JP5538997B2 - 液体が充填した構造物および液体が充填していない構造物の非侵襲性測定用三次元超音波ベース機器 - Google Patents

Description

優先権の主張
本出願は、２００３年７月３１日付けで速達郵便番号ＥＬ４７６４７１３５４ＵＳによって出願した米国特許出願通し番号_______________に対する優先権を主張するものである。本出願はまた、２００２年１１月５日出願の米国仮特許出願通し番号６０／４２３，８８１および２００２年８月２日出願の米国仮出願６０／４００，６２４に対し優先権を主張するところの、２００３年５月２０日付け提出の米国特許出願通し番号１０／４４３，１２６に対する一部継続出願および優先権を主張する。本出願は、２００３年５月１２日出願の米国仮特許出願通し番号６０／４７０，５２５および２００２年６月７日提出の米国特許出願通し番号１０／１６５，５５６に対する優先権を主張する。上記の全出願書はここで完全に記載されたかのように参照としてその全体がここに組み込まれる。

発明の属する技術分野
本発明は画像向上および分析の分野に関連し、詳細には電磁的および非電磁的に取得した画像、超音波ベースの非侵襲性の産科測定、および、特に三次元画像から器官の大きさと形状を測定する医療画像分野に関する。

羊水 (Ａｍｎｉｏｔｉｃ Ｆｌｕｉｄ：ＡＦ)容量の測定は胎児の腎臓と肺の機能の評価に重要であり、また母親の胎盤機能の評価に重要である。羊水容量はまた、羊水過多症 (ＡＦ量が過度)および羊水過少症（ＡＦ量が不十分）を診断するための主要な測定でもある。羊水過多症および羊水過少症は、全妊娠件数の約７−８％を占め、このような状態は、出生時欠損または出産時合併症を引き起こしかねないため懸念される。羊水容量はまた、胎児の健康状態の主要指標である胎児のバイオフィジカル・プロフィールの重要な成分の一つでもある。

現在実践され容認されているＡＦ容量の定量推定法は、二次元の超音波画像を基にしたものである。最も一般的に使用されている方法は、羊水指標 （ａｍｎｉｏｔｉｃ ｆｌｕｉｄ ｉｎｄｅｘ：ＡＦI) を使用したものである。ＡＦＩとは、各四分円の最大ＡＦポケットの垂直長の和である。四分円は臍孔(ヘソ) および黒線（腹部の縦正中線）によって定義される。トランスデューサの先端部が、背臥位にある妊婦患者の腹部に縦軸沿いに配置される。この方法は最初にフェラン（Ｐｈｅｌａｎ）等 がPhelan JP, Smith CV, Broussard P, Small M., “Amniotic fluid volume assessment with the four-quadrant technique at 36-42 weeks' gestation”（「３６−４２週での四分円技法による羊水容量の評価」） J Reprod Med Jul; 32(7):540-2, 1987で提案し、 後にムーアおよびカイル （Ｍｏｏｒｅ ａｎｄ Ｃａｙｌｅ）が長期にわたって大規模な正規母集団に対して記録を取った（Moore TR, Cayle JE. “The amniotic fluid index in normal human pregnancy”（「人間の正常な妊娠における羊水指標」） Am J Obstet Gynecol May; 162(5): 1168-73, 1990）。
ＡＦＩ測定は日常的に使用されているにも関わらず、研究ではＡＦＩと真性ＡＦ容量との間にほとんど相関関係は見られなかった（Sepulveda W, Flack NJ, Fisk NM.,“Direct volume measurement at midtrimester amnioinfusion in relation to ultrasonographic indexes of amniotic fluid volume”（「羊水容量の超音波検査図指標に関連する妊娠中期の羊水補充療法による直接的容量測定」） Am J Obstet Gynecol Apr; 170(4):1160-3, 1994）。相関係数は、経験のある超音波検査士でも、０．５５という低さであった。縦直径のみの使用と各四分円の１ポケットのみの使用は、ＡＦＩがＡＦ容量 （ＡＦＶ） を的確に測定できない２つの理由である。

ＡＦ容量推定に使われてきたその他の方法には次の方法を含む。

色素希釈法 これは侵襲性の方法で、羊水穿刺中に色素がＡＦに注入され、数分後に取り出したＡＦサンプルから色素の最終濃度を測定する。この技法は、ＡＦ容量測定の容認されているゴールドスタンダードであるにも関わらず、侵襲性で煩雑な方法であるため、通常は使われない。

超音波画像からの主観的解釈 この技法は、明らかに観察者の経験に依存するため、羊水過少症または羊水過多症の診断において優良または一貫性があるとは考えられていない。

最大単一コードなしポケットの縦長 これは初期のＡＦＩの一種で、一ポケットのみの直径を測定してＡＦ容量を推定するものである。

四つの四分円で最大のＡＦポケットの２つの直径面積 これはＡＦＩに類似しているが、この場合、最大ポケットに対して１つの直径だけでなく、２つの直径を測定する。この２つの直径面積は、羊水過少症を識別する上でＡＦＩまたは単一ポケット測定より優れていることが最近示されている（Magann EF, Perry KG Jr, Chauhan SP, Anfanger PJ, Whitworth NS, Morrison JC., “The accuracy of ultrasound evaluation of amniotic fluid volume in singleton pregnancies: the effect of operator experience and ultrasound interpretative technique”（「独立性妊娠における羊水容量超音波評価の精度：検査士の経験と超音波解釈技法の効果」） J Clin Ultrasound, Jun; 25(5):249-53, 1997）。

計算構成を使った様々な解剖学的構造の測定が、例として米国特許第６，３４６，１２４号（ガイサー等）（Autonomous Boundary Detection System For Echocardiographic Images（心エコー画像用自律性境界検出システム））に記載される。同様に、膀胱構造の測定が、米国特許第６，２１３，９４９号（ギャングリー等）（System For Estimating Bladder Volume（膀胱容量の推定するシステム））および米国特許第５，２３５，９８５号（マクモロー等）（Automatic Bladder Scanning Apparatus（自動膀胱走査器具））に記載されている。胎児の頭部構造の測定が、米国特許第５，６０５，１５５号（シャラナ等）（Ultrasound System For Automatically Measuring Fetal Head Size（自動的に胎児の頭部サイズを測定する超音波システム））に説明されている。胎児の体重測定が、米国第６，３７５，６１６号（ソファーマン等）（Automatic Fetal Weight Determination（自動的胎児体重測定））に説明されている。

超音波ベースの羊水容量の測定に関しては、セジブ等がSegiv C, Akselrod S, Tepper R., “Application of a semiautomatic boundary detection algorithm for the assessment of amniotic fluid quantity from ultrasound images”（「超音波画像からの羊水量の評価用半自動式境界検出アルゴリズムの応用」）Ultrasound Med Biol, May; 25(4): 515-26, 1999で、二次元画像からの羊水分割方法（セグメンテーション）を説明している。ただし、セジブ等の方法はインタラクティブ で、羊水容量の識別は監視者に大きく依存する。さらには、説明されるシステムは羊水容量評価専用の器具ではない。
グローバー等（Grover J, Mentakis EA, Ross MG, “Three-dimensional method for determination of amniotic fluid volume in intrauterine pockets”（「子宮内ポケットの羊水容量評価用三次元方法」） Obstet Gynecol, Dec; 90(6): 1007-10, 1997） は、羊水容量の測定用に膀胱容量器具の使用を説明している。グローバー等の方法は、何の変更も加えることなく膀胱容量器具を使用し、羊水ポケット用に一般化されていない膀胱固有の形状およびその他解剖学上の前提を用いる。グローバー等の膀胱モデルと適合しない形状を有する羊水ポケットは、分析上のエラーの原因となる。さらには、膀胱容量器具では、一回の画像走査で複数の羊水ポケットの可能性を考慮に入れることができない。従ってグローバー等による羊水容量測定法は、精度に欠ける可能性がある。

三次元超音波画像からの超音波セグメンテーション分析法を使用した、特定の器官のサイズ、形状および内部容量の測定に関連して、様々な方法が使用または提案されてきた。三次元超音波画像からの超音波セグメンテーション分析を使した特定の器官のサイズ、形状および内部容量の測定するさまざまな方法が文献で使用または提案されてきた。セグメンテーション分析を行う身体構造例としては、心腔、特に心室（左右心室、左右心房）、前立腺、膀胱および羊膜嚢がある。

心腔の測定は、米国特許第６，３４６，１２４号（ガイサー等）（Autonomous Boundary Detection System For Echocardiographic Images（心エコー画像用自律性境界検出システム））などで説明されている。同様に、膀胱構造の測定は、米国特許第６，２１３，９４９号（ギャングリー等）（System For Estimating Bladder Volume（膀胱容量の推定システム））、および米国特許第５，２３５，９８５号（マクモロー等）（Automatic Bladder Scanning Apparatus（自動膀胱走査器具））で説明されている。胎児の頭部構造測定は、米国特許第５，６０１５，１５５（シャラナ等）（Ultrasound System For Automatically Measuring Fetal Head Size（胎児の頭部サイズを自動測定する超音波システム））で説明されている。胎児の体重測定は、米国特許第６，３７５，６１６号 （ソファーマン等）（Automatic Fetal Weight Determination（自動胎児体重測定））で説明されている。

特定の適用目的以外には一般化できないという点において、上記の技法のほとんどが理想的ではない。異なる適用目的を必ずしも満たさない形状またはサイズを前提としているからである。一般化したモデルを作る試みが、米国特許第５，５８８，４３５号のウェング等（System And Method For Automatic Measurement Of Body Structures（身体構造の自動測定用システムおよび方法））で説明されているが、方法の複雑性と操作上のロバスト性のため適用は制限される。

セグメンテーションで一般的に採用される技法は、電子ベースの画像内で対象物形状を描くために動的輪郭モデルの方法と活線方法と、背景のスペックルノイズを低減するための画像信号の偏微分方程式（ＰＤＥ）ベースの処理の方法を使用する。この３つの方法にはそれぞれ利点と欠点がある。例えば、動的輪郭モデル化方法または「スネーク」は、領域ベースの境界方法で、適切に機能するには具体的な形状の前提と可変形状モデルの使用が必要である（M. Kass, A. Witkin, D. Terzopolous, “Snakes: Active Contour Models,” （「スネーク：動的輪郭モデル」）International Journal of Computer Vision, pp. 321-331, 1988）。しかし、「スネーク」方法では最終目標境界に非常に近い初期輪郭を必要とする。また、上記の方法の大半はインタラクティブで労働集約的である。

Ａ．Ｘ．ファラカオ等が“User-steered Image Segmentation Paradigms: Live wire and Live Lane”（「ユーザ主導の画像セグメンテーションパラダイム: 活線と活道」）（A.X. Falacao, J.K. Udupa, S.Samarasekara, and S. Sharma, Graphical Models and Image Processing, 60, 233-26-, 1998）で、 およびＥ．Ｗ． ディジクストラが“A note on two problems in connection with graphs”（「グラフ接続における２つの問題点に関するメモ」）（Numerical Math, vol. 1, pp. 269-271, 1959）で道を究めた活線方法は、ユーザが動的に開始ポイントと終了ポイントをマウス、ポインタまたは同等の描写手段で提供する必要がある。活線とは、最後にクリックしたユーザ・ポイントと現在マウスがクリックした位置との間の最小費用経路を使うインタラクティブなセグメンテーション方法である。ファラカオの活線方法論は、インタラクティブなアプローチを必要とし、マウスで線引きした一連の終了ポイントを生成するため労働集約的である。しかも、任意のマウス指定の２つの終了ポイントを接続する最も単純な最適経路の輪郭は、マウス・ポインタがバックトラッキングする傾向がある超音波画像では充分でないため、活線方法は精度の点で制限がある。つまり、ファラカオの「ユーザ操作」方法では、描写した輪郭線が超音波画像に表示された対象物境界の追跡を失った時は必ず、ユーザはマウスをバックトラックする必要が生じる。

ほとんどの超音波処理方法には、スペックルノイズを低減し画像を向上するために、中央値フィルタリング方法やＰＤＥベース画像処理のような処理前技法を含む。ＰＤＥベース方法は、画像を向上しながらエッジを保存するという付加的利点がある。（参照文献： P. Perona and J. Malik, “Scale-space and edge detection using aniostropic diffusion” （「異方性拡散を使った空間測定およびエッジ検出」）IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 12, July 1990, pp. 629-639、 J.A. Sethian, Level Set Methods and Fast Marching Methods（レベル設定方法および高速前進方法）, 2nd Edition, Cambridge University Press, 1999、S. Osher and L.I. Rudin, “Feature-oriented image enhancement using shock filters,” （「ショック・フィルタを使った特性志向の画像向上」）SIAM Journal of Numerical Analysis, vol. 27, pp.919-940, August 1990、および米国特許第５，６４４，５１３号ルディン等の“System Incorporating Feature-Oriented Signal Enhancement Using Shock Filters”（「ショック・フィルタを使った特性指向の信号向上組込みシステム」）これらの方法、特に画像の鮮明化またはブラインド・デコンボルーション 用のショック・フィルタは、コンピュータ断層撮影（ＣＴ）、磁気共鳴（ＭＲ）および陽電子放出型断層撮影（ＰＥＴ）画像のスペックルノイズ低減に使用されてきた。しかしながら、最適化が出来ていないアルゴリズムで実装されたショック・フィルタは、最適化が出来ていないアルゴリズムがノイズスペックルを増加または増進させ、その結果ＣＴ、ＭＲおよびＰＥＴ画像を劣化させるという理由で不完全であると判明している。

超音波画像では、チャンバーのような構造（例：膀胱、左心室、前立腺、羊膜嚢）はさらに、器官壁境界と平行したその他表面から反射する超音波エコーにより、画像が劣化しやすい。平行表面からのエコーは、暗いチャンバー境界壁と重複する明色領域として表示される。従って、超音波エコーの重複は、器官壁の横方向の境界の欠如部を作り出す。その結果、分割線を引く必要のある境界壁の位置を正確に決定するのが難しくなる。

ＡＦ容量推定に使われる現在の方法はどれも理想的ではない。従って、羊水容量を正確に測定するためのより優れ、非侵襲性で容易な方法が必要とされる。さらに、超音波、ＣＴ、ＭＲおよびＰＥＴ手技からの一次元（１Ｄ）、二次元（２Ｄ）および三次元（３Ｄ）画像分析からの液体が充填した器官および液体が充填していない器官のサイズ、形状および容量を正確に測定する一般化された画像分析法が必要である。一般化された画像分析方法には、器官構造の横方向の境界の欠如部が作られるのを最小限にすることによって、背景のスペックルノイズを最小限にし、構造のセグメンテーションまたは描写を最大限にする最適アルゴリズムが必要である。一般化された画像分析法は、幅広く適用可能で実施が簡単である必要がある。

発明の好ましい形態は、超音波画像による前もって用意された羊水ポケットの形状のモデルに頼らずに、子宮内の羊水の容量をロバストに位置決めし測定するための複数の自動処理を有する三次元（３Ｄ）超音波ベースのシステムと方法である。自動処理は、画像向、セグメンテーションおよび仕上げ（ｐｏｌｉｓｈｉｎｇ）用手順を含む複数のアルゴリズムを順に使用する。

手持ち式用三次元超音波装置は、経腹で子宮を画像化するのに使われる。ユーザは、羊水の領域を発見するために二次元画像処理を使って、装置を妊婦の腹部上で位置を変えながら動かして、装置はどこで三次元画像のデータセットを得られるかユーザにフィードバックを与える。ユーザが子宮内のすべての羊水をカバーする１つかそれ以上の三次元画像データセットを取得すると、データセットは装置内に格納されるか、ホストコンピュータに転送される。

三次元のデータセットは次に三次元分析処理を受けるが、三次元分析処理は、子宮内の羊水の総容量を計算するための複数の処理を有することが好ましい。複数の処理は、装置上で実施されるか、またはホストコンピュータ上で実施される。代替として、複数の処理は三次元超音波データセットが転送されたサーバかその他のコンピュータで実施することもできる。

好ましい三次元分析処理の一例では、三次元データセット内の各二次元画像はまず、画像のフィルタリング前の手順で非線形フィルタを使って改善される。画像のフィルタリング前の手順は、画像ノイズ低減のための画像スムージング手順と、それに続いて器官壁境界間で最大限のコントラストを得るための画像鮮明化手順を含む。

２番目の処理は、最初の処理で得た画像を、羊水とその他の胎児または母親の構造との間の初期エッジポイントを識別するための位置決め方法にかけることを含む。位置決め方法は、Ａモード一次元走査線沿いの壁の位置の先端領域と後続領域を自動的に決定する。

３番目の処理は、最初の処理の画像を、暗画素（液体を表す）を明画素（組織とその他構造物を表す）から自動的に分離する強度ベース・セグメンテーション処理にかけることを含む。

４番目の処理で、２番目と３番目の手順から得られた画像は結合されて、羊水領域である可能性がある領域を表す単一画像になる。

５番目の処理は、結合画像は出力画像を滑らかにして、胎児の頭および胎児の膀胱等の余分な構造物を除去するためにクリーンアップされる。

６番目の処理は、各二次元画像上への境界線の輪郭の配置を含む。その後で、方法は羊水の全体の三次元容量を計算する。

システムおよび方法は、さらに羊水容量への胎児の頭部の寄与分を検出し訂正する自動方法を提供する。

発明のもう一つの好ましい実施形態では、複数の一次元、二次元または三次元画像を作成する核医学手技で使われる、超音波、ＣＴ、ＭＲ、ＰＥＴおよびラジオアイソトープを含む電磁および非電磁放射線でプローブ、受信または処理する器具から入手した一次画像から、液体が充填した構造物または液体が充填していない構造物、あるいは器官の容量をロバストに位置決めし測定するよう最適化された複数のセグメンテーション・アルゴリズムと手順を含む。方法は、結果として得られる二次元一次画像を入手するために一次元走査に適用される。各二次元一次画像は、方法の複数のセグメンテーション・アルゴリズムと手順によって視覚的に改善される。方法には次に、二次元画像内の構造壁をより明確に描写または分割する正確に描写された境界曲線の作成および配置を含む。境界の輪郭を配置した後、方法は各一次画像で提示されたそれぞれの描写された構造物または器官の容量を計算する。次に総合して、方法は、各二次元画像の合計から、液体が充填したまたは液体が充填していない構造物または器官の二次元面積および三次元容量を計算する能力を提供する。

方法は、各一次画像を画像向上のための非線形フィルタを使うフィルタリング前の手順にかける方法を採用している。フィルタリング前の手順は、器官壁境界間の最大のコントラストを得るための画像スムージング手順と、それに続いて画像向上を達成する画像鮮明化手順を含む。フィルタリング前の手順は第一アルゴリズムと第二アルゴリズムを有し、各アルゴリズムは非線形の偏微分方程式（ＰＤＥ）を有する。第一ＰＤＥアルゴリズムは熱フィルタとしての役割をし、第二ＰＤＥアルゴリズムはショック・フィルタとしての役割をする。画像向上の順序は、熱フィルタの適用に続いてショック・フィルタが適用される。各画像は、信号の不連続性を保ちながらも同時に、各画像の信号ノイズを低減し、各画像の信号を鮮明化するために、熱とショックのフィルタの組合せにかける。熱とショックのフィルタリング前アルゴリズムを受ける各一次画像は、構造物または器官の壁の境界に沿ってより鮮明な区切りを有する２番目の画像を生じる。

２番目の画像はそれぞれ次に、２つの位置決め方法のうちのどちらかによって、初期エッジポイントをどこに位置付けるかを決定するために処理される。１番目の位置決め方法は手動で、ユーザによる放射状のポイントを配置する方法である。放射状ポイント方法は、淡色領域と暗色領域の間を移行する間に最大の空間的な勾配が存在する場所を設定するために、実質的に３０度の増分で描かれる線から成る。初期境界のエッジポイントを設定する２番目の位置決め方法は、ヒステリシス閾値によって規制されるＡモード一次元走査線に沿って壁の位置の先端および後続領域を決定する自動的な方法である。

初期エッジポイント間を結ぶ最適経路がその次に、最適経路を決定する第三アルゴリズムを使って決定される。任意の２ポイント間の最適経路は、最小費用を有する経路と定義され、ここでの最小費用とは３つの準方程式、すなわちエッジからの距離費用、経路方向費用および前回の輪郭距離費用の和である。最適経路とは、２番目の位置決め方法によって自動的に選択された初期エッジポイント、または放射状方法によって手動で選択された初期エッジポイントを使って、壁構造沿いに輪郭境界線を描くために自動的に実施される方法を表す。手動の活線方法論と比較した利点は、境界輪郭を設定するのに必要な初期ポイントが少なくて済む、最小費用−最適経路のアルゴリズムがよりロバストである、および手動でインタラクティブなマウスポインタ設定と再選択を必要としないこと、である。

各構造物または器官の境界線がそれぞれの２番目の画像で決定された後、その器官または構造物の二次元面積および三次元容量が決定される。液体が充填した器官には、膀胱、羊膜嚢、前立腺、心室（左右心室、左右心房）、卵巣嚢胞、動脈および静脈を含むがこれらに限定されない。同様に、液体が充填していない器官または構造物には、腎臓、腎結石、胆嚢、胆石および卵巣を含むがこれらに限定されない。

最後に方法は、装置が発明のサーバサイド上で画像処理を可能にする構造である場合は、イントラネットまたはインターネットを経由して超音波、ＣＴ、ＭＲおよびＰＥＴの装置から送信された走査データを分析するのに、ウェブサーバを使って遠隔的に行うことができる。

マイクロプロセッサ制御の手持ち式超音波トランシーバの側面図である。 患者を走査するために使用中の手持ち式トランシーバの描写である。 コミュニケーション・クレードルに置かれた手持ち式トランシーバ装置の斜視図である。 サーバに接続された複数のトランシーバの概略図である。 ネットワーク上のサーバに接続された複数のトランシーバの概略図である。 単一走査面を形成する複数の走査線のグラフィック表示である。 実質的に円錐形を有する三次元配列を形成する複数の走査面のグラフィック表示である。 羊水容量を決定する処理用に超音波を送信し超音波のエコーを受信するように、患者の経腹に横向きに配置された手持ち式トランシーバの描写である。 羊水の容量または面積を視覚化して決定するための、二次元および三次元の入力、画像向上、強度ベース・セグメンテーション、エッジベース・セグメンテーション、結合、仕上げ、出力、および計算のアルゴリズムのブロック図の概要である。 画像向上のサブ・アルゴリズムの描写である。 強度ベース・セグメンテーションのサブ・アルゴリズムの描写である。 エッジベース・セグメンテーションのサブ・アルゴリズムの描写である。 クローズ、オープン、深部領域除去、および胎児頭部領域除去・アルゴリズムのサブ・アルゴリズムの描写である。 胎児頭部領域除去サブ・アルゴリズムのサブ・アルゴリズムの描写である。 ハフ変換サブ・アルゴリズムのサブ・アルゴリズムの描写である。 円形ハフ変換アルゴリズムの演算の描写である。 サンプル画像上にアルゴリズム手順を順次適用した結果表示である。 胎児頭部検出過程の一組の中間画像の図解である。 音波検査者による羊水ポケットのアウトラインおよびアルゴリズム出力による羊水ポケットアウトラインの４枚続きのパネルの表示である。 セグメンテーション・アルゴリズム方法の概要である。 ５枚続きのパネルで示す実際の膀胱画像を処理するアルゴリズムである。 種々の熱フィルタのアルゴリズムの反復で平滑化された二次元画像の３枚続きのパネルの表示である。 不鮮明な信号のショック・フィルタリング・アルゴリズムの効果を示したグラフである。 不鮮明なノイズ信号の熱およびショック・フィルタリング・アルゴリズムの効果を示したグラフである。 方向費用を発見するための画素処理アルゴリズムである。 膀胱ファントムの２４枚の画像面に適用されたセグメンテーション・アルゴリズムの２４枚続きのパネルで、各画像面は境界輪郭の結果を示す。 １２枚の画像面で走査された１番目の人間の膀胱に適用されたセグメンテーション・アルゴリズムの１２枚続きのパネルで、各画像面は境界輪郭の結果を示す。 １２枚の画像面で走査された２番目の人間の膀胱に適用されたセグメンテーション・アルゴリズムの１２枚続きのパネルで、各画像面は境界輪郭の結果を示す。

羊水容量測定システムの超音波トランシーバの好ましいポータブルな実施形態を図１−４に示す。トランシーバ１０には、トリガー１４と上部ボタン１６を有するハンドル１２、ハンドル１２に取り付けられたトランシーバの筐体１８およびトランシーバ・ドーム２０を含む。ユーザとの相互作用用の表示部２４は、トランシーバ・ドーム２０の反対側の端部に取り付けられている。トランシーバ１０内に収納されているのは単一要素トランスデューサ（非図示）で、超音波を電気信号に変換する。トランシーバ１０は、画像を得て信号を処理するようにユーザによって患者の身体に接触する位置に保持される。動作中、トランシーバ１０は無線周波数超音波信号を実質的に３．７ＭＨｚで身体に送信し、返ってくるエコー信号を受信する。様々な範囲の肥満体を有する異なる患者に適合するように、トランシーバ１０は、プローブする超音波エネルギーの範囲を約２ＭＨｚから約１０ＭＨｚの無線周波数で送信するよう調整することができる。

上部ボタン１６は、異なる取得容量用を選択する。トランシーバは、マイクロプロセッサ及びそのマイクロプロセッサとコンピュータシステムのデジタル信号プロセッサに関連したソフトウェアで制御される。本発明で使用される「コンピュータシステム」という用語は、作業指示を実行したりデータを操作できる任意のマイクロプロセッサベース、又はその他のコンピュータシステムを幅広く包含し、従来のデスクトップやノートブックコンピュータに限定されるものではない。表示部２４は、一連の走査を開始するためのトランシーバ１０の適切、又は最適な位置決めを示す英数字データを表示する。好ましいトランシーバは、ダイグノスティック・ウルトラサウンド製のＤＣＤ３７２である。代替の実施形態では、走査面の二次元または三次元画像を表示部２４に表示することもできる。

好ましい超音波トランシーバが上記に説明されているが、他のトランシーバを使うことも可能である。例えば、トランシーバは電池式又は携帯用である必要はなく、上部搭載の表示部２４を使う必要もなく、その他多くの機能又は相違点を含んでもよい。表示部２４は、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）、陰極線管（ＣＲＴ）であってもよく、又は、英数字データ又はグラフィック画像を表示できるその他の適切な表示部であってもよい。

図２Ａは、患者を走査するための手持ち式トランシーバ１０の写真である。トランシーバ１０は、患者の腹部に接触させてトランシーバ筐体１８を置くために、ハンドル１２を握るユーザによって患者の腹部上に配置される。上部ボタン１６はハンドル１２の中央に位置決めする。走査用に腹部上に最適に配置されると、トランシーバ１０は実質的に３．７ＭＨｚで超音波信号を子宮に送信する。トランシーバ１０は、子宮から発せられる返ってくる超音波エコー信号を受信して、それを表示部２４に表示する。

図２Ｂは、コミュニケーション・クレードルに置かれた手持ち式トランシーバ装置の斜視図である。トランシーバ１０は、ハンドル１２によってコミュニケーション・クレードル４２に座る。このクレードルは任意のパーソナルコンピュータの標準ＵＳＢポートに接続可能であり、装置上の全データをコンピュータに送信し、新しいプログラムをコンピュータから装置へ送信することを可能にする。

図３は、サーバと接続された複数のトランシーバの概略図である。例えば図３では、各トランシーバ１０がプローブ用の超音波放射線を患者の子宮へ送信し、その後、子宮から返ってくる超音波エコーを読み出して、その超音波エコーをデジタルエコー信号に変換して保存し、本発明のアルゴリズムによってデジタルエコー信号を処理する様子を示す。ユーザはプローブ用超音波信号を送信し、入ってくる超音波エコーを受信するために、ハンドル１２によってトランシーバ１０を持つ。トランシーバ１０は、コンピュータ５２と信号通信中のコミュニケーション・クレードル４２に置かれ、羊水容量測定システムとして作動する。より少ない、または多いシステムを使用することができるが、代表的なものとして、２つの羊水容量測定システムを示す。本発明で使用される「サーバ」は、クライアントに、またはクライアントからのリクエストに対応する、またはコマンドを出す任意のコンピュータ・ソフトウェアまたはハードウェアであってもよい。同様にサーバには、１人以上のクライアントがインターネットをを経由してアクセスしてもよく、またはＬＡＮまたは他のネットワーク上で通信してもよい。

各羊水容量測定システムは、患者からデータを入手するためのトランシーバ１０を含む。トランシーバ１０は、コンピュータ５２との信号通信を確立するためにクレードル５２に配置される。図示する信号は、クレードル４２からコンピュータ５２への配線接続によるものである。トランシーバ１０とコンピュータ５２間の信号通信は、赤外線信号や無線周波数信号等のワイヤレス手段でもよい。信号通信のワイヤレス手段は、クレードル４２とコンピュータ５２間、トランシーバ１０とコンピュータ５２間、またはトランシーバ１０とクレードル４２間で行うことができる。

羊水容量測定システムの好ましい第一実施形態は、患者に別々に使われ、受信し取得した超音波エコーに相応の信号を格納するためにコンピュータ５２に送信する各トランシーバ１０を含む。各コンピュータ５２には、保存された信号から複数の一次元画像を準備して分析し、複数の一次元画像を複数の二次元走査面に変換するための指示を含む画像プログラムを内蔵する。画像プログラムはまた、複数の二次元走査面からの三次元レンダリングも備える。さらに各コンピュータ５２には、画像処理アルゴリズムを実施する指示を含む、追加の超音波画像向上プロシージャを行う指示が内蔵する。

羊水容量測定システムの好ましい第二実施形態は、第一実施形態と似ているが、画像プログラムと追加の超音波画像向上プロシージャを行う指示が、サーバ５６に位置する。各羊水容量測定システムからの各コンピュータ５２は、クレードル５１経由でトランシーバ１０からの取得信号を受信し、信号をコンピュータ５２のメモリに格納する。コンピュータ５２は次に、サーバ５６から画像プログラムと、追加の超音波画像向上プロシージャを行うための指示を読み出す。その後で、各コンピュータ５２は、一次元画像、二次元画像、三次元レンダリング、および読み出した画像と画像向上プロシージャから向上した画像を準備する。データ分析プロシージャからの結果は、格納するためにサーバ５６に送られる。

羊水容量測定システムの好ましい第三実施形態は、第一実施形態と第二実施形態に類似しているが、画像プログラムと追加の超音波画像向上プロシージャを行う指示は、サーバ５６に位置しサーバ５６で実行される。各羊水容量測定システムからの各コンピュータ５２は、トランシーバ１０から取得した信号を受信し、クレードル５１を経由して取得した信号をコンピュータ５２のメモリに送信する。コンピュータ５２は次に、格納された信号をサーバ５６に送信する。サーバ５６で、画像プログラムと追加の超音波画像向上プロシージャを行う指示が、一次元画像、二次元画像、三次元レンダリング、サーバ５６に格納された信号からの向上した画像を準備するために実行される。データ分析プロシージャによる結果は、サーバ５６に保存されるか、または代替としてコンピュータ５２に送られる。

図４は、インターネットまたはその他ネットワーク６４を通してサーバに接続された複数の羊水測定システムの概略図である。図４は、ネットワークを経由の接続を通して他のサーバやコンピュータシステムに有利に配置された本発明の第一、第二、または第三の実施形態のいずれかを示す。

図５Ａは、単一の走査面を形成する複数の走査線のグラフィック表示である。図５Ａは、超音波信号が分析可能な画像を作成するためにいかに使用されるかを図示しており、さらに詳しくは、一連の一次元走査線が二次元画像を作り出すのにいかに使用されるかを図示する。トランシーバ１０に収納される単一要素トランスデューサの一次元および二次元の稼動側面は、約角度 φ だけ機械的に回転するごとに示される。長さｒの走査線２１４は、最初の限定位置２１８と２番目の限定位置２２２の間に、角度 φ の値で定めただけ移動し、扇状の二次元走査面２１０を作り出す。好ましい一形態では、トランシーバ１０は、実質的に３．７ＭＨｚの周波数で稼動し、約１８ｃｍ深度の走査線２１４を作成して、約０．０２７ラジアンの角度を有する角度φ 内で移動する。１番目の運動では、トランスデューサを約６０度時計回りに傾斜させてから反時計回りに傾斜させ、約１２０度の二次元扇形画像を示す扇状の二次元走査面を形成する。走査線２１４に実質的に等しい各走査線が記録され、複数の走査線が、最初の限定位置２１８と２番目の限定位置２２２の間にユニークな傾斜角度φ によって形成される。２つの両極端の間の複数の走査線は、走査面２１０を形成する。好ましい実施例において、各面は７７の走査線を含むが、本発明の範囲内で線数が異なることも可能である。傾斜角φ は、約−６０度から＋６０度の合計約１２０度の円弧を走査する。

図５Ｂは、実質的に円錐形を有する三次元配列２４０を形成する複数の走査面のグラフィック表示である。図５Ｂは、複数の二次元走査面から三次元レンダリングを取得する方法を図示する。各走査面２１０内は複数の走査線であり、各走査線は走査線２１４に等しく、共通の回転角φ を共有する。好ましい実施例において、各面は７７の走査線を含むが、本発明の範囲内で線数が異なることも可能である。傾斜角φ で範囲 ｒ （走査線２１４と同等）の 各二次元扇形画像の走査面２１０は、回転角φ で三次元円錐形配列２４０を総合的に形成する。二次元扇形画像を収集した後で、２番目の運動でトランスデューサを３．７５度または７．５度の間で回転させ、次の１２０度扇形画像を収集する。この過程は、トランスデューサが１８０度まで回転するまで繰り返され、好ましい実施形態では、回転しながら収集した２４の面を持つ円錐形をした三次元円錐形配列２４０のデータセットとなる。円錐形配列はより少数の、あるいはより多数の面を回転しながら組み立てることができる。例えば、円錐形配列の好ましい他の実施形態では、円錐形配列は最低２の走査面、または２から４８の走査面の範囲を包含できる。走査面の上限は、４８の走査面以上にもできる。傾斜角φ は、二次元扇形画像の中心線からの走査線の傾斜を示し、回転角φ は、扇形画像が位置する特定の回転平面を識別する。

走査線が送信され受信されると、戻ってくるエコーはトランスデューサによってアナログの電気信号として解釈され、アナログ・デジタル変換器でデジタル信号に変換されて、羊水壁の位置を決定する分析のために、コンピュータシステムのデジタル信号プロセッサに伝達される。コンピュータシステムは、典型的なものが図３と４に描写されるが、マイクロプロセッサ、ランダム・アクセス・メモリ（ＲＡＭ）、またはトランシーバ１０が生成した処理指示およびデータを格納する他のメモリを包含する。

図６は、羊水容量を決定するために処理をするプロービング超音波を送信し、超音波エコーを受信するために、患者の経腹に配置された手持ち式トランシーバの描写である。トランシーバ１０は胎児上の羊膜嚢内の羊水容量を測定するために患者の上に配置してハンドル１２で持つ。胎児の方向を示す複数の軸、羊膜嚢および妊婦が図示されている。複数の軸には、左右方向用Ｌ（Ｒ）−Ｌ（Ｌ） 線上の縦軸、下位上位方向用の平行軸ＬＩ−ＬＳおよび前部後部方向用の深度軸 ＬＡ−ＬＰを含む。

図６は、羊水容量の決定に使われる、好ましいデータ取得プロトコルの代表である。このプロトコルでは、トランシーバ１０は手持ち式三次元超音波装置 （例えば、ダイグノスティック・ウルトラサウンド製モデルＤＣＤ３７２） であり、経腹で子宮を画像化するのに使用する。当初の目標段階では、患者は仰臥位で、装置は二次元の継続取得モードで稼動する。二次元の継続モードとは、データが継続的に二次元で取得され、オペレータが物理的にトランシーバ１０を動かす間に、走査面２１０に似た走査面が表示部２４に表示される。オペレータがトランシーバ１０を妊婦の腹部上で位置を変えながら動かして、トランシーバ１０のトリガー１４を押すと、表示部２４に二次元で表示されるリアルタイムのフィードバックを継続的に取得する。存在する羊水が、表示部２４に、羊水面積を英数字 （たとえば、ｃｍ²）で示して、視覚的に暗領域として表示される。トランシーバ１０の胎児に対する相対位置に関するリアルタイム情報を基にして、オペレータは表示部２４の表示から子宮のどちら側により多くの羊水があるかを判断する。より多くの羊水がある側は、表示部２４上でより大きい暗領域として表示される。従って、より大きい暗領域を表示する側は、より大きい英数字面積を記録し、液体が少ない側はより小さい暗領域を表示するため、比例して表示部２４により小さな英数字面積を記録する。羊水は子宮全体に存在するが、子宮内のその配分は、子宮内で胎児がどこにどう位置しているかに依存する。胎児の脊柱と背中あたりには羊水が少なく、腹部の前および四肢の周囲には羊水が多いのが普通である。

継続取得モードで収集されたデータから得た胎児の位置情報に基づいて、胎児が底部に移動するように患者を側臥位に置くことで、腹部表面近くに羊水の大きなポケットが作られ、そこに図６のようにトランシーバ１０を配置することができる。例えば、大きな液体ポケットが患者の右側に見つかった場合、患者は左側を下に向けるように指示され、大きな液体ポケットが左側に見つかった場合は、患者は右側を下に向けるように指示される。

患者が好ましい位置に置かれると、トランシーバ１０は再度二次元の継続取得モードで稼動し、患者の腹部の側面上で位置を変えながら動かす。オペレータは最大の暗領域画像と表示部２４に表示された最大の英数値を取得することを基に、最大の羊水領域を示す位置を発見する。最大の暗領域を提供する側腹部で、トランシーバ１０を固定位置に持ち、トリガー１４を走査面配列の一組からなる三次元画像を得るために解除する。三次元画像は、三次元配列２４０に似た走査面２１０の回転配列を表す。好ましい代替のデータ取得プロトコルでは、オペレータは、三次元配列２４０に似た異なる走査面からなる新しい三次元画像を取得するために、トランシーバ１０を腹部の異なる位置に再配置することができる。異なる側部位置から得た複数の走査円錐は、オペレータに羊水画像と測定を検証する能力を与える。単一の画像円錐が小さすぎて大きいＡＦＶ測定が行えない場合は、複数の三次元配列２４０の画像円錐を取得することによって、大きなＡＦＶ領域の合計容量の決定を確実にする。複数の三次元画像は、上部ボタン１６を押して、三次元配列２４０に似た複数の円錐配列を選択することでも取得できる。

トランシーバ１０の位置に対する胎児の位置によっては、単一画像走査は、胎児の四肢の後方に隠されたままの羊水ポケットのために、ＡＦV容量が過小評価される場合がある。隠れた羊水ポケットは、計量化できない陰影領域として表示される。

ＡＦＶの過小評価を防ぐため、トランシーバ１０を繰返し配置し直し再走査することによって、羊水ポケット検出を最大化する複数の超音波表示を取得することができる。再配置および再走査は、複数の三次元配列２４０の画像円錐として複数の表示を提供する。複数の画像円錐を取得することによって、単一走査では検出不可能で軽量化できないＡＦＶの初期推定を入手する可能性が高まる。

代替の走査プロトコルでは、患者が仰臥位である間に最大羊水領域を示す腹部全体の１箇所のみをユーザが判断し走査する。前述同様に、ユーザが上部ボタン１６を押すと、走査面２１０に等しい二次元走査面の画像が継続的に得られ、すべての画像上の羊水面積が自動的に計算される。ユーザは最大羊水面積を示す１箇所を選択する。この位置で、ユーザが走査ボタンを解除すると、完全な三次元データ円錐が取得され装置のメモリに保存される。

図７は、羊水容量測定システムの画像向上、セグメンテーションおよび仕上げのアルゴリズムのブロック図概要を示す。向上、セグメンテーションおよび仕上げのアルゴリズムは、自動的に羊水領域を入手するために、各走査面２１０または走査円錐２４０の全体に適用される。走査面２１０に実質的に等しい走査面に関しては、アルゴリズムは二次元の項で表現され、方程式を使って走査面画素 （画像要素）を面積単位に換算する。三次元円錐配列２４０に実質的に等しい走査円錐に関しては、アルゴリズムは三次元の項で表現され、方程式を使ってボクセル （容量要素）を容量単位に換算する。

二次元の項で表現されるアルゴリズムは、オペレータが各走査面で羊水面積に関するリアルタイムのフィードバックを入手するために、トランシーバ１０を経腹に配置および再配置する目標段階で使われる。三次元の項で表現されるアルゴリズムは、三次元円錐配列２４０内の計算された羊水領域内にあるボクセルから算出された合計羊水容量を入手するのに使われる。

図７は、発明の好ましい方法の概要を表し、一連のアルゴリズムを含むが、その多くは図８Ａ−Ｆでさらに詳しく説明するサブ・アルゴリズムを有する。図７は手順４１０で未処理画像のデータの入力から始まる。未処理画像データ４１０が入力されると（メモリからの読取り、スキャンする、またはその他の取得方法等による）、１つまたは複数の追加方程式を使って画像の突出エッジを保存しつつ、１つまたは複数の方程式を使って（スペックル・ノイズを含む）データ内のノイズを除去する画像向上アルゴリズム４１８に自動的にかけられる。次に、向上した画像は、結果が最終的には結合される２つの異なる方法によって分割される。１番目のセグメンテーション法は、強度に基づいて液体画素である可能性のある全画素を決定する強度ベースのセグメンテーション・アルゴリズム４２２を適用する。２番目のセグメンテーション法は、液体と組織の接触面の検出に依存するエッジベースのセグメンテーション・アルゴリズム４３８を適用する。１番目のセグメンテーション・アルゴリズム４２２で入手した画像と２番目のセグメンテーション・アルゴリズム４３８で入手した画像は、実質的に分割された１つの画像を提供するために結合アルゴリズム４４２経由で結合される。結合アルゴリズム４４２から入手した分割された画像は次に、ギャップが画素で補充され可能性のない領域が取り除かれてクリーンアップされる仕上げアルゴリズム４６４にかけられる。仕上げアルゴリズム４６４から入手した画像は、分割された対象領域の面積および容量を計算するために４８０に出力される。最後に、分割された対象領域の面積または容量は、面積を得るために画素と１番目の分析係数を掛け合わせることで、または容量を得るためにボクセルと２番目の分析係数を掛け合わせることで算出される４８４。例えば、０．８ミリメートル四方のサイズの画素は、画素面積の１番目の分析または換算係数は０．６４平方ミリメートルに等しく、ボクセル容量の２番目の分析または変換係数は０．５１２立方ミリメートルに等しい。画素面積およびボクセル容量の変換係数を比例して変更することで、画素およびボクセルの異なる単位長を割り当てることもできる。

羊水面積または容量の測定用に図７に描写される向上、セグメンテーションおよび仕上げアルゴリズムは、三次元配列２４０に等しい回転配列に組み立てられた走査面に限定されない。追加例として、図７に描写される向上、セグメンテーションおよび仕上げアルゴリズムは、平行移動配列およびウェッジ配列に適用される。平行移動配列は、規則的または非規則的な直線的スペースで分離された超音波直線走査面を得るよう設定された、増分的に再配置された超音波トランシーバからの実質的に直線形の画像面の薄片である。平行移動配列は、増分的に前進するよう設定されたトランシーバから作成するか、オペレータが手の位置を増分させることで作成することができる。オペレータは、規則的または不規則的な角度のスペースで分離されたウェッジ形の走査面を得るよう設定された超音波トランシーバから、機械的に前進させるか、あるいは手の傾斜を増分させるかのどちらかで、ウェッジ配列を取得する。走査面の任意数は、平行移動的に結集した値域、あるいはウェッジ組み立ての値域のどちらでもよいが、２つの走査面より大きい値域が好ましい。

図７に描写される向上、セグメンテーションおよび仕上げアルゴリズムの他の好ましい実施形態は、らせん状配分または再構築無作為線のどちらかの、線配列で形成された画像に適用できる。

図７に描写する向上、セグメンテーションおよび仕上げアルゴリズムは、超音波応用に限定されず、走査面配列または個別走査面を利用したその他の画像技術にも使用できる。例えば、赤外線、可視光、ＵＶ光、マイクロ波、Ｘ線コンピュータ断層撮影、磁気共鳴、ガンマ線およびポジトロン放射を使って得た生体および非生体ベースの画像も、図７に示すアルゴリズムに適している。さらに、図７に示すアルゴリズムはファックス送信の画像や文書にも適用できる。

図８Ａ−Ｅは、図７に説明する向上、セグメンテーションおよび仕上げアルゴリズムの好ましい実施形態の詳細の展開を示す。以下に示すさらに詳しく説明したアルゴリズムはそれぞれ、トランシーバ１０上で、あるいは超音波データ転送先のホストコンピュータ５２、またはサーバ５６コンピュータ上で実行される。

図８Ａは、画像向上のサブ・アルゴリズムを示す。サブ・アルゴリズムは、ノイズを減らす熱フィルタ５１４とエッジを鮮明化するショック・フィルタ５１８を含む。熱フィルタとショック・フィルタの組合せは、有意な不連続性を保ちつつ、ノイズの低減およびデータの鮮明化を行うのに非常に効果的である。まず、ノイズのある信号が一次元熱フィルタ（以下の方程式Ｅ１）を使って除去され、その結果、ノイズ低減とエッジのスムージングが行われる。この手順の後にショック・フィルタリング手順５１８（以下の方程式Ｅ２）が続き、不鮮明な信号が鮮明化される。ノイズ低減およびエッジの鮮明化は、以下の方程式Ｅ１−Ｅ２の適用で達成される。熱フィルタ５１４のアルゴリズムは熱方程式Ｅ１を使う。画像処理用の偏微分方程式（ＰＤＥ）形式の熱方程式Ｅ１は次のように表現される。

I の値はアプリケーションに依存し、一般にアプリケーションと適合する値域内で発生する。例えば、Ｉは０から１ほど低いか、または０から１２７または０から５１２の中間値域を占めることも可能である。同様に、Ｉは０から１０２４および０から４０９６、またはそれ以上の高値域を占めてもよい。

熱方程式Ｅ１で画像の平滑化を達成でき、画像のガウスフィルタに相当する。適用する反復回数が多ければ多いほど、入力画像はより滑らかに、または不鮮明化され、ノイズもより多く低減される。

ショック・フィルタ５１８は、以下に説明する画像の鮮明化に使われるＰＤＥである。二次元ショック・フィルタＥ２は次のように表現される。

関数記号Ｆは、ポイントでのスプリアスエッジを小さい勾配値で置くのを避けるために選択された画像の勾配値によってラプラシアンを変更する。

熱フィルリングとショック・フィルリングの組合せは、以下で述べるように、強度ベースおよびエッジベースのセグメンテーション・アルゴリズムにかけられる状態にある向上した画像を作成する。

図８Ｂは、強度ベース・セグメンテーション（図７の手順４２２）のサブ・アルゴリズムを示す。強度ベースのセグメンテーション手順４２２は、「ｋ平均法」強度クラスタリング５２２技法を使い、ここで向上した画像は「ｋ平均法」クラスタリングに分類するアルゴリズムにかけられる。「ｋ平均法」アルゴリズムは、画素強度を白、グレイおよび黒の画素グループに分類する。必要とする強度のクラスタまたはグループ数を（ｋ）とすると、ｋ平均法アルゴリズムは次の４段階から成るインタラクティブのアルゴリズムである。

まず、すべての白、グレイまたは黒い画素に対する最小および最大画素強度値を、全体の強度範囲の中で等間隔にしたグループまたはｋクラスタに定義することで、クラスタの境界を決定または分類する。

現在設定されたクラスタの境界に基づき、各画素を、白、グレイまたは黒のｋクラスタの１つに割り当てる。

異なるｋクラスタへの画素の現在の割当てを基にして、各画素強度のｋクラスタまたはグループに対する平均強度を計算する。計算された平均強度は、クラスタの中心として定義される。その次に、新しいクラスタの境界は、クラスタの中心の間の中間ポイントとして決定される。

クラスタの境界が、前の値から位置を大幅に変化するかどうかを決定する。クラスタの境界が前の値から大幅に変化する場合は、クラスタの中心が反復間で大幅に変化しなくなるまで手順２を反復する。視覚的に、クラスタリング処理は分割された画像によって明確になり、分割された画像が反復間で変化しなくなるまで続けられる。

最小の強度値を有するクラスタ内の画素（最も暗いクラスタ）は、羊水と関連する画素として定義される。二次元アルゴリズムに関しては、各画像は周辺の画像と独立してクラスタ化されている。三次元アルゴリズムに関しては、全容量がまとまってクラスタ化されている。この手順をより速くするため、画素は、クラスタの境界が決まる前に、２つまたは任意の倍数サンプリングレート係数でサンプリングされる。ダウンサンプルされたデータから決定したクラスタの境界は、次に全体のデータに適用される。

図８Ｃはエッジベース・セグメンテーションのサブ・アルゴリズム（図７の手順４３８）を示し、一連の４つのサブ・アルゴリズムを使用する。その一連は空間勾配５２６アルゴリズム、ヒステリシス閾値５３０アルゴリズム、対象領域 （ＲＯＩ）５３４アルゴリズム、およびエッジ適合フィルタ５３８アルゴリズムを含む。

空間勾配５２６は、向上した画像のｘ方向およびｙ方向の空間勾配を計算する。ヒステリシス閾値５３０アルゴリズムは、突出したエッジを検出する。エッジが検出されると、エッジで定義された領域は、分析に関係があるとみなされる対象領域を選択するためのＲＯＩ５３４アルゴリズムを使って、ユーザによって選択される。

ここでI² _x は強度のx導関数の二乗であり、
I² _y はｙ軸沿いの強度のｙ導関数の二乗である。

要なエッジポイントは次に、ヒステリシス閾値処理を使って勾配の大きさを閾値処理することで決定される。他の閾値方法を使用することができる。ヒステリシス閾値処理５３０では、高低２つの閾値が使われる。まず、画像は下方閾値で閾値処理され、連結成分のラベリングが、得られた画像に対して行われる。次に、上方閾値よりも大きい勾配の大きさを有する少なくとも１つのエッジ画素を持つ連結エッジ成分が保存される。このような閾値処理は、１つまたは複数の大きい勾配ポイントをもつ長い連結エッジの保持に適合した方法である。

好ましい実施形態では、２つの閾値は自動的に推定される。上方勾配閾値は、せいぜい９７％の画像画素が非エッジとしてマークできるような値で推定される。下方閾値は、上方閾値の５０％の値に設定されている。これらの比率は、異なる実施形態において異なることが可能である。次に、要求対象領域内に位置するエッジポイントが５３４で選択される。この対象領域の選択５３４は、画像境界に位置するポイントとトランシーバ１０から遠すぎる、または近すぎる位置にあるポイントを除外する。最後に、はずれ値のエッジポイントが除外され、適合するエッジポイント間の面積を充填するために、エッジ適合フィルタ５３８が適用される。

エッジ適合アルゴリズム５３８は、境界エッジ間の領域を充填すると同時に、有効な境界エッジを設定しスプリアスエッジを除去するために適用される。画像上のエッジポイントは、勾配の方向を示す方向成分を含む。境界のエッジ位置を交差する走査線の画素は、画素強度方向性によって２つの勾配移行を提示する。各勾配移行には、画素強度方向性によってプラス値またはマイナス値が与えられる。例えば、走行線が暗領域からエコー反射の明部壁に近づく場合、画素強度勾配が最大値に増加するにつれて、すなわち移行が暗領域から明領域へ上昇するにつれて、上昇移行が設定される。上昇移行は、プラスの数値が与えられる。同様に、走査線がエコー反射壁から遠ざかるにつれて、画素強度勾配が減少する、または最小値に近づくと、下降移行が設定される。下降移行は、マイナスの数値が与えられる。

有効な境界エッジとは、上昇および下降画素強度勾配を示すものであり、または同等に一対または適合したプラスの数値とマイナスの数値を示す。有効な境界エッジは画像内に保存される。スプリアス、または無効境界エッジは、一対の上昇−下降する画素強度勾配を示さない。つまり、一対または適合したプラスの数値とマイナスの数値を示さない。スプリアス境界エッジは、画像から取り除かれる。

羊水容量関連のアプリケーションに関しては、ほとんどの羊水のエッジポイントは、暗い閉領域を囲み、方向が領域の中心に向いて内側を指している。このように、凸面形の領域の場合、任意エッジポイントの勾配方向は、現在のポイントとおよそ反対の方向に勾配を持つエッジポイントが、適合するエッジポイントを表している。割り当てられたプラスの数値とマイナスの数値を示すこれらのエッジポイントは、マイナスの数値はプラスの数値の相手方とペアになるため、画像上の有効エッジポイントとして維持される。同様に、非適合値を持つエッジポイント候補、つまり、マイナス−プラスの数値のペアを持たないエッジポイント候補は、真性または有効なエッジポイントとみなされず、画像から除去される。

エッジポイント適合アルゴリズム５３８は、要求暗領域からの除去用の境界上に位置しないエッジポイントを区別する。その次に、任意の２つの適合するエッジポイント間の領域は、エッジベース・セグメンテーションを確立するために非ゼロ画素で充填される。本発明の好ましい実施形態では、方向が根本的に走査線と共直線方向にあるエッジポイントのみが、適合する前壁と後壁のペアの検出を可能にするように探索される。

図７に戻るが、強度ベース４２２およびエッジベース・セグメンテーション４３８が完了すると、両方のセグメンテーションの方法は、画像４４２のＡＮＤ演算子を使って、強度ベース・セグメンテーション４２２の手順とエッジベース・セグメンテーション４３８手順の結果を組み合わせた結合手順を使用する。画像４４２のＡＮＤ演算子は、２つの画像の画素交差点を計算することによって分割された画像を作成するために、画素的ブーリアンＡＮＤ演算子４４２手順によって達成される。ブーリアンＡＮＤ演算子４４２は、画素を２進数として、割り当てた交差値を対応する割り当てを任意の２つの画素の組合せによって、２進数１または０として表わす。例えば、それぞれ割り当て値として１または０を持つことができる画素_Aと画素_Bの任意の２つの画素で検討する。画素_Aの値が１で画素_Bの値が１である場合、画素_Aと画素_Bの割り当てた交差値は１である。画素_Aと画素_Bの２進値が両方とも０である、または画素_Aと画素_Bのどちらかが０である場合、画像_Aと画像_Bの割り当て交差値は０である。ブーリアンＡＮＤ演算子５４２は、２進数の任意の２つのデジタル画像を入力としてみなし、三番目の画像を２つの入力した画像の交差と同等にした画像値で出力する。

画像４４２アルゴリズムのＡＮＤ演算子が完了すると、図７に示す仕上げ４６４アルゴリズムは複数のサブ・アルゴリズムからなる。図８Ｄは、クローズ５４６アルゴリズム、オープン５５０アルゴリズム、深部領域除去５５４アルゴリズムおよび胎児頭部領域除去５６０アルゴリズムを含む、仕上げ４６４アルゴリズムのサブ・アルゴリズムを示す。

クロージングとオープニングのアルゴリズムは、白黒画像に含まれる対象物の形状の知識に基づき画像を処理する演算であり、白は最前面部の領域を、黒は背景の領域を示す。クロージングは、特定のサイズより小さい画像上の背景の特徴を除去する役割をする。オープニングは、特定のサイズより小さい画像上の最前面部の特徴を除去する役割をする。除去する特徴のサイズは、これらの演算に入力として指定される。オープニング・アルゴリズム５５０は、羊水ポケットのサイズと位置の推定知識に基づき、分割された画像から羊水領域である可能性がない領域を除去する。

図８Ｄを参照にして、クロージング５４６アルゴリズムは、見掛け羊水面積 （Ａｐｐａｒｅｎｔ Ａｍｎｉｏｔｉｃ Ｆｌｕｉｄ Ａｒｅａ：ＡＡＦＡ）または見掛け羊膜容量（Ａｐｐａｒｅｎｔ Ａｍｎｉｏｔｉｃ Ｖｏｌｕｍｅ Ａｒｅａ：ＡＡＦＶ）の値を入手する。ＡＦＡＦＡおよびＡＡＦＶ値は、真の羊水容量であろうものに知らずに加わったり、真の羊水容量であろうものを曖昧にしたりする非羊水出所からの領域面積または領域容量を含む可能性があるため、「見掛け」であり最も効果的である。例えば、ＡＡＦＡおよびＡＡＦＶ値には、真性の羊水容量を含み、深部組織および未検出の胎児頭部による、面積または容量も含まれる可能性がある。このように、見掛け面積および容量の値は、調整後羊水面積 （Ａｄｊｕｓｔｅｄ Ａｍｎｉｏｔｉｃ Ｆｌｕｉｄ Ａｒｅａ：ＡｄＡＦＡ）値、または調整後羊膜容量 （Ａｄｊｕｓｔｅｄ Ａｍｎｉｏｔｉｃ Ｖｏｌｕｍｅ：ＡｄＡＶＡ）値５６８を決定するために、深部組織および胎児頭部が知らずに加わったための訂正または調整が必要である。

クローズ５４６アルゴリズムより入手したＡｄＡＦＡおよびＡｄＡＶＡの値は、形態的オープニング・アルゴリズム５５０によって還元される。その次に、ＡｄＡＦＡ値およびＡｄＡＶＡ値は、深部領域除去５５４アルゴリズムを使って深部領域に起因する面積および容量を除去することによりさらに還元される。その後、胎児頭部検出アルゴリズム５６０を適用することによって、仕上げアルゴリズム４６４が続く。

図８Ｅは、胎児頭部領域除去サブ・アルゴリズム５６０のサブ・アルゴリズムを示す。胎児頭部検出アルゴリズム５６０のサブ・アルゴリズム基本概念は、胎児の頭蓋を表す可能性のあるエッジポイントの検出である。その後、これらの頭蓋エッジに最もフィットする円を決定するための円形検出アルゴリズムが実施される。検索する円の半径は、胎児の妊娠週令を基にした推定値である。フィットするメトリックが一定の事前指定閾値以上である最もフィットする円は、胎児の頭部として印され、この円の内側の領域が胎児の頭部領域である。アルゴリズムは、妊娠週令７２６入力、頭部直径測定係数７３０アルゴリズム、頭部エッジ検出アルゴリズム７３４およびハフ変換プロシージャ７３６を含む。

胎児の脳組織は、羊水に表示されるのと実質的に類似の超音波エコー特性を有する。検出されないで羊水容量として差し引かれなかった場合、胎児脳組織容量は、羊水容量合計の一部として測定され、過大評価および羊水過小・過多症の誤診につながる。従って、胎児頭部位置を検出し、胎児脳物体の容量を測定して、訂正された羊水容量を入手するために羊水容量から胎児脳物体の容量を差し引くことは、正確な羊水容量測定を確立するのに役立つ。

妊娠週令入力７２６は、胎児頭部検出アルゴリズム５６０で始まり、（妊娠３０週令は６センチメートルの頭部直径に相当する等）の検索に、頭部大横直径 （ＢＰＤ）の範囲を入手するための頭部寸法表を使用する。頭部直径範囲は、頭部エッジ検出７３４とハウ変換７３６の両方に入力される。頭部エッジ検出７３４アルゴリズムは、ハウ変換アルゴリズム７３６が、デカルト画像（極形式への走査前変換）で胎児頭部のモデルとして円形を使い胎児頭部を探す一方で、胎児頭蓋の前部壁と後部壁からの著しく明色の超音波エコーを探す。

手順５２２、５３８、５３０で処理した走査面は、頭部エッジ検出手順７３４に入力される。胎児頭部検出アルゴリズム７３４の第一手順として適用されるのは、エッジ適合フィルタが発見したエッジの中から頭部エッジであり得るものの検出である。エッジ適合５３８フィルタは、前壁か後壁に属することがあり得るエッジポイントのペアを出力する。これらの壁全部が胎児頭部の位置に相当するというわけではない。胎児頭部を示すエッジポイントは、次のヒューリスティクス（経験則）を使って決定される。

一次元Ａモードの走査線沿いから見て、胎児の頭部位置は、胎児頭蓋の厚さとだいたい同じ大きさで短距離内で反対方向に相当する適合勾配を示す。この距離は現在１センチメートル値に設定されている。

胎児頭部の前壁と後壁の位置は、胎児の妊娠週令７２６の予想直径７３０に相当する直径の範囲内である。

胎児頭部の前壁と後壁の位置の間の画素の大多数は、クラスタリング・アルゴリズム４２２の出力で定義される最低強度クラスタの範囲内に存在する。暗部でなければならない画素の比率は、現在８０％に定義されている。

これらの特性を満足する画素は、次に頭部エッジ検出７３４の出力として一組の厚い胎児頭部エッジを作成するために垂直に拡張される。

図８Ｆは、ハウ変換プロシージャ７３６のサブ・アルゴリズムを示す。サブ・アルゴリズムは、極性ハウ変換７３８アルゴリズム、最大ハウ値検索７４２アルゴリズム、および円充填領域７４６を含む。極性ハウ変換アルゴリズムは、複数の方程式を使ってデカルト座標から変換することで極座標の項で胎児頭部構造物を検索する。三次元走査変換されたデカルト座標画像で円形のように見える胎児頭部は、走査前変換の極空間では異なる形をしている。胎児の頭部形状は、極座標の項を用いて以下で表現される。

ハウ変換７３６の基本概念は次の通りある。固定半径（例えば、Ｒ１）を持つ円形を求め、その円形の最適な中心も同様に求めると仮定する。まず入力画像上のすべてのエッジポイントは、見込み円上に位置し、その見込み円の中心はエッジポイントからＲ１画素離れたことろにある。一組の見込み中心自体は、各エッジ画素の周りに半径Ｒ１の円を形成する。そこで各エッジ画素の周りに半径Ｒ１の見込み円を描いて、ほとんどの円が交差するポイント、任意のエッジポイントに対して最もフィットする円を表す円の中心が入手される。従って、ハウ変換出力の各画素は、単にそのポイントを通過する円のカウント数である推定値を含む。

図９は、デカルト座標システムの固定半径を持つ複数の円に対するハウ変換７３６アルゴリズムを図示する。複数の円の一部を、１番目の円８０４ａ、２番目の円８０４ｂ、および３番目の円８０４ｃで表す。複数のエッジ画素はグレーの正方形で示され、エッジ画素８０８が表示される。各エッジ画素ポイントを通過する最もフィットする円８１６の中心位置８１２を区別するために、円が各エッジ画素の周りに描かれる。つまり、ほとんどのそのような円が通過する中心位置ポイント（グレーの星８１２で示す）は、濃い太線で示す最もフィットする円８１６の中心である。最もフィットする円８１６が実質的に通過する外周は、各エッジ画素の中心部分で、エッジ画素８０８に実質的に等しい一連の正方形として表される。

最もフィットする円を求める上記の検索は、もう一つの自由度を追加することによって、異なる半径を持つ円にも簡単に拡張することができる。しかし、任意の妊娠週令の平均半径周辺の拡散的な半径の一組は、すべての可能な半径を検索する必要がないため、検索を大幅に迅速化する。

頭部検出アルゴリズムの次の手順は、最大ハウ値検索７４２アルゴリズムで、可能性に基づいて最もフィットする円を選択または拒否することである。ハウ空間の任意ポイントを通過する円の数が多いほど、最もフィットする円の中心である可能性が高い。ハウ変換７３６出力の最大ハウ値としての二次元メトリックは、データセットの全画像に対して定義される。三次元メトリックは、三次元データセット全体に対する二次元メトリックの最大として定義される。胎児頭部は、画像の三次元メトリック値が事前設定の三次元閾値を超えるか、および二次元メトリックは事前設定二次元閾値を超えるかによって、画像上で選択される。三次元閾値は、現在７に設定されており、二次元閾値は現在５に設定されている。これらの閾値は、胎児頭部が存在する、または存在しない画像上の広範囲な訓練によって決定された。

その次に、胎児頭部検出アルゴリズムは、検出された円内で画素を画像に組み込む円充填領域７４６で終結する。円充填領域７４６アルゴリズムは、最もフィットする極の円の内側を充填する。それに応じて、円充填領域７４６アルゴリズムは、胎児頭部組織の面積を囲んで定義し、面積および容量を計算し、アルゴリズム５５４を経由して見掛けの羊水面積および容量（ＡＡＦＡまたはＡＡＦＶ）から差し引いて、アルゴリズム４８４経由で訂正した羊水面積または容量の計算が入手できる。

図１０は、走査面２１０に実質的に等しい走査面の範囲内に示す未処理サンプル画像８２０に、図７と８Ａ−Ｄのアルゴリズム手順を順次適用した結果を示す。未処理サンプルの向上に熱フィルタ５１４およびショック・フィルタ５１８を適用した結果を、向上した画像８４０に示す。強度ベース・セグメンテーション・アルゴリズム５２２の結果を、画像８５０に示す。向上した画像８４０のサブ・アルゴリズム５２６、５３０、５３４および５３８を使ったエッジベース・セグメンテーション４３８アルゴリズムの結果は、分割された画像８５８に示す。ブーリアンＡＮＤ画像４４２アルゴリズムを利用した組合せ４４２の結果が画像８６２に示され、白は羊水領域を表す。アルゴリズム５４２、５４６、５５０、５５４、５６０および５６４を適用した仕上げ４６４アルゴリズムの結果は画像８６４に示され、羊水領域が未処理サンプル画像８１０上にオーバーレイしている。

図１１は、図７と８ＡＦで説明したアルゴリズムを使って、胎児頭部の面積および容量を自動的に検出、発見および測定する上記方法の結果を示す一連の画像を示す。まず極座標形式９２０の入力画像から始めて、胎児頭部画像は、胎児頭蓋の前方壁と後方壁からの著しい明色エコーによって印され、デカルト画像で胎児頭部の円形によって印される。胎児頭部検出アルゴリズム７３４は、（デカルト座標に変換される前の走査前バージョン等の）極座標データ上で作用する。

頭部エッジであり得るものを検出する頭部エッジ検出７３４アルゴリズムを適用した出力例を、画像９３０に示す。前部壁および後部壁の間の空間を占めるのは、拡張黒色画素９３２（太いエッジを表す黒い画素の積重ねまたは短線）である。特定の半径に対する１つの実質データサンプル用の極ハウ変換７３８例が、極座標画像９４０に示される。

実データの極データ上の最もフィットする円の例が、最大ハウ値検索手順７４２を行った極座標画像９４０に示される。極座標画像９５０は、画像９６０内でデカルトデータに走査変換されたもので、最大ハウ値検索７４２アルゴリズムの効果がデカルト・フォーマットで見られる。

図１２は、走査面２１０と同等の走査面内のアルゴリズム出力と比較した際の、音波検査者による羊水ポケットアウトラインの一連の４パネルを示す。上２つのパネルは、表示と手動で相互作用して得られた音波検査者による羊水ポケットのアウトラインを表しており、下２つのパネルは、二次元アルゴリズム、三次元アルゴリズム、熱とショックの組み合わせフィルタのアルゴリズム、およびセグメンテーション・アルゴリズムの本発明の自動適用から得られた羊水境界を表している。

全画像上の輪郭が描かれた後、分割された構造物の容量が計算される。これを行う２つの具体的な技法が、米国特許第５，２３５，９８５号（マクモロー等） で詳しく開示され、参照により本明細書に組み込む。当該特許は、解剖学的構造物の容量を計算するための非侵襲性の送信、受信および処理超音波に関する詳しい説明を提供する。

本発明の画素のアルゴリズム的操作のデモンストレーションを、付録１： アルゴリズム的手順例 に示す。本発明のアルゴリズムのソースコードを、付録２： マトラブ・ソースコード に示す。

図１３は、セグメンテーション・アルゴリズム１０００の概要を示す。セグメンテーション・アルゴリズム１０００は、入力画像１０２０の受信で始まり、熱およびショックのフィルタリング・アルゴリズム１０３０が、入力画像１０２０に適用される。その次に、空間勾配アルゴリズム１０３４は、熱とショック・フィルタされた画像に適用される。この時点では、初期のエッジポイントは、画像内の器官構造物の境界向けのポイント位置決めアルゴリズム１０３８にある。その次に、ポイント位置決めアルゴリズム１０３８で割り当てた初期エッジポイントを接続する最適経路を決定するために、最適経路アルゴリズム１０４２が適用される。この最適経路アルゴリズム１０４２は、空間勾配アルゴリズム１０３４の結果も入力として使用する。描かれた輪郭をすでに有する画像に対しては、前回の画像輪郭入力１０４６が、最適経路アルゴリズム１０４２に入力される。その次に、容量計算アルゴリズム１０４８が画像に適用され、計算された容量が出力容量１０５２として報告される。

図１４は、サンプル画像に適用されたセグメンテーション・アルゴリズムを示す。最初の膀胱画像１２０４は、熱およびショックのフィルタリング・アルゴリズムにかけた後、膀胱画像１２０６に示すように明暗がよりはっきりする。その次に、空間勾配が膀胱画像１２０８に示すように描かれる。ポイント位置決めアルゴリズムが適用されると、膀胱画像１２１０で示すように、初期ポイントが位置付けられる。ポイント位置決めアルゴリズムは、放射状方法を含む。最後に、最適経路アルゴリズムを適用してポイントが接続された境界沿いの輪郭が、膀胱画像１２１２に示される。

熱フィルタリング・アルゴリズム適用効果を図１５に示す。熱アルゴリズムの１０回反復効果を画像１２２２に示す。５０回反復効果を画像１２２６に示す。１００回反復効果を画像１２３０に示す。熱フィルタリング・アルゴリズムをより数多く反復することで、画像はさらに不鮮明になる。

走査面２１０に実質的に等しい走査面に対しては、アルゴリズムは二次元の項で表現され、走査面画素（画像素子）を面積単位に変換するための公式を用いる。三次元円錐配列２４０に実質的に等しい走査円錐に対しては、アルゴリズムは三次元の項で表現され、ボクセル（容量要素）容量単位に変換する公式を用いる。熱フィルタリング・アルゴリズムは、画像処理用の最も簡単なＰＤＥの一つと見なされ、熱方程式は、方程式Ｅ７で示すとおりである。

この熱方程式は、画像のガウス・フィルタリングに実質的に等しい画像の平滑化をもたらす。反復回数が大きいほど、入力画像はより平滑化または不明瞭化される。

ショック・フィルタは信号と画像の鮮明化のために、最初オシャーとルディン（オシャーとルディン１９９０）によって提案された別のタイプのＰＤＥベース・フィルタである。一次元ショック・フィルタを方程式Ｅ１０に示す。

ここでは、信号は２次導関数の記号と１次導関数の大きさに基づいて変更される。フィルタは、簡単な中心となっている有限差分スキームを使って離散化できない。

このフィルタをノイズのない不明瞭なデータに適用した結果を図１６Ａに示す。ｘ軸は信号の指数座標を示し、ｙ軸は信号の大きさを表す。実線は、ガウスフィルタ・アルゴリズムで不明瞭な元のノイズのない信号である。不明瞭な信号は、点線で表す。ショック・フィルタは次に不明瞭な信号に適用され、信号の結果は淡い色の斜線で示す。元の信号と仮想的には同じで、エッジは不明瞭信号から復元される。

しかし、このフィルタをノイズのあるデータに直接適用することは効果的でなく、多くが偽エッジである可能性につながる。熱とショックのフィルタの組合せは、信号の重要な不連続性を保ちながら、ノイズを低減し号を鮮明化するのに非常に効果的である。まず、ノイズのある信号は一次元熱フィルタを使ってフィルタ処理（方程式Ｅ１）されると、ノイズ低減とエッジのスムージングが行われる。この手順の後にショック・フィルタリング手順（方程式Ｅ４）が続き、不明瞭な信号の鮮明化が行われる。この熱／ショックのフィルタの組合せの一次元模擬を図１６Ｂに示す。実線が元のノイズレス信号で、点線がノイズのある不明瞭な信号である。ノイズのある信号の熱フィルタリングの結果は、グレーの破線である。最後に、熱フィルタリング後のショック・フィルタリング結果を、グレーの点線−破線で示す。最後の信号で、ノイズが除去された一方で重要なエッジが保存されていることに注目されたい。

二次元では、オシャーとルディンが指定したショック・フィルタＰＤＥは次の通りである。

関数Fに関しては、一次元の場合ラプラシアンの記号を選択することによって記号を選ぶ際に起こるであろうポイントにおけるスプリアスエッジを小さい勾配値で置くのを避けるため、次の関数が代わりに使われる。

それ以外は０である。

ここでtは勾配値の閾値である。

繰り返すが、一次元の場合のように、熱とショックのフィルタの組合せは、画像上の重要なエッジを保存しつつ、ノイズ低減と信号の鮮明化には非常に効果的である。図１４の画像１２０８は、実際の超音波データに熱とショックのフィルタを適用した結果を示す。

ポイント位置決めアルゴリズムは、最初のエッジポイントを位置付けるため２つの異なる方法を使う。一つの方法は放射状線沿いのエッジを検索し、もう一つの方法はＡモード線沿いのエッジを検索する。１番目の方法は、ユーザが画像用の放射状線が描かれる中心ポイントを指定することが必要で、２番目の方法は完全に自動である。１番目の方法では、画像上に最初のエッジポイントを置くために画像はユーザが印した中心位置から放射状にサンプリングされる。放射状線は実質的に３０度の増分で描かれる。各放射状線上に、エッジポイントは、空間勾配アルゴリズムから入手した値を使って見つける。各放射状線上の１番目のポイントで、勾配の大きさが事前設定閾値を超えて、暗部から明部への移行を表す。そのようなポイントが見つからない場合は、その放射状線は飛ばされる。図１４画像１２１０で示すとおり、ポイントはエッジ位置に割り当てられる。

２番目の方法では、トランスデューサの位置から始まるＡモード線は、外向きに移動する。一次元勾配および画素強度値Ｉが、液体壁の位置を決定するためＡモード線沿いに使われる。ヒステリシス閾値は、構造物の先導壁と後続壁を決定するため、勾配値に割り当てられる。

画像上の２つのポイントをｐ１とｐ２とすると、最適経路検索アルゴリズムで２つのポイント間で「最適な」経路を見つけ出すが、ここで「最適」とは最低費用を持つ経路である。経路の費用関数は、画像上で経路がエッジのどれだけ近くを通過するか、経路の方向、経路がどれほどスムーズか、および経路長など、の多くの係数に依存するよう定義できる。次に動的計画法アルゴリズムが、ｐ１とｐ２間の最低費用経路を見つけ出すために使用することができる。

加重される費用関数の合計は、次の方程式Ｅ１３に示すように、３つの項の和によって定義される。

経路方向費用− p¹ とp²の間の経路は方向を持ったグラフであるため、費用はグラフの方向に基づいて定義できる。費用は、経路の内側にある画素が暗色で、外側にある画素が明色である経路を優先するように定義される（図１７を参照）。経路方向費用を計算するＰＤＥ公式を方程式Ｅ１５で提供する。

前輪郭距離費用− 三次元画像で経路を見つけようとする際、現在の画像上の経路への制約は加えられて、前回の画像上の輪郭に近い。従って、前回の画像から輪郭までの今回の経路上のポイントの距離に基づいた費用の定義は方程式Ｅ１０００によって作ることができる。

この距離は、前回の輪郭で計算したユークリッド距離変換関数を使って簡単に評価することができる。動的計画法アルゴリズムは、最初のエッジポイント間の最低費用経路を見つけるために用いられた。これには一般に次の２つの手順を含む。（１）開始ポイントから画像上の各ポイントまでの経路費用を計算する。これは高速前進（ｆａｓｔ−ｍａｒｃｈｉｎｇ）アルゴリズムを使った費用画像（最低行動表面とも呼ばれる）、（２）最低行動表面での勾配下降によって、最終ポイントと開始ポイントを接続する経路を見つけ出す。

本発明のこの複数手順セグメンテーション・アルゴリズムは、２点間の最適経路決定を設定するのに役立ち、セグメンテーションをよりロバストなものとする。２点が画像上でかなり離れていても、重要なエッジを通過する良好な経路を発見し、欠落エッジの面積を完了することができる。

図１４画像１２１２は、このアルゴリズムを使って最初のエッジポイントをして見つけた最適経路を示す。

最初に処理された画像は、欠落する外側の境界が最も少なかった中央画像である。この中央画像には、前回の輪郭制約は何も使われなかった。

この中央画像から、過程はシーケンスの終わりを通して中央画像の後のすべての画像を処理するために上方に動かされ、その後、シーケンスの初めを通して中央画像の前のすべての画像を処理するために下方に動かされる。

すべての画像上の輪郭が描かれた後、分割された構造物の容量が計算される。多角形内の輪郭は、容量を計算するために、多角形充填アルゴリズムを使って充填される。次に、中央画像の強度値が、極座標画像からデカルト容量を作成するために、３本線の補間法を使って（６つの三次元の隣接からの強度値が使われる）決定される。境界上の画素は、部分的な容量カバレッジによる、分数値が割り当てられる。最後に、容量を得るために、再構築された容量のすべての画素の合計にボクセル分解能を掛ける。セグメンテーション・アルゴリズムが、膀胱ファントムからの画像といくつかの対象物からの膀胱の画像に行われる。境界は、三次元シーケンスのすべての画像に対して同じ中心点を使って、三次元データセットの全画像に描かれる。

セグメンテーション・アルゴリズムは、既知容量で膀胱ファントムに対してまずテストされる。膀胱ファントム２４から、データの面が得られる。このファントムで検出された境界が、図１８に示される。

膀胱ファントムの真の容量が４９５ｍＬとして知られているが、我々のアルゴリズムを使って計算した容量は４８３ｍＬ、９７．６％の精度であった。

臨床測定の精度は順調であった。５人の異なる対象からの真の膀胱画像の１２の走査面に適用したセグメンテーション・アルゴリズム （女性３人に男性２人） を表１に示す。尿の容量は、ＵｒｏＦｌｏｗ装置を使って測定された。本発明のセグメンテーション・アルゴリズムは、容量測定のために画像に適用され、ＵｒｏＦｌｏｗ装置で測定した尿容量と比較した。各患者からの１２の膀胱走査画像に適用したセグメンテーション・アルゴリズムで決定した容量と比較するために、ＵｒｏＦｌｏｗ後の容量に加算したＵｒｏＦｌｏｗ装置で測定した容量が、基準として真の膀胱とみなされた。

以下の表は、５人の対象者の生結果を示す。

精度は％ 比率として定義され、１２の画像走査に適用されたセグメンテーション・アルゴリズムから決定した容量を使い、それを真の膀胱容量で割った後で１００を掛けて算出した。測定された尿容量に対する１２の走査面測定の精度範囲は６１．５％から９８．６％であった。中央値は９３．９％であった。５つの測定に対する平均精度は８８．８％であった。

図１９と２０はそれぞれ、本発明のセグメンテーション・アルゴリズムにかけられた患者１３８と１４８の１２の走査面画像の描写された膀胱境界を示す。セグメンテーション・アルゴリズムは、数面で最初のエッジポイントが予想位置の外側にあった以外は、非常に妥当な境界を設定する。

本発明のセグメンテーション・アルゴリズムは、既知の境界ポイントに最低費用輪郭を適合させることに関する。費用関数は、スネークや他の変形可能モデルと非常に類似して定義される。しかし最初の輪郭を変更する代わりに、我々のアルゴリズムは、境界上の２つの既知ポイント間の最適経路を検索する。変形可能なモデルと比較した利点は次のとおりである。（ａ）ポイントの最初の組は非常に小さく、初期の輪郭のすべてを必要としない、（ｂ）欠落境界は単にそこを通過する最低費用を通して処理されるため、アルゴリズムは欠落している境界に関してよりロバストである、（ｃ）アルゴリズムは反復性でなく、常に費用関数の独自の全体的な最小値を見つける。

本発明の好ましい実施形態が図示され説明されたが、上記のように、本発明の精神と範囲から離れることなく、多くの変更を行うことができる。例えば、本発明の他の利用方法は、前立腺、心臓、膀胱、および他の器官や臨床関連の身体領域の面積および容量の決定を含む。従って本発明の範囲は、好ましい実施形態の開示に限定されるものではない。

Claims (15)

1. 体腔に入っている流体の容量を測定するように構成されている装置であって、
   前記装置は、
   前記体腔が見える所に位置決めされた少なくとも１つのトランスデューサアセンブリであって、超音波を前記体腔に送信し、前記体腔に関連付けられている表面から反射した少なくとも１つのエコーを受信するように構成された、少なくとも１つのトランスデューサアセンブリと、
   前記少なくとも１つのトランスデューサアセンブリと信号通信するコンピュータと、
   を具備し、
   前記コンピュータは、データのルックアップテーブルにアクセスし、
   前記コンピュータは、
   前記少なくとも１つのエコーに関連付けられている少なくとも１つの高調波エネルギーレベル値を決定し、
   前記データに基づいて、前記体腔に入っている前記流体の容量を計算する、
   ように構成されており、
   前記データは、前記高調波エネルギーレベル値と前記流体の容量との対応関係を記述している、装置。
2. 前記体腔は、膀胱を含み、
   前記流体は、尿を含む、請求項１の装置。
3. 前記少なくとも１つのトランスデューサアセンブリは、選択された順序で複数のエコーを送信および受信するために位置決めされた複数のトランスデューサアセンブリを含む、請求項１の装置。
4. 前記複数のトランスデューサアセンブリは、５個から成る配列を含む、請求項３の装置。
5. ５個のトランスデューサアセンブリから成る配列は、前記トランスデューサアセンブリの配列面に直交する軸に対して角度ＯＡ、ＯＢ、ＯＣ、ＯＤ、ＯＥにそれぞれ向けられ、
   前記角度は、およそ、ＯＡ＝−２５°であり、ＯＢ＝０°であり、ＯＣ＝＋２５°であり、ＯＤ＝＋２５°であり、ＯＥ＝＋４０°である、請求項４の装置。
6. 前記コンピュータは、
   複数の膀胱充填範囲のうちの少なくとも１つに関して、前記流体の容量を確認し、
   臨床的に重要な膀胱充填レベルを知らせる、
   ように構成されている、請求項５の装置。
7. 前記コンピュータは、入力された患者情報を、複数の較正要素から成るルックアップテーブル内に提示するディスプレイに結合されており、
   前記入力された患者情報は、
   性別と、
   体重と、
   年齢と、
   前記複数の較正要素から成るルックアップテーブルから導き出される複数の修正要素Ｋと、
   を含む、請求項６の装置。
8. 前記複数の較正要素から成るルックアップテーブルは、「自己学習プロセス」において、複数の修正要素Ｋを最適化するために、前記送信された超音波に含まれている音響出力から複数の容量測定値を確認する較正曲線を含む、請求項７の装置。
9. 前記体腔または前記流体の容量情報は、前記複数のトランスデューサアセンブリのうちの少なくも１つに接続されている保留／開始ボタンによってフリーズされ得る、請求項７の装置。
10. 前記体腔の壁の複数のエコー反射領域が単一断面のサジタル面にほぼ配置されるように、前記複数のトランスデューサアセンブリが位置決めされる、請求項３の装置。
11. 前記複数のトランスデューサアセンブリは、ほぼ円盤型である、請求項１０の装置。
12. 前記複数のトランスデューサアセンブリは、電池によって電力を供給される、請求項１１の装置。
13. 前記複数のトランスデューサアセンブリは、
    ディスプレイデバイスが、人間の膀胱にわたって前記複数のトランスデューサアセンブリの正しい後方−頭方の位置決めを表示することを可能にするデータを生成する、
    ように構成されている、請求項１０の装置。
14. 前記少なくとも１つのトランスデューサアセンブリは、ハウジングにケーブルで接続されており、
    前記ハウジングは、入力装置と、プロセッサと、ディスプレイと、電力供給ユニットと、を収めている、請求項１の装置。
15. 前記少なくとも１つのトランスデューサアセンブリは、患者の便宜と最適な超音波結合のために前記複数のトランスデューサアセンブリをカバーする超音波結合材料をさらに含む、請求項１の装置。

Images