の分割した腸の初期分類（ステップ６１０）、（ｉｉｉ）画像中の特徴の形態解析（ステップ６１５）、（ｉｖ）画像中の局所的粗度解析（ステップ６１７）、（ｖ）レベルセット法を用いた画像の構造ベースＥＣ解析（ステップ６２０）、および（ｖｉ）粘膜再構築（ステップ６２５）。本発明の他の代表的な実施の形態として、ステップ６１５−６２０を画像中の局所形状署名の算出と、続く形態的情報を用いた構造ＥＣ解析に置き換えおよび／またはこれを含むことができる。

例えば、ステップ６０５において、ＥＣＰ４１５は（ｉ）結腸壁、（ｉｉ）結腸管腔および（ｉｉｉ）標識化腸内容物を含むＣＴ画像中の大腸主要部分を分割する。この分割は、閾値化、連結度（ｃｏｎｎｅｃｔｉｖｉｔｙ）、形態的演算子、特に標準偏差、局所的ヒストグラム、エントロピー、エネルギー等のテクスチャ特徴を含む周知技術を組み合わせて用いて実行してもよい。上記ＣＴ画像中の大腸主要部を分割するための代表的な閾値化として、米国特許第６，９４７，７８４号および米国特許公報第２００５／０１０７６９１号に記載の技術を挙げることができる。

さらに、ステップ６１０において、ＥＣＰ４１５は分割したＣＴ画像中の各ボクセルをいくつもの（例えば３つの）異なる物質：（ｉ）空気、（ｉｉ）軟組織および（ｉｉｉ）標識化腸内容物に分類する。画像分割ステップ６０５と同様に、画像分類ステップは、閾値化、連結度および形態的演算子を用いてが実行してもよい。対象とするボクセルを囲むカーネル中のボクセル群の標準偏差の算出値に対応する、局所的三次元テクスチャ解析を用いて、標識化腸内容物をさらに特徴解析してもよい。標識化腸内容物は水と混合された空気を含むことにより、標準偏差値を増大させることがある。この分類方法において、カーネルは最初、事前に閾値化を用いて軟組織として特徴解析されたボクセルを通って走査してもよい。高い標準偏差が現れるある領域は、次いで標識化腸内容物として再分類してもよい。

軟組織と空気の間の境界に沿って、即ち、結腸粘膜に沿って、統計的カーネル（ｓｔａｔｉｓｔｉｃａｌ ｋｅｒｎｅｌ）における領域の対称性を用いて、以下のように再分類をさらに限定してもよい。標識化内容物はほぼ均一に可変であるが、軟組織は（例えば大腸粘膜中のように）空気に接すると、可変性は適合カーネル中で制限される傾向がある。例えば、カーネル中、特にカーネルの隅部において、準領域標準偏差は小さくなることがある。これは、カーネルの全ての領域にわたって均一に高い標準偏差を有する傾向がある標識化腸内容物には当てはまらないことがある。

ステップ６１０において各ボクセルを空気、軟組織または標識化腸内容物のいずれかに分類する際には、ステップ６１５でＣＴ分割画像中の特徴の形態的分類が行われ、次いでステップ６１７で局所的粗度解析が行われる。図６Ａのステップ６１５および６１７の詳細を図６Ｂに図解する。例えば、画像の局所的粗度を評価して、ボクセルが管腔と組織の境界にあるのか、あるいは標識化物質と空気との間に齎された薄い軟組織構造体の上にあるかを決定することができる。この代表的な手法は、Ｌ−Ｔ境界により生成された面が、標識化領域と空気との間に位置する境界面上でＰＶＥの容積平均が局所的に非線形であるためにしばしば軟組織構造体の面より不規則であるという観察に基づく。

例えば、薄い軟組織構造体が標識化領域と空気との中間に位置する場合は、軟組織構造体の表面が滑らかであるため、このような表面不規則性は減少する。一般的に、Ｌ−Ｔ境界上の等値面はしばしば不連続であるが、薄い軟組織構造体の等値面は接続して、滑らかでありうる。これは、Ｌ−Ｔ境界が標識化領域と管腔との間に挟まれた薄い軟組織構造体よりも不規則的であることを示唆するものであると推定される。このように、局所等値面の粗度は、不規則性を測定するために用いることができる。

図６Ｂに示すように、ステップ６０５ｂで、標識化領域の境界を生成する。次いで、ステップ６１０ｂで、境界領域の湾曲度を決定する。さらに、ステップ６１５ｂで、局所的粗度を湾曲度に基づいて算出することができる。特に、ポイントｘにおける局所的粗度は以下のように局所的に生成した等値面湾曲度ＣＶ_σ（ｘ）の、隣接するスケールの間の累積的な差分として定義する：

ここにΔＣＶ_ｉ ＝ ＣＶσ_ｉ（ｘ）− ＣＶ_σｉ−１（ｘ）
はスケールｉとｉ−１における湾曲値の差分を表し、Ｂ_ｉは各スケールで湾曲値の差分に重みを与えるスケールに従属する関数である。
ボクセルｘにおける局所的な等値面湾曲度は（２）式で定義できる：

ここに

と

とはそれぞれ、スケールσにおける最大主曲率および最小主曲率である（Ｊ．Ｊ．Ｋｏｅｎｄｅｒｉｎｋ，Ｓｏｌｉｄ Ｓｈａｐｅ、Ｃａｍｂｒｉｄｇｅ、Ｍａｓｓａｃｈｕｓｅｔｔｓ：ＭＩＴＰｒｅｓｓ，１９９０；ａｎｄ Ｇ．Ｌｏｈｍａｎｎ、Ｖｏｌｕｍｅｔｒｉｃ ｉｍａｇｅ ａｎａｌｙｓｉｓ、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎ Ｌｔｄ．，１９９８に記載）。この湾曲度ＣＶ_σ は、ステップ６１５ｂにおいて、例えばスケールを０（σ_０）からスケールｎ（σ_ｎ）まで増大変化させながら画像のフィルタリングを行い、次いで各スケールｉにおいてその画像に対してサイズがσ_ｉの第一および第二の微分フィルタを適用して算出できる。ステップ６２０ｂにおいて、標識化部分と管腔との間の軟組織を、上記に記載の情報を用いて強調できる。

この構造解析は、ポリープおよび襞の様々な異なる局所形状署名を考慮して、画像中の各ボクセルが画像のポリープ中か又は襞領域にある確率を決定できる。この確率は、後に図８を参照して詳細に説明する、分割したＣＴ画像に適用したヘッセ演算子（Ｈｅｓｓｉａｎ Ｏｐｅｒａｔｏｒ）の固有値の固有の署名解析を用いて決定してもよい。

代表的な確率マトリクスを、ステップ６２０で説明した構造ベースＥＣ解析に用いて、標識化腸内容物に対応する領域の輪郭及び境界を決定し、ＣＴ画像から正確に除去することができる。ステップ６２０で説明したように、構造ベースＥＣ解析は形状ベース速度関数を用いて、ＣＴ画像中の標識化腸内容物に対応する領域を正確に識別する。形状ベース速度関数は、通常、与えられた大腸主要部の表面に影響を与えることができ、また、その解が表面の位置、従って、その輪郭および境界を決定する「レベルセット」偏微分方程式（ＰＤＥ）を任意の時点で定義してもよい。

本発明の代表的な実施の形態では、与えられた大腸主要部表面に対する形状ベース速度関数の速度および方向を、画像中の形態的情報、例えばステップ６２０で得られた確率マトリックスに基づいて決定することができる。この形状ベース速度関数は、後に図１１Ａ−Ｂを参照して詳細に説明する、動的ヒストグラム解析に従って決定した閾値を用いた閾値ベース関数を用いて各ポイントの速度を調節する。ＰＤＥの初期条件は、初期分割および分類ステップ６０５〜６１０に従って指定できる。

ステップ６１５で構造ベースＥＣ解析を実行することにより標識化腸内容物に相当するＣＴ画像中の領域を正確に識別した後に、ステップ６２０でＣＴ画像から標識化腸内容物をデジタル的に減算してもよい。除去した腸内容物に相当する領域は、次いで空気で置き換え、かつそれらの境界を再構築する。標識化腸内容物を削除した画像は、表示、医療検査者による解析のために画像データベース４０５に戻して蓄積する。
特徴の形態的分類

ＣＴ画像中の形態的情報を用いて、襞やポリープなどの画像中の特徴を分類してもよい。特に、形態的情報は、標識化腸内容物に囲まれた極めて薄い襞およびポリープを擬似強調する、又は不適切に削除することを回避するために役立つことがある。

本発明の代表的な一実施の形態では、画像中の特徴の形態的情報を、画像中の「関心領域（ＲＯＩ）」における二次導関数を解析することによって抽出してもよい。画像中のこのＲＯＩは、サイズがＲＯＩのサイズに対応し、そのボクセルに対応する成分を有するマトリクスで表してもよい。

当業者には周知のように、画像処理では、一次導関数を用いて画像内に含まれるエッジを検出することが一般的である。一次導関数は一般的にはグラジエント演算子、即ち
∇Ｉ ＝ （Ｉ_ｘ’Ｉ_ｙ’Ｉ_ｚ）
で表される。

画像中の更なる情報、例えば特徴の形態的情報をエンコードする場合は、一般的に二次導関数が用いられる。画像中のＲＯＩの二次導関数を解析するための通常の手法は、ヘッセマトリクス演算子を用いてもよい。ヘッセマトリクス演算子をＨでするとＨは、次式で与えられる：

ここに、各成分は二次導関数、例えば

などに相当する。

Ｈは対称マトリクスであるため、回転に対して不変な３組の実固有値を有する。対応する固有ベクトルは、一般的には「主方向」と呼ばれ、直交する。固有値および対応する固有ベクトルは、解析するＲＯＩ中のピクセル変動性の大きさおよび主方向を表すと考えることができる。この固有値はλ１、λ２およびλ３、但しλ１≧λ２≧λ３、対応する固有ベクトルはそれぞれθ１、θ２およびθ３で表すことができる。

画像中の与えられたＲＯＩのヘッセ演算子Ｈを利用し、固有値間の関係を解析すれば、そのＲＯＩ中の形態的特徴を分類することができる。例えば、以下の表１に示すように、これまでにヘッセ演算子Ｈは３種類の解剖学的特徴を形態的に解析するために用いられてきた。

表１−解剖学的特徴の形態的分類のための従来の固有値署名

表１に示すように、各解剖学的特徴に固有値条件、即ち固有値署名に従って形態的分類が当てはめられる。即ち、もしヘッセ演算子Ｈの固有値が、所与のＲＯＩに対する特定の条件、所与の形態的特徴で既知固有値署名に相当する条件を満たす場合、ＲＯＩ内部のピクセルはその形態的特徴に属するとして特徴付けられる。即ち、そのＲＯＩはその画像中の形態的特徴を含む領域の一部分であると見做される。

固有値署名は、従来、医療画像における血管構造の分割を補強するためにに用いられており（例えば、Ｓａｔｏ ｅｔ ａｌ．，“３Ｄ Ｍｕｌｔｉ−Ｓｃａｌｅ Ｌｉｎｅ Ｆｉｌｔｅｒ ｆｏｒ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｖｉｓｕａｌｉｚａｔｉｏｎ ｏｆ Ｃｕｒｖｉｌｉｎｅａｒ Ｓｔｒｕｃｔｕｒｅ ｉｎ Ｍｅｄｉｃａｌ Ｓｔｒｕｃｔｕｒｅ（医療画像における曲線構造の分割と可視化のための三次元マルチスケール・ラインフィルタ）”、Ｍｅｄｉｃａｌ ｉｍａｇｅ Ａｎａｌｙｓｉｓ、Ｖｏｌ．２、ｐｐ。１４３−１６８、１９９８、およびＦｒａｎｇｉ ｅｔ ａｌ．，“Ｍｕｌｔｉｓａｃａｌｅ Ｖｅｓｓｅｌ Ｅｎｈａｎｃｅｍｅｎｔ Ｆｉｌｔｅｒｉｎｇ（マルチスケール血管強調フィルタリング）”、Ｌｅｃｔｕｒｅ Ｎｏｔｅ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ、１４９６：１３０−１３７、１９９８を参照）、その全ての開示内容を本明細書の一部として援用する。このアプローチは、血管構造は管状であるという事実を活かしている。

本発明に従う代表的な一実施の形態では、固有値署名はＣＴコロノグラフィー画像におけるポリープおよび襞の識別を向上するために用いてもよい。画像全体を繰り返し遍く移動するＲＯＩ上でヘッセ演算子を用いることにより、ポリープが両凸の特徴を有し、襞は大腸主要部の粘膜から隆起した凸状の縁であると識別することができる。特に、襞はほぼ円弧に相当する以下の固有値署名によって識別できる：

ポリープに対しては、下記の固有値署名を用いることができる：

襞およびポリープに対応する固有値署名を用いて、標識化腸内容物の除去に先立ちこれらを強調することができる。これによって、識別された襞およびポリープ、特に、標識化腸内容物に包囲された極めて薄い襞を不適切な除去することを防止できる。代表的な一実施の形態では、上記方程式（４）の固有値署名を用いて識別した襞に以下の関数を適用して標識化腸内容物の除去に先立って襞を強調してもよい。

ここにＬｉｎｅａｒは線形従属関数でありＡｒｃｈは円弧形状従属関数である。

図７に示すように、上記方程式（６）を用いて襞を強調すると、標識化腸内容物中に埋もれた襞をこの代表的なＣＴ画像中に保存することができる。図７のＣＴコロノグラフィー画像７０５は、強調手法を用いた後の襞７１０を表す。ＣＴコロノグラフィー画像７００中に示されているように、この襞７０は部分的に標識化腸内容物中に埋もれていたものである。これらを強調することにより、標識化腸内容物の除去を行う際に襞を保存することができる。

後に詳細に説明するが、固有値署名を用いて特徴を形態的に分類して、形状ベース速度関数の速度を調整してもよい。これを行う場合、確率マトリクスを生成して、画像中の各ボクセルに、そのボクセルが固有値署名を用いて分類された形態的特徴に属する確率、即ち、そのボクセルが襞又はポリープの一部である確率を付与することができる。

図８に、ＣＴコロノグラフィー画像中の特徴の形態的分類に基づき所与のＲＯＩについて確率マトリクスを生成する、本発明の代表的な実施の形態の手法のフロー図を示す。例えば、ステップ８０５において、所与のＲＯＩについてヘッセマトリクスＨを構築する。さらに、ステップ８１０において、Ｈの固有値および固有ベクトルを決定または算出する。次いで、固有値署名をＲＯＩに適用して、ＲＯＩ中の形態的特徴を識別する（ステップ８１５）。ステップ８２０において、襞が存在する場合、識別した襞を強調する。さらに、ステップ８２５でＲＯＩに対する確率マトリクスＰを生成する。後に詳細に説明するが、確率マトリクスＰを用いて形状ベース速度関数を調節することができる。
形状ベース速度関数

標識化腸内容物に対応するＣＴコロノグラフィー画像中の領域の輪郭および境界を正確に識別するために形状ベース速度関数を用いてもよい。一般に、速度関数は、その全ての開示内容を本明細書の一部として援用する、Ｏｓｈｅｒ ｅｔ ａｌ．，“Ｆｒｏｎｔｓ Ｐｒｏｐａｇａｔｉｎｇ ｗｉｔｈ Ｃｕｒｖａｔｕｒｅ−Ｄｅｐｅｎｄｅｎｔ Ｓｐｅｅｄ：Ａｌｇｏｒｉｔｈｍｓ Ｂａｓｅｄ ｏｎ Ｈａｍｉｌｔｏｎ−Ｊａｃｏｂｉ Ｆｏｒｍｕｌａｔｉｏｎ（曲率従属性速度で伝播する前線： ハミルトン−ヤコブ公式に基づいたアルゴリズム）”、Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｐｈｙｓｉｃｓ，７９，ｐｐ．１２−４９、１９８８に記載の境界解析へのレベルセットアプローチに用いることができる。レベルセットアプローチでは、偏微分方程式（「ＰＤＥ」）のフレームワークを用いてひとつの面を他の面に対して移動させて、面境界を算出する。

この代表的なフレームワークでは、面の運動又は伝播を、速度関数の群により制御してもよい。速度関数の群は、一般的に、面に影響を与え、面の位置および、それ故、その輪郭および境界を決定するために解く「レベルセット」偏微分方程式（ＰＤＥ）を任意の時点において定義することができる。速度関数は用途に応じて数多の方法で定義することができる（例えば、その全ての開示内容を参照により本明細書の一部として援用する、Ｓｅｔｈｉａｎ、Ｊ．，“Ｌｅｖｅｌ Ｓｅｔ Ｍｅｔｈｏｄｓ：Ｅｖｏｌｖｉｎｇ Ｉｎｔｅｒｆａｃｅ ｉｎ Ｇｅｏｍｅｔｒｙ（レベルセット手法：表面形状における境界面の発展）”Ｆｌｕｉｄ Ｍｅｃｈａｎｉｃｓ、Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｍａｔｅｒｉａｌ Ｓｃｉｅｎｃｅｓ、Ｃａｍｂｒｉｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，１９９６を参照）。

境界解析に対するレベルセットアプローチは、Ｒ^Ｎ＋１空間に埋め込んだｎ次元の面として数学的に説明できる。φ（ｘ，ｔ）と記述されるスカラー関数は面Ｓの埋め込みを定義するものであり、ここにｘ∈Ｒ^Ｎ＋１であって、ｔは時間を表す。
面Ｓ上のポイントの群はφによって以下のように写像できる：
Ｓ＝｛ｘ｜φ（ｘ）＝ｋ｝ （７）
ここでｋは任意のスカラー値（ゼロのレベルセットに対してはゼロ）である。

二次元面を三次元空間に埋め込む本発明の代表的なレベルセット表現を図９Ａおよび９Ｂに図解する。レベルセット面９００は、図９Ａの面内の各ポイント（ｘ、ｙ）から境界面９０５にいたる距離を描画する。速度関数Ｆを各時点で用いて新しい境界面を生成してもよい。例えば、境界面９０５は時刻ｔ＝０で生成されるのに対して図９Ｂの新しい境界面９１５は時刻ｔ＝１で生成される。時間とともにレベルセットを伝播させることにより面９００の輪郭および境界が正確に生成される。

時間とともにφを伝播する場合、以下の一次ＰＤＥを定義してもよい。

ここで、Ｆは任意のポイントでφに対する法線方向の速度を定義する符号付速度関数である。Ｆは最終的な面境界の所望の特性を最大化するため、（用途に応じて）様々な形式をとることができる。

Ｆが確立されている場合には、レベルセットおよびφの分解境界面は、以下のＰＤＥに従って更新できる：
φ（ｘ，ｔ＋Δｔ）＝φ（ｘ，ｔ）＋ΔｔＦ｜∇φ｜ （９）

φの平均曲率、あるいは簡単に曲率を、通常、φを伝播する速度関数として用いる。曲率速度関数はしばしば平滑化制約として用いられ、他の速度関数と組み合わせて、本来なら粗い表面解を平滑化する。
アップ−ワインド・スキーム（その全ての開示内容を本明細書の一部として援用する、Ｏｓｈｅｒ ｅｔ ａｌ．，“Ｆｒｏｎｔｓ Ｐｒｏｐａｇａｔｉｎｇ ｗｉｔｈ Ｃｕｒｖａｔｕｒｅ−Ｄｅｐｅｎｄｅｎｔ Ｓｐｅｅｄ：Ａｌｇｏｒｉｔｈｍｓ Ｂａｓｅｄ ｏｎ Ｈａｍｉｌｔｏｎ−Ｊａｃｏｂｉ Ｆｏｒｍａｔｉｏｎｓ”（曲率従属性速度で伝播する前線：ハミルトン−ヤコブ公式に基づいたアルゴリズム）、Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｐｈｙｓｉｃｓ，７９，ｐｐ．１２−４９を参照）を用いて、上記方程式（９）のＰＤＥの一次差分を近似して、有限前進差分に付随する行き過ぎを回避してもよい。

レベルセット手法は面を一次元高い空間に埋め込むため、次元の増加により算出が一層複雑になっている。しかしながら、ゼロレベルセットのような単一レベルセットは、狭帯域（その全ての開示内容を参照により本明細書の一部として援用する、Ａｄａｌｓｔｅｉｎｓｓｏｎ ｅｔ ａｌ．，“Ａ Ｆａｓｔ Ｌｅｖｅｌ Ｓｅｔ Ｍｅｔｈｏｄ ｆｏｒ Ｐｒｏｐａｇａｔｉｎｇ Ｉｎｔｅｒｆａｃｅｓ（伝播境界面に対する高速レベルセット法）”、Ｊ．Ｃａｍｐ．Ｐｈｙｓｉｃｓ、１１８、ｐｐ．２６９−２７７、１９９５を参照）、およびスパース・フィールド（ｓｐａｒｓｅ−ｆｉｅｌｄ）アプローチ（その全ての開示内容を参照により本明細書の一部として援用する、Ｗｈｉｔａｋｅｒ，Ｒ．，“Ａ Ｌｅｖｅｌ Ｓｅｔ Ａｐｐｒｏａｃｈ ｔｏ ３Ｄ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｆｒｏｍ Ｒａｎｇｅ Ｄａｔａ（領域データから３Ｄ再構築へのレベルセットアプローチ）”、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ、２９（３）、ｐｐ．２０３−２３１、１９９８を参照）は、サイズがＲ^Ｎ＋１である空間よりも面（境界面）の領域で発展方程式を解くことがより効率的と考えられる。

レベルセット手法は、従来、ＭＲＩ画像中の血管構造の分割を改善するために用いられてきた（例えば、その全ての開示内容を参照により本明細書の一部として援用する、Ｓｕｒｉ ｅｔ ａｌ．，“”Ｓｈａｐｅ Ｒｅｃｏｖｅｒｙ Ａｌｇｏｒｉｔｈｍｓ Ｕｓｉｎｇ Ｌｅｖｅｌ Ｓｅｔｓ ｉｎ ２Ｄ／３Ｄ Ｍｅｄｉｃａｌ Ｉｍａｇｅｒｙ：ａ Ｓｔａｔｅ−ｏｆ−Ａｒｔ Ｒｅｖｉｅｗ（２Ｄ／３Ｄ医療画像におけるレベルセットを用いた形状修復アルゴリズム：先端技術の概説）“、ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｆ．Ｔｅｃｈｎｏｌ．Ｂｉｏｍｅｄ．，６（１）：８−２８、Ｍａｒｃｈ ２００２を参照）。しかしながら、現在のところ、レベルセット手法を具体的に大腸構造の分割に応用したか否かは知られていない。

本発明の代表的な一実施の形態によると、ＣＴコロノグラフィー画像のＥＣを実行するレベルセット手法を提供する。図１０に、ＣＴコロノグラフィー画像から、特徴の形態的分類を用いて構造解析ＥＣを実行する、本発明の代表的な実施の形態のかかる手法のフロー図を示す。

例えば、ステップ１００５において、φ（ｘ，ｔ）と表されたレベルセットのスカラー関数を、上述の方程式（７）で定義する。さらに、ステップ１０１０において、レベルセット関数φの伝播速度を調節する形状ベース速度関数Ｆを指定する。既に図８を参照して説明したように、形状ベース速度関数Ｆは、動的閾値Ｔと特定のボクセルｘが固有値署名を用いて分類されたある形態的特徴に属する確率、即ち、そのボクセルが襞又はポリープの一部分である確率Ｐ（ｘ）との差を用いて伝播速度を調節する。この形状ベースの速度関数Ｆは以下のようにして得てもよい。
Ｆ（ｘ）＝ｓｉｇｎ（ｘ）・α・｜ｘ｜^ｎ （１０）
ここでαはスカラー量、ｓｉｇｎ（ｘ）は符号関数、ｎは速度の平滑性を制御するファクタで、例えばｎ＝２又は３、およびｘは方程式（１１）で与えられる正規化された差分である：

方程式（１１）は、レベルセット前進移動を推進する速度関数であることが好ましい。確率は０と１の間の実数値である。例えば、あるボクセルが確率の閾値（例えば０．８など）より大きな襞形状確率を持てば、そのボクセルを襞として扱うことができる。

変数Ｔおよび範囲は、後に図１１Ａおよび１１Ｂを参照して説明する、動的ヒストグラム解析に基づいて決定することができる。

速度関数Ｆは、その他の平滑化制約、平均曲率、およびレベルセット関数φに加え更なる均一平滑化と均衡を必要としてもよい。さらに、ステップ１０１５において、レベルセット関数φを伝播して、標識化腸内容物を適切に除去できるように、対応する領域の境界を検出する。φの伝播は次のＰＤＥを解いて実行する。

上記方程式（１２）のＰＤＥを解いて標識化腸内容物に相当する領域の境界を決定した後、これらの標識化腸内容物を除去し、それらの領域を空気で置換する（ステップ１０２０）。次いで結腸壁を再構築する。ＣＴ画像は図４のＥＣＰ４１５により画像データベース４０５に戻してもよい。
動的ヒストグラム解析

上述したように、動的ヒストグラム解析をＣＴ画像上で実行して、速度関数Ｆの範囲と適切な閾値Ｔを決定することができる。ヒストグラム解析は、異なる減衰レベルを持つ対象と対象の間の境界を確立するための一層柔軟な方法を提供することができる。簡単化した一例として、ある画像が対象Ａと背景Ｂで構成され、それぞれが明確に異なる平均ピクセル値および減衰率を有する場合、その画像中の減衰率のヒストグラムは対応する２つのピークを持つ傾向がある。理想的には、ＡとＢとの境界を選択してこれらのピークの間の谷を識別することができる。

一般に、画像のヒストグラムはピークが高く、狭く、対称であり、かつ深い谷で分離されている場合に、代表的な閾値手法によって適切な境界を確立することができる。実際には、ヒストグラムの形状は、一般的に画像中の対象の相対的大きさ、各対象中のピクセル値の分散、画像中の対象の数、および各対象の組みの間のギャップに影響される。これらの影響によって、ヒストグラムの谷は、閾値を用いて得られたものと常に対応するとは限らない可能性がある。この現象は「閾値バイアス」と呼ばれ、対象が小さいほど、対象に向かう谷（推定境界）をシフトさせることがある。

境界推定におけるこの閾値バイアスの問題は、その全ての開示内容を参照によって本明細書の一部として援用する、２対象問題について減衰率のガウス分布を仮定した、Ｋｉｔｔｌｅｒ ｅｔ ａｌ．，“Ｍｉｎｉｍｕｍ Ｅｒｒｏｒ Ｔｈｒｅｓｈｏｌｄｉｎｇ（最小誤り閾値）”、Ｐａｔｔｅｒｎ Ｒｃｏｇｎｉｔｉｏｎ、１９：４１−４７、１９８６の中で扱っている。この代表的なアプローチでは、対象間の最適な境界は、ガウス曲線に合わせた場合の誤差が最小になるように算定する。境界推定のその他の手法には、イントラ−オブジェクト−クラス分散最小化手法、インターーオブジェクトークラス分散最大化手法、および画像エントロピー最大化手法が含まれていた。

しかしながら、これらの代表的な手法は、画像データ中の全ての対象を含む静的ヒストグラムにおけるバイアスを制御しようとするものである。実際、このフレームワークを用いたバイアスの推定は、ヒストグラムはしばしば単峯性であるため依然として困難である。

閾値バイアスを制限するために、関心境界における移動型の解析領域を用いた動的ヒストグラム解析アプローチを用いることができる。この解析領域は反復して移動することができるので、解析の範囲に包含された対象およびその背景の断片にわたって制御を行うことができる。この結果、移動領域内で観測されたヒストグラムは、正確な境界推定を容易にする突出した谷間とピークとを保持する。二次元の場合の一例として、境界解析が、唯２つの特徴部、Ａ（対象）とＢ（その背景）のみを有する領域に限定され、通常、背景対前景（ＢｔＦ）比と呼ばれる解析領域におけるこれら二つの特徴部のサイズの比率が略１である場合、閾値バイアスは位置Ｔにおいて以下の式に従って最小化することができる。

ここに、ＭＡとＭＢとはそれぞれ対象Ａと背景Ｂの期待減衰値であり、σ^２は観測された白色雑音の分散であり、ｆはこれら二つの期待減衰値のスケールファクタであり、

とする。またＣｒはＢｔＦ比であって次の式で与えられる：

ここにＲＡとＲＢとは２つの物質のボクセルの数である。

上記方程式（１３）は一般的には二つの対象の制限と略単一のＢｔＦとを用いる。これら２つの想定される要件は、解析領域が二次元で帯状である場合に満される。

図１１Ａは、本発明の代表的な実施の形態に従う動的ヒストグラム解析により形成される、対象の境界周辺の代表的な帯状体１１００の説明図である。この帯状体１１００は対象Ａと背景Ｂとの間の境界近傍に位置している。帯状体１１００は、内側部分、外側部分およびこれら両者を分離している境界（中間軸）の３つの部分から構成されている。この帯状体１１００は移動可能であり、その反復運動を符号付速度関数により制御してもよい。例えば、この関数は、正の符号の場合、境界上のポイントを外側へ推し進め、また負の符号の場合にはポイントを内側へ推し進める。

以下の説明において、対象Ａは背景よりも平均減衰率が高い、即ち、ＭＡ＞ＭＢであると仮定する。帯状体１１００は最初、その境界が対象Ａの内側にあるように位置しているとした場合、帯状体内の包含範囲の割合が対象の方向にシフトするため、ＢｔＦは１より小さくなると考えられる。この帯状のヒストグラムから推定される閾値は、最初は背景方向にシフトされる。境界に沿った減衰率の測定値と境界における推定閾値との差は、境界ポイントを対象Ａから外側へ反復して伝えるスカラー「速度」を定義する。帯状体は拡大するに従いさらに多くの背景ピクセルを包含し、ＢｔＦを１に近づける。帯状体のＢｔＦ比が１に近づくにつれて、境界と推定閾値との差が減少し、シェルの伝播速度はゼロに収斂する。この結果生じる境界の最終位置が、対象Ａとその背景との間のバイアスが最小値の区切り（デリミタ）と見做される。

帯状体１１００の伝播の結果得られる動的ヒストグラムを、図１１Ｂの代表的なグラフ１１０５に示す。上述の方程式（１０）および（１１）の速度関数Ｆで用いる閾値Ｔはグラフ１１０５の中点として与えられ、他方、範囲はグラフ１１０５の二つのピーク間の領域として与えられる。

上述の例は二次元で説明したが、帯状体に代えて、解析の伝播領域を拡大するシェルとなることができるように三次元に拡張することができる。
実験結果

形状ベース速度関数において構造解析および動的ヒストグラム解析を利用することにより、標識化腸内容物をＣＴコロノグラフィー画像から正確に除去することができるので、容易に患者に仮想的な大腸内視鏡検査を行うことができ、患者側が万全の準備をする必要はなくなる。

図１２Ａ〜図１２Ｅに、本発明に従ってＥＣによって被験者のために取得した、代表的なＣＴコロノグラフィー画像を示す。図１２Ａに示すように、画像１２００は腸内容物１２０５に標識を付した後に取得されたＣＴコロノグラフィー画像である。画像１２００は図６Ａのステップ６０５で分割され、図６Ａのステップ６１０で画像１２００の空気、軟組織および標識化腸内容物への初期分類が行われ、この結果、図１２Ｂに示された画像１２１０中の軟組織１２１５〜１２２０の画像が生成される。

本発明の特に代表的な実施の形態によると、初期分類をステップ６１０で実行した後、図６Ａのステップ６１５でＣＴ画像１２１０に対してその特徴の形態的分類を実行する。次いで、既に説明したように、ＣＴ画像１２１０の形状ベースＥＣを図６のステップ６２０で実行する。この結果、図１２Ｃに示す画像１２２５に見られる襞１２３０の強調がなされる。ついで、図１２Ｄに示す画像１２３５中のボクセル１２４０に表されているように、標識化腸内容物を除去し、図６Ａのステップ６２５で結腸壁を再構築する。こうして図１２Ｅに示す画像１２４５が得られる。

画像１２４５に見られるように、標識化腸内容物１２０５は正確に除去され、図１２Ｃの画像１２２５に見られる襞１２３０のように、襞の劣化は発生していない。ＣＴコロノグラフィー画像に対して上述の手法を実行することにより、患者に正確かつ容易に仮想的な大腸内視鏡検査を行うことができ、患者側が万全の準備をする必要はなくなる。

図１３Ａ〜図１３Ｄに、図６Ｂの代表的手法を用いて取得することができる粗度とＬ−Ｔ境界との間の関係を表す代表的な画像を示す。図１３Ａの画像１３０５と図１３Ｂの画像１３１０とをそれぞれ図１３Ｃの画像１３１５と図１３Ｄの画像１３２０と比較すると、Ｌ−Ｔ境界（図面中の黒い矢印）、特に重力に逆らう標識化された排泄物のＬ−Ｔ境界（例えば図１３Ｂの画像１３１０中の黒い矢印）は平均化されるのに対して、標識化対象の下に埋没した薄い襞（図面の白い矢印を参照）はほぼ強調されている。

上述の本発明の個別の実施の形態ならびに最良の態様は図解および解説のためにのみ提示したものである。これらは排他的または本発明を限定することを意図するものではない。即ち本発明の権利範囲は開示された具体的形式にのみ限定されるものではい。簡便にするため本発明の個別の特徴を一部の図面に示し、他の図面には示していないが、本発明によれば、どの特徴も他の特徴と組み合わせてもよい。本明細書に記載の処理ステップは、順序を変えてもよく、組み合わせてもよく、他のステップを含んでもよい。本発明の原理及びその実際の用途を最もよく説明するために上述の実施の形態を選択して説明したが、当業者であれば、本発明及び種々の実施の形態に個別の用途に最適となるように様々な修正を加えることができる。当業者であれば、添付の特許請求の範囲およびそれらの均等物の範囲から逸脱することなく、本開示およびその変形態様を考慮して本発明のさらなる変形態様が可能であることは明らかである。上述の引用文献は、参照によって本明細書の一部として援用する。

従来のＥＣ技術を用いて画像から標識化腸内容物を電子的に洗浄した代表的なＣＴコロノグラフィー画像を示す図である。 従来のＥＣ技術を用いて画像から標識化腸内容物を電子的に洗浄した他の代表的なＣＴコロノグラフィー画像を示す図である。 従来のＥＣ技術を用いて画像から標識化腸内容物を電子的に洗浄した他の代表的なＣＴコロノグラフィー画像を示す図である。 ＣＴコロノグラフィー画像のＥＣ及び自動ポリープ検出を実行する本発明の代表的な実施の形態のシステムのブロック図である。 本発明の代表的な実施の形態の仮想的な大腸内視鏡検査手法のフロー図である。 ＣＴコロノグラフィー画像のＥＣを実行する、本発明の代表的な実施の形態の手法のフロー図である。 図６Ａの手法で説明した粗度決定を実行する、本発明の代表的な実施の形態の手法の詳細なフロー図である。 本発明による、画像の局所的形状署名の解析によって識別した襞を強調する前と後に生成した代表的なＣＴコロノグラフィー画像を示す図である。 ＣＴコロノグラフィー画像の局所的形状署名の解析に基づいて個別の関心領域（ＲＯＩ）の確率マトリクスを生成する、本発明の代表的な実施の形態の手法のフロー図である。 ＣＴコロノグラフィー画像の局所的形状署名の解析に基づいて個別の関心領域（ＲＯＩ）の確率マトリクスを生成する、本発明の代表的な実施の形態の手法のフロー図である。 本発明による、形状ベース速度関数を用いる代表的なレベルセット表現を示す図である。 本発明による、形状ベース速度関数を用いる代表的なレベルセット表現を示す図である。 ＣＴコロノグラフィー画像から局所的形状署名を用いて構造解析ＥＣを実行する、本発明の代表的な実施の形態の手法のフロー図である。 本発明による、代表的な動的ヒストグラム解析を用いて形成した対象の境界周辺の、代表的な移動可能な帯状体を示す図である。 本発明による、動的ヒストグラム解析を用いて生成した代表的な帯状ヒストグラムのグラフである。 本発明の実施の形態に従って実行したＥＣを用いた個別の被験者について取得した代表的なＣＴコロノグラフィー画像を示す図である。 本発明の実施の形態に従って、粗度と境界との代表的な関係を表す代表的なＣＴコロノグラフィー画像を示す図である。

Claims (55)

1. 仮想的な大腸内視鏡検査時に取得された患者の画像情報の電子的洗浄を提供する方法であって、画像を処理するための処理部が、
   （ａ）患者の少なくとも一つの関心領域の少なくとも一つのコロノグラフィー画像を生成するステップであって、前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含むステップと、
   （ｂ）解剖学的特徴を分類するために、前記少なくとも一つのコロノグラフィー画像の一以上の形態的特徴を分類するステップと、
   （ｃ）前記画像情報の電子的洗浄を提供するために、形態的分類に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去の少なくとも一つを行って情報を画像化するステップと、を含む方法。
2. 患者の大腸主要部の前記腸内容物は、患者が造影剤を摂取することによってタグ付けされたものである、請求項１記載の方法。
3. 前記処理部が、前記少なくとも一つのコログラフィー画像を背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割するステップをさらに含む、請求項１記載の方法。
4. 前記処理部が、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に分類するステップをさらに含む、請求項３記載の方法。
5. 構造解析ステップは、前記処理部が、ヘッセ演算子を前記少なくとも一つのコロノグラフィー画像の前記少なくとも一つの関心領域に適用するステップを含む、請求項１記載の方法。
6. 前記処理部が、前記ヘッセ演算子の固有値および固有ベクトルを決定するステップをさらに含む、請求項５記載の方法。
7. 前記処理部が、前記少なくとも一つの関心領域の一以上の形態的特徴に対応する一以上の固有値署名を定義するステップをさらに含む、請求項６記載の方法。
8. 前記処理部が、前記少なくとも一つの関心領域の一以上の襞を強調するステップをさらに含み、襞は前記一以上の固有値署名の一つで定義される、請求項７記載の方法。
9. 前記少なくとも一つのコロノグラフィー画像のタグ付けされた腸内容物に対応する領域の境界を定義するために、前記処理部が、前記少なくとも一つのコロノグラフィー画像に形状ベース速度関数を適用するステップをさらに含む、請求項１記載の方法。
10. 前記形状ベース速度関数が、形態的分類に基づく閾値化速度関数を含む、請求項９記載の方法。
11. 前記形状ベース速度関数が、閾値と範囲を含む、請求項１０記載の方法。
12. 前記閾値と前記範囲は、前記少なくとも一つのコロノグラフィー画像の動的ヒストグラム解析を実行することによって、算出される、請求項１１記載の方法。
13. 前記処理部が、前記ステップ（ｃ）を実行した後、前記少なくとも一つのコロノグラフィー画像の大腸主要部の少なくとも一部の粘膜を再構築するステップをさらに含む、請求項１記載の方法。
14. 仮想的な大腸内視鏡検査時に取得された患者の画像情報の電子的洗浄を提供するシステムであって、
    患者の少なくとも一つの関心領域の少なくとも一つのコロノグラフィー画像を生成し、
    解剖学的特徴を分類するために、前記少なくとも一つのコロノグラフィー画像の一以上の形態的特徴を分類し、
    前記画像情報の電子的洗浄を提供するために、形態的分類に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去の少なくとも一つを行って情報を画像化するように構成された処理部を備え、
    前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含む、システム。
15. さらに、前記少なくとも一つのコロノグラフィー画像を蓄積するように構成された画像データベースをさらに備える、請求項１４記載のシステム。
16. 前記処理部と相互作用するように構成されたユーザインタフェースをさらに備える、請求項１４記載のシステム。
17. ポリープを定義するように構成された自動ポリープ検出処理部をさらに備える、請求項１４記載のシステム。
18. 前記処理部が、さらに、前記少なくとも一つのコロノグラフィー画像を、背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割するように構成された、請求項１４記載のシステム。
19. 前記処理部が、さらに、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に分類するように構成された、請求項１８記載のシステム。
20. 前記形態的特徴を、ヘッセ演算子を前記少なくとも一つのコロノグラフィー画像の前記少なくとも一つの関心領域に適用して、分類する、請求項１４記載のシステム。
21. 前記ヘッセ演算子が、固有値の群と対応する固有ベクトルの群を含む、請求項２０記載のシステム。
22. 前記固有値の群が、前記少なくとも一つの関心領域の一以上の形態的特徴に対応する一以上の固有値署名を含む、請求項２１記載のシステム。
23. 前記一以上の固有値署名の一つが襞に対応する、請求項２２記載のシステム。
24. 前記襞を前記関心領域内で強調する、請求項２３記載のシステム。
25. 前記少なくとも一つのコロノグラフィー画像のタグ付けされた腸内容物に対応する領域の境界を定義するために、前記処理部が、さらに、前記少なくとも一つのコロノグラフィー画像に形状ベース速度関数を適用するように構成された、請求項１４記載のシステム。
26. 前記形状ベース速度関数が、形態的分類に基づく閾値化速度関数を含む、請求項２５記載のシステム。
27. 前記形状ベース速度関数が、閾値と範囲を含む、請求項２５記載のシステム。
28. 前記閾値と前記範囲が、前記少なくとも一つのコロノグラフィー画像に動的ヒストグラム解析を実行することによって決定される、請求項２７記載のシステム。
29. 前記処理部が、さらに、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去を行った後、前記少なくとも一つのコロノグラフィー画像の大腸主要部の少なくとも一部の粘膜の再構築を実行するようにさらに構成された、請求項１４記載のシステム。
30. 仮想的な大腸内視鏡検査時に取得された患者の画像情報の電子的洗浄を提供する方法であって、画像を処理するための処理部が、
    （ａ）患者の少なくとも一つの関心領域の少なくとも一つのコロノグラフィー画像を生成するステップであって、前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含むステップと、
    （ｂ）前記少なくとも一つのコロノグラフィー画像の前記タグ付けされた腸内容物に対応する領域の境界を定義するために、形状ベース速度関数を前記少なくとも一つのコロノグラフィー画像の少なくとも一部分に適用するステップと、
    （ｃ）前記画像情報の電子的洗浄を提供するために、前記形状ベース速度関数の適用に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去の少なくとも一つを行うステップと、を含む方法。
31. 前記処理部が、前記少なくとも一つのコログラフィー画像を背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割するステップをさらに含む、請求項３０記載の方法。
32. 前記処理部が、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に分類するステップをさらに含む、請求項３１記載の方法。
33. 前記処理部が、前記少なくとも一つのコロノグラフィー画像の形態的特徴を分類するステップをさらに含む、請求項３０記載の方法。
34. 前記形状ベース速度関数が、形態的分類に基づく閾値化速度関数を含む、請求項３３記載の方法。
35. 前記形状ベース速度関数が、閾値と範囲を含む、請求項３４記載の方法。
36. 前記閾値と前記範囲は、前記少なくとも一つのコロノグラフィー画像の動的ヒストグラム解析を実行することによって、決定される、請求項３５記載の方法。
37. 前記ステップ（ｃ）を実行した後、前記少なくとも一つのコロノグラフィー画像の患者の大腸主要部の少なくとも一部の粘膜を再構築するステップをさらに含む、請求項３０記載の方法。
38. 仮想的な大腸内視鏡検査時に取得された患者の画像情報の電子的洗浄を提供するシステムであって、
    患者の少なくとも一つの関心領域の少なくとも一つのコロノグラフィー画像を生成し、
    前記少なくとも一つのコロノグラフィー画像の前記タグ付けされた腸内容物に対応する領域の境界を定義するために、形状ベース速度関数を前記少なくとも一つのコロノグラフィー画像の少なくとも一部分に適用するように構成された処理部を備え、
    前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含み、前記処理部はさらに、
    前記画像情報の電子的洗浄を提供するために、前記形状ベース速度関数の適用に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去の少なくとも一つを行うように構成された、システム。
39. 前記処理部が、さらに、前記少なくとも一つのコログラフィー画像を背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割するように構成された、請求項３８記載のシステム。
40. 前記処理部が、さらに、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に分類するように構成された、請求項３９記載のシステム。
41. 前記処理部が、さらに、解剖学的特徴を分類するために、前記少なくとも一つのコロノグラフィー画像の形態的特徴を分類するように構成された、請求項３８記載のシステム。
42. 前記形状ベース速度関数が、形態的分類に基づく閾値化速度関数を含む、請求項４１記載のシステム。
43. 前記形状ベース速度関数が、閾値と範囲を含む、請求項４２記載のシステム。
44. 前記処理部が、さらに、前記少なくとも一つのコロノグラフィー画像に動的ヒストグラム解析を実行することによって、前記閾値と前記範囲を決定するように構成された、請求項４３記載のシステム。
45. 前記処理部が、さらに、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去を行った後、前記少なくとも一つのコロノグラフィー画像の患者の大腸主要部の少なくとも一部の粘膜の再構築を実行するように構成された、請求項３８記載のシステム。
46. 患者の少なくとも一つのコロノグラフィー画像を電子的に洗浄する、コンピュータに実行させるプログラムであって、前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含み、該コンピュータは、
    前記少なくとも一つのコロノグラフィー画像の前記タグ付けされた腸内容物に対応する領域の境界を定義するために、処理部によって実行される、形状ベース速度関数を前記少なくとも一つのコロノグラフィー画像の少なくとも一部分に適用する第１のモジュールと、
    前記画像情報を電子的洗浄するために、前記処理部によって実行される、前記形状ベース速度関数の適用に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算又は除去の少なくとも一つを実行する第２のモジュールと、を含む、プログラム。
47. 前記コンピュータは、前記処理部によって実行される、前記少なくとも一つのコログラフィー画像を背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割する、前記少なくとも一つのコロノグラフィー画像の初期分割を実行する第３のモジュールをさらに含む、請求項４６記載のプログラム。
48. 前記処理部によって実行される、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に初期分類する第４のモジュールをさらに含む、請求項４７記載のプログラム。
49. 解剖学的特徴を分類するために、前記処理部によって実行される、前記少なくとも一つのコロノグラフィー画像の形態的特徴を分類する第５のモジュールをさらに含む、請求項４６記載のプログラム。
50. 前記処理部によって実行される、患者の大腸主要部の少なくとも一部の粘膜の再構築を実行する第６のモジュールをさらに含む、請求項４６記載のプログラム。
51. 患者の少なくとも一つのコロノグラフィー画像を電子的に洗浄する命令群を含む、コンピュータがアクセス可能な記録媒体であって、前記少なくとも一つのコロノグラフィー画像が患者の大腸主要部の少なくとも一部のタグ付けされた腸内容物を含み、
    処理部は前記命令群を実行すると、
    前記少なくとも一つのコロノグラフィー画像のタグ付けされた腸内容物に対応する領域の境界を定義するために、形状ベース速度関数を前記少なくとも一つのコロノグラフィー画像に適用し、
    前記画像情報を電子的洗浄するために、形態的分類と前記形状ベース速度関数の適用に基づいて、前記少なくとも一つのコロノグラフィー画像からタグ付けされた腸内容物の減算及び除去の少なくとも一つを実行するためのプログラムを記録したコンピュータがアクセス可能な記録媒体。
52. 前記処理部が、さらに、前記少なくとも一つのコログラフィー画像を背景、結腸管腔、結腸壁、タグ付けされた腸内容物領域の少なくとも一つを含む領域に分割する、前記少なくとも一つのコロノグラフィー画像の初期分割を実行するためのプログラムを記録した、請求項５１記載のコンピュータがアクセス可能な記録媒体。
53. 前記処理部が、さらに、前記領域を、空気、軟組織、タグ付けされた腸内容物領域の少なくとも一つを含む物質に初期分類するためのプログラムを記録した、請求項５２記載のコンピュータがアクセス可能な記録媒体。
54. 前記処理部が、さらに、解剖学的特徴を分類するために、前記少なくとも一つのコロノグラフィー画像の形態的特徴を分類するためのプログラムを記録した、請求項５１記載のコンピュータがアクセス可能な記録媒体。
55. 前記処理部が、さらに、患者の大腸主要部の少なくとも一部の粘膜の再構築を実行ためのプログラムを記録した、請求項５１記載のコンピュータがアクセス可能な記録媒体。
    

Images