JP5543761B2

JP5543761B2 - 自動診断のためのシステム及び方法

Info

Publication number: JP5543761B2
Application number: JP2009266910A
Authority: JP
Inventors: ポール・リカート; ローレン・ロウナイ; サード・シロヘー; オルガ・イマズ
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2008-11-26
Filing date: 2009-11-25
Publication date: 2014-07-09
Anticipated expiration: 2029-11-25
Also published as: DE102009044869A1; JP2010125330A; US20100128942A1; US8233684B2

Description

本テクノロジーのある種の実施形態は、血管系の病理学的状態を検出するためのシステム、方法及びコンピュータ命令を提供する。

動脈瘤は出血性発作の基本的な要因の１つであり、全発作症例の約２０パーセントを占める。脳内の動脈瘤が破裂すると、脳の一部が血液で満たされ、これが頭部の組織の壊死や圧力を生じさせる可能性がある。大量出血（一般に、明瞭に視認可能な大きな動脈瘤により生じる）は死に至る可能性もある。具体的な関心対象症例の１つに、小さい動脈瘤破裂に起因する微小出血により生じる衰弱性の「痴呆」様症状がある。

動脈瘤は頭蓋内動脈の真っ直ぐな非分岐性区間で見出されることは稀である。真っ直ぐな非分岐性区間で生じる動脈瘤は、血流方向で動脈壁に沿った長手方向を向いた嚢を有し、かつ外膜表面の上側にごく最小に突き出るものとして見出されることが多い。これらの特徴をもつ動脈瘤は、先天性の嚢状タイプではなく解離性タイプである。虚血性神経障害の発症によれば、先天的嚢状動脈瘤に関連する蜘蛛膜下出血による場合と比べてより高頻度で解離性の動脈瘤の発生が予測される。

動脈瘤形成の根底にあるメカニズムは一般にはっきりしていないが、動脈瘤は動静脈奇形（「ＡＶＭ」）と関連して発生することが多い。ＡＶＭは一般に、脳動脈及び脳静脈、並びに／あるいは脊髄動脈及び脊髄静脈がもつれ合った絡まりからなる。動脈や静脈の絡まりは、脳組織に対する酸素配給を効果的に制御するのに必要な細管網の交差を欠いている。

酸素組織欠乏に加えて、ＡＶＭ内部の動静脈流速が速いことによって危険なほどの高血圧や血管壁脆弱を生じさせることがあり、これにより血管劣化、静脈狭窄、動脈瘤形成、その後の出血、またさらには発作につながる可能性がある。ＡＶＭは各年に発生する全出血性発作の概ね２パーセントを占めており、ＡＶＭを発症した人の約１パーセントがＡＶＭを直接の原因として死に至る。

目下のところ、コンピュータ断層（「ＣＴ」）を用いた急性発作の診断は、非造影ＣＴ（「ＮＣＴ」）撮像データを用いた脳出血の除外、ＣＴアンギオグラフィ（「ＣＴＡ」）撮像データを用いた脳動脈瘤の除外、ダイナミックＣＴ潅流撮像データを用いた脳潅流じょう乱の評価、並びにＣＴＡ及びＣＴ静脈造影（「ＣＴＶ」）撮像データを用いたＡＶＭの除外からなる。脳被検域が大きい場合、一般にボリュームシャトルプロトコルまたはモードによるダイナミックＣＴ潅流スキャンが実施される。ＣＴ潅流スキャンで用いられる別の収集プロトコルは、ヘリカルシャトル及びデュアルエネルギーＣＴＡを含む。これらダイナミックＣＴ潅流スキャンのプロトコルは、ダイナミックＣＴ潅流スキャンから取得されたデータからＮＣＴ、ＣＴＡ及びＣＴＶのフェーズを抽出する能力を有するため、追加的なＣＴＡ及びＣＴＶスキャンを不要にできる可能性がある。

デュアルエネルギーＣＴＡは、造影強調した血管系内のヨウ素をカルシウムまたは骨から分離する能力を提供しており、これによってヨウ素とカルシウムの間の信号レベルが同等である場合の曖昧さが低減される。デュアルエネルギーＣＴＡはさらに、頭蓋内部で見られるようなビームハードニング効果を低減または排除する能力を提供する。

米国特許第７０２７６３０号米国特許第７１２３７６０号米国特許出願第２００５０１４７２９７号米国特許出願第２００５０２５９８５４号米国特許出願第２００６００７９７４３号米国特許出願第２００７０１２９６２７号

一実施形態では本発明は、血管系の病理学的状態を検出するための方法を提供する。本方法は、血管系を示すと共にあるデータタイプを有する撮像データにアクセスする工程と、その各々が異なるデータタイプのデータを処理するような複数の検出処理から当該データタイプに対応する検出処理を選択する工程と、を含む。本方法はさらに、選択した検出処理によって当該データタイプの撮像データを処理する工程と、処理済み撮像データを血管系の病理学的状態を示す撮像データ上に重ね合わせる工程と、を含む。幾つかの実施形態ではその病理学的状態は、動脈瘤、動脈血管奇形及び血管れん縮のうちの１つを含む。

別の実施形態では本発明は、スキャナ及びプロセッサを含む診断システムを提供する。このスキャナは、血管系の病理学的状態を示す撮像データを提供すると共に、撮像データに対応するデータタイプを生成する。このプロセッサは、その各々が１つの病理学的特徴を検出するような複数の処理過程の中からそのデータタイプに従って撮像データを処理する。プロセッサは、処理済み撮像データを血管系の病理学的状態を示す撮像データ上に重ね合わせる。幾つかの実施形態ではその病理学的状態は、動脈瘤、動脈血管奇形及び血管れん縮のうちの１つを含む。

さらに別の実施形態では本発明は、処理デバイス上で実行するための命令を含んだコンピュータ読み取り可能記憶媒体を提供する。この命令は、血管系を示す撮像データを提供すると共にこの撮像データに対応するデータタイプを生成するための処理ルーチンを含む。この命令はさらに、その各々が病理学的特徴を検出しかつ処理済み撮像データを血管系の病理学的状態を示す撮像データ上に重ね合わせるように構成された複数のサブルーチンの中からそのデータタイプに従って撮像データを処理するための処理ルーチンを含む。幾つかの実施形態ではその病理学的状態は、動脈瘤、動脈血管奇形及び血管れん縮のうちの１つを含む。

本テクノロジーの実施形態に従った血管系の病理学的状態を検出するための処理過程の流れ図である。図１の方法に基づいてデュアルエネルギーコンピュータ断層アンギオグラフィ（「ＣＴＡ」）画像データを用いて血管系の病理学的状態を検出する方法の流れ図である。本テクノロジーの実施形態により用いられる血管系を視覚表示した図である。本テクノロジーの実施形態により用いられる図３の血管系上に重ね合わせられた病理学的状態を視覚表示した図である。例示的な処理アルゴリズムを一覧表示したテーブルである。

上述した要約、並びに本発明のある種の実施形態に関する以下の詳細な説明は、添付の図面と共に読むことによってさらに十分な理解が得られよう。本発明の例証を目的として、図面ではある特定の実施形態を示している。しかし本発明は、添付の図面に示した配置や手段に限定するものではないことを理解すべきである。

コンピュータ断層（「ＣＴ」）撮像データは典型的には、集中して保存されたり、病院情報システム（「ＨＩＳ」）や画像蓄積伝送システム（「ＰＡＣＳ」）内に分散して保存されたりしているが、ＣＴ撮像データを用いた診断はＣＴ撮像データのタイプ、ＣＴ撮像データの可用性（ａｖａｉｌａｂｉｌｉｔｙ）、異なる診断アルゴリズム、またしたがって異なる処理システムに依存することが多い。したがって、保存された撮像データを用いて脳動脈瘤、脳病変、ＡＶＭ及び血管閉塞を診断するための自動化し一体化したソフトウェア、方法及びシステムによれば、発作評価処理過程の臨床ワークフロー及び生産性を劇的に向上させかつ能率化することが可能である。

本テクノロジーのある種の実施形態は、ある解剖構造の複数の撮像データにアクセスすること、これらのデータを各データタイプに対して一意の適当なアルゴリズムを用いて前処理すること、動脈瘤、病変、ＡＶＭ、血管閉塞などの病理学的状態を形状及び／またはテクスチャベースの検出アルゴリズムを用いて検出すること、並びにデータタイプのそれぞれに適した視覚化技法を用いて解剖構造を視覚化することを行う能力を提供することが可能である。例示的なデータタイプは、非造影ＣＴ（「ＮＣＴ」）及びＣＴアンギオグラフィ（「ＣＴＡ」）画像データ、ボリュームまたはヘリカルシャトル画像データ、デュアルエネルギーＣＴＡ画像データ、デュアルエネルギー単波長画像データ、その他（ただし、これらに限らない）を含む。

ＮＣＴ及びＣＴＡ画像データを処理するための例示的なアルゴリズムは、解剖構造を示すと共に例えば関心対象の血管系などを包含した３次元（「３Ｄ」）ＮＣＴ及び３ＤＣＴＡのデータ組にアクセスすること、並びに該３ＤＮＣＴ及びＣＴＡデータ組を前処理することを含む。幾つかの実施形態ではこの前処理には、３ＤＮＣＴ及び対応する３ＤＣＴＡのデータ組を位置合わせすること、並びに３ＤＮＣＴと３ＤＣＴＡのデータ組の両方を用いて３ＤＣＴＡ画像データから骨性構造を除去することを含む。次いでこの例示的な処理アルゴリズムは、例えば動脈瘤や病変などの１つまたは複数の病理学的状態を検出する。病理学的状態の検出は一般に、骨除去した３ＤＣＴＡデータを処理すること、並びにこの処理済み画像データから球形状またはテクスチャを抽出することを含む。幾つかのケースではその例示的な処理アルゴリズムは、抽出した形状を元の血管系上に重ね合わせて表示することによって解剖構造を視覚化している。これらの処理アルゴリズムの詳細については以下で検討することにする。

ボリュームまたはヘリカルシャトル画像データを処理するための例示的な一アルゴリズムは、解剖構造を示すと共に例えば関心対象の血管系を包含したＣＴ潅流データにアクセスすること、並びに該ＣＴ潅流データを前処理することを含む。例えば前処理は、ＣＴ潅流データを位置合わせすること、並びにＣＴ潅流データ組から４次元（「４Ｄ」）描画及び検討のためにＣＴ潅流データを保持したままで３ＤＮＣＴ及び３ＤＣＴＡ画像データ組を抽出することを含む。前処理はさらに、３ＤＮＣＴとＣＴＡのデータ組の両方を用いて３ＤＣＴＡ画像データからあらゆる骨性構造を除去することを含む。この例示的なアルゴリズムはさらに、骨除去した３ＤＣＴＡデータの処理を介して例えば動脈瘤や病変などの病理学的状態を検出し、この処理済みデータから球形状及び／またはテクスチャを抽出する。したがってこの例示的なアルゴリズムはさらに、例えばこの抽出した形状を血管系上に重ね合わせて造影剤（動脈及び静脈フェーズ）の時刻依存の流入及び流出を表示することによって解剖構造を視覚化する。これらの処理アルゴリズムの詳細については以下で検討することにする。

デュアルエネルギーＣＴＡ画像データを処理するための例示的な一アルゴリズムは、解剖構造を示すと共に例えば関心対象の血管系を包含したデュアルエネルギー３ＤＣＴＡ画像データにアクセスすること、並びに該デュアルエネルギー３ＤＣＴＡ画像データを前処理することを含む。幾つかのケースでは前処理は、例えばＣＴＡデータなどのヨウ素造影強調データを石灰化や骨性構造から分離すること、並びに３ＤＣＴＡデータを処理して球形状及び／またはテクスチャを抽出することを含む。したがってこの例示的なアルゴリズムはさらに、例えばこの抽出した形状を血管系上に重ね合わせて表示することによって解剖構造を視覚化する。これらの処理アルゴリズムの詳細については以下で検討することにする。

デュアルエネルギー単波長画像データを処理するための例示的な一アルゴリズムは、解剖構造を示すと共に例えば関心対象の血管系を包含したデュアルエネルギー３ＤＣＴＡ画像データにアクセスすること、並びに該デュアルエネルギー３ＤＣＴＡ画像データを前処理することを含む。幾つかのケースでは前処理は、ビームハードニング効果に起因するアーチファクトが最小となるように造影強調データ（骨が除かれたＣＴＡ）に対応する単波長エネルギー画像を抽出すること、並びに融合したカラー描画内に複数の基礎材料成分を表示することを含む。このアルゴリズムはさらに、球形状及び／またはテクスチャを抽出するためにデュアルエネルギー単波長３ＤＣＴＡデータを処理し、かつ例えばこの抽出した形状を元の血管系と重ね合わせて表示することによって解剖構造を視覚化する。

図１は、本テクノロジーの実施形態に従った血管系の病理学的状態を検出するための処理過程１００のための流れ図である。検出処理１００はブロック１０４における関心対象の血管系を包含した撮像データに対するアクセスで開始される。この撮像データは一般にコンピュータ断層（「ＣＴ」）スキャナから取得しているが、他のスキャン方式によって撮像データを取得することも可能である。スキャン中に使用する技法に応じて、異なる撮像データタイプが取得される可能性がある。例示的なデータタイプは、非造影ＣＴ（「ＮＣＴ」）タイプ、ＣＴアンギオグラフィ（「ＣＴＡ」）タイプ、ボリュームアキシャルシャトルタイプ、ボリュームヘリカルシャトルタイプ、ダイナミックＣＴＡデータ、デュアルエネルギーＣＴＡタイプ、デュアルエネルギー単波長タイプ、その他（ただし、これらに限らない）を含む。

次いで検出処理１００は、ブロック１０８においてアクセスした撮像データのデータタイプを決定し、ブロック１１２においてそのデータタイプに基づいてタイプ依存の検出アルゴリズムまたは処理過程を選択し、かつブロック１１６においてこの選択したタイプ依存の検出アルゴリズムを用いて撮像データを処理する。幾つかの実施形態ではそのタイプ依存の検出アルゴリズムは、ＮＣＴ及びＣＴＡ、ボリュームアキシャルシャトル画像データ、及びボリュームヘリカルシャトル画像データに対して剛体（ｒｉｇｉｄ）位置合わせアルゴリズムを用いる。

剛体モデルベースの空間（３Ｄ／３Ｄ）位置合わせは、ＮＣＴ及びＣＴＡなどの２つの静的な断層撮像データ組を位置合わせするために実行される。ボリュームまたはヘリカルシャトルＣＴ潅流データなどダイナミック式に収集されたデータ組に対しては、時間次元が含まれるように空間（３Ｄ／３Ｄ）位置合わせが拡張される。例示的な剛体位置合わせ法は、ランドマークベースの位置合わせ、切り出しベースの位置合わせ、ボクセルプロパティベースの位置合わせ（ただし、これらに限らない）を含む。

ランドマークベースの位置合わせは、画像データ組内における識別点からなる限定組（すなわち、ランドマーク）に基づく。このランドマークは解剖学的とする（すなわち、視認可能な解剖構造の形態をした顕著で正確に位置特定可能な点とする）ことが可能である。このランドマークはさらに、幾何学的とする（すなわち、何らかの幾何学的な特徴をもつ最大位置の軌跡上の点とする）ことも可能である。特定したランドマークの組は元の画像コンテンツと比較して疎（ｓｐａｒｓｅ）であり、これによって比較的高速な最適化手順に対応できる。こうしたアルゴリズムによればあるランドマークと該ランドマークの最も近くの相手方との間の平均距離（Ｌ２ノルム）、プロクラステス・メトリックス（Ｐｒｏｃｒｕｓｔｅａｎｍｅｔｒｉｃｓ）、反復最小（ｉｔｅｒａｔｅｄｍｉｎｉｍａｌ）ランドマーク距離などの測度が最適化される。後者の測度を最適化するためには、反復最近傍点（「ｉｔｅｒａｔｉｖｅｃｌｏｓｅｓｔｐｏｉｎｔ：ＩＣＰ」）アルゴリズムや派生方法が一般的である。プロクラステス最適値はＡｒｕｎの方法を用いて算出または決定することが可能であるが、一般の最適化技法を用いてサーチされるのがより一般的である。別の方法では、あり得る多くの変換仮定をテストすることによってランドマーク位置合わせが実行される（例えば、関連する点の各組からランダムに取り上げた３つの点を整列させることによって定式化することが可能である）。一般的な最適化方法には、準全数サーチ（ｑｕａｓｉ−ｅｘｈａｕｓｔｉｖｅｓｅａｒｃｈ）法、グラフマッチング法及びダイナミックプログラミング法が含まれる。

切り出しベースの位置合わせは、ランドマークベースの位置合わせを拡張したものであり、曲線、表面またはボリュームなどのより高次な構造をランドマークとして抽出することに基づく。剛体モデルベースの方式では、位置合わせしようとする両画像組から解剖学的に同一の構造が抽出され、これが整列手順の唯一の入力として使用される。例えば変形可能なモデルやＣｈａｍｆｅｒマッチング技法など別の位置合わせモデルも存在するが、脳神経系撮像での臨床用途では剛体モデル方式が好んで用いられる傾向がある。

ボクセルプロパティベースの位置合わせ法は、画像データのグレイ値に対して、ユーザによる事前のデータ縮退や切り出しを用いずに直接実行される。これらの方法は一般に２種類の方式に細分化される。第１の方式は、画像グレイ値コンテンツをスカラーと向きからなる代表組まで迅速に縮退させる。第２の方式は、位置合わせ処理過程の全体にわたって画像データの全部すなわちフル画像コンテンツを使用する。

主軸及びモーメントベースの方法は縮退型位置合わせ方法の例である。これらの方法では、例えば画像データの０次及び１次モーメントなどのモーメントから重心と複数の主軸が決定される。次いで重心と主軸を整列させることによって位置合わせが実行される。幾つかのケースでは、位置合わせ処理過程においてより高次のモーメントを算出して使用することもある。モーメントベースの方法はさらに、切り出したまたは２値化した画像データを入力として使用することも可能である。フル画像コンテンツを用いたボクセルプロパティベースの方法では一般に、データ縮退の要求が最小または全くないが、位置合わせ処理過程全体を通じて利用可能な情報を全部使用している。フル画像コンテンツ位置合わせに関して使用可能な例示的なパラダイムには、相互相関、フーリエ領域ベースの相互相関、位相限定相関、強度比分散の最小化、切り出し内のグレイ値分散の最小化、差分画像のヒストグラムエントロピーの最小化、ヒストグラムクラスタリング及びヒストグラム分散の最小化、相互情報の最大化、差分画像内のゼロ交差の最大化、ケプストラム（ｃｅｐｓｔｒａｌ）エコーフィルタリング、オプティカルフローフィールドの決定、その他が含まれる。

ランドマーク、切り出しまたはボクセルプロパティベースの位置合わせ法のいずれを使用したとしても、その位置合わせを構成するパラメータは最適化手順を通じて決定されるのが典型的である。例示的な最適化手順には、Ｐｏｗｅｌｌの方法、ＤｏｗｎｈｉｌｌＳｉｍｐｌｅｘ法、Ｂｒｅｎｔの方法及び１次元サーチ系列、Ｌｅｖｅｎｂｅｒｇ−Ｍａｒｑｕａｒｄｔ最適化、Ｎｅｗｔｏｎ−Ｒａｐｈｓｏｎ反復、確率的サーチ法、グラジエント降下法、遺伝的方法、シミュレーテッドアニーリング、幾何学的ハッシュ法及び準全数サーチ方法（ただし、これらに限らない）が含まれる。収束をより迅速にし、検査すべき変換の数を削減しかつ極小値を回避するために、マルチ分解能及びマルチスケール方式がしばしば追加される。剛体位置合わせモデルでは、ＩＣＰアルゴリズムが有用となる可能性がある。

画像データを位置合わせした後、ブロック１１６で使用されるようなタイプ依存の検出アルゴリズムはさらに、ボリュームアキシャルシャトル画像データやボリュームヘリカルシャトル画像データを含むＣＴ潅流データからのＮＣＴ及びＣＴＡデータを抽出することを含む。幾つかの実施形態では、この位置合わせ済みのシャトルデータを、検出血管の時間密度曲線を用いた非造影ボリューム及び造影強調ボリュームの抽出のために使用することが可能である。ダイナミック収集の第１の（非造影）フェーズ中で収集した頭部ボリュームに対応する３ＤＮＣＴ画像データがＣＴ潅流データ組から抽出される。引き続いて、造影剤のピーク動脈濃度に関連付けされたダイナミック収集フェーズを特定することによって、ＣＴ潅流画像データからＣＴＡデータも抽出される。同様に、ピーク静脈フェーズを用いてダイナミック収集データからＣＴ静脈造影（「ＣＴＶ」）データも抽出される。

幾つかの実施形態では、ブロック１１６の処理過程はさらに、例えば３ＤＮＣＴ及びＣＴＡ画像データ、ボリュームアキシャルシャトルデータ、抽出したＮＣＴ及びＣＴＡデータを有するボリュームヘリカルシャトルデータ向けのディジタル差分血管撮像法（「ＤＳＡ」）、デュアルエネルギーＣＴＡ画像データ向けのデュアルエネルギー骨除去アルゴリズムなどの複数の骨除去アルゴリズムを含む。

骨を除去するためのディジタル差分血管撮像（「ＤＳＡ」）アルゴリズムでは、ＮＣＴ及び造影強調ＣＴ（「ＣＴＡ」）画像データという２つの相互位置合わせデータ組が必要である。ＣＴＡ画像データにおける骨マスキングは、連続ルックアップテーブル（「ＬＵＴ」）に基づく。幾つかの実施形態ではそのＬＵＴは、ＮＣＴデータ内の様々なハウンズフィールドユニット（「ＨＵ」）に関連付けされた係数Ｂの組を包含する。幾つかのケースにおいてＢは、ＨＵの線形関数であり、ＮＣＴデータの値が４０ＨＵ未満の場合に０に等しく、かつＮＣＴの値が１２０ＨＵを超える場合にその値は約１である。ＣＴＡデータに（１−Ｂ）を乗算すること（ここでＢは、ＬＵＴ内の対応するＮＣＴＨＵに基づいて選択される）によって骨が除去される。骨マスキング技法によれば、空間分解能、位置合わせ及びしきい値パラメータによる影響をより小さくすることができる。さらに、骨マスキング技法によれば一般にアーチファクトのより少ないよりスムーズな画像が作成される。得られた骨除去３Ｄ画像データは一般に、造影強調された血管系及び脳組織を包含する。ダイナミックボリュームアキシャルシャトルデータやボリュームヘリカルシャトルデータのケースでは、抽出したＮＣＴデータ及び対応するＣＴＡボリュームに対して別の時間ステップの各々の時点で上で言及したＤＳＡアルゴリズムが適用される。

２つのピークキロボルト（「ｋＶｐ」）レベルで収集されたＣＴＡデータを基礎材料分解アルゴリズムに加え、水とヨウ素などの材料密度画像並びに単波長描画が作成される。従来の階層型（ｈｉｅｒａｒｃｈｉｃａｌ）の骨除去アルゴリズムはしきい値をベースとしており、かつ頭部や頚部の解剖構造に関するアプリオリの知見に依拠している。このため、特に血液中のヨウ素のＣＴ値が周囲の骨と同様である場合に骨の除去が常に厳密とはならず、切り出し誤りが生じる。デュアルエネルギー基礎材料分解を骨除去アルゴリズムと組み合わせることによって、より正確な切り出しが可能となる。この処理はヨウ素と水の基礎材料画像を取得しヨウ素を包含した構造（すなわち、血管）を正しくラベル付けするために使用可能なマスクを生成することによって実現される。

したがって、タイプ依存のアルゴリズムによればさらに、例えば動脈瘤、病変、ＡＶＭなどの１つまたは複数の病理学的状態が検出される。病理学的状態を検出するためには、骨除去したＣＴＡデータから、あるいはボリュームアキシャルシャトル画像やボリュームヘリカルシャトル画像から、形状及びテクスチャが抽出される。幾つかの実施形態では、その内容全体を参照により本明細書に組み込むものとするＦｅｒｒａｎｔらによる米国特許公開第２００６／００７９７４３号（２００６年４月１３日公開）に記載されているような方法を、様々な形状及びテクスチャの抽出のために使用している。

米国特許公開第２００６／００７９７４３号に記載されているようなこの抽出方法は、アプリオリの解剖学的情報を用いて異種の応答の重複を削減している。具体的には、暗黙のアイソサーフェスにおける局所曲率による定式化を用いて３Ｄ応答が決定される。曲率テンソルによって、グラジエントのヌル空間内におけるｋ_ｍｉｎとｋ_ｍａｘなどの複数の局所曲率が決定される。この各曲率は次の式（１）を用いて決定することができる。

上式においてｋは曲率であり、νはＨをそのヘッシアン（Ｈｅｓｓｉａｎ）とした画像データＩのグラジエントのＮヌル空間内のベクトルである。式（１）の解は次のような式（２）の固有値となる。

曲率テンソル（ｋ_ｍｉｎ及びｋ_ｍａｘ）の応答は、ｋ_ｍｉｎ及びｋ_ｍａｘに対するしきい値、並びに関心対象の球状性と円筒状性に関するサイズ及びアスペクト比から導出したｋ_ｍｉｎ対ｋ_ｍａｘの比に基づいて球状と円筒状の応答になるように分離される。例示的な一実施形態では、比ｋ_ｍｉｎ／ｋ_ｍａｘは２：１であり、最小球状直径が１ｍｍで最大２０ｍｍとするように使用される。解剖学的対象が異なるに従って別の組み合わせによって異なる形状応答特性が得られることに留意すべきである。

確定された異種の応答は、偽応答（ｆａｌｓｅｒｅｓｐｏｎｓｅ）と呼ぶことができる重複領域を有する。収集パラメータ、再構成アルゴリズム及びそのノイズ特性が異なることが、これら偽応答の主たる発生源である。偽応答を除去する方法の１つは、収集が異なることを補償するためにしきい値を微調整（ｔｗｅａｋ）することである。しきい値の微調整には一般に、起こりうる収集のすべてに対するしきい値のマッピングを生成することが必要である。しかしこうしたマッピングは一般に厄介な問題である。別の解決法は、例えば円筒状応答などの大血管に対する応答のスケールの形式をした解剖学的情報を利用し、円筒状の応答ボリュームの形態学的閉鎖（ｍｏｒｐｈｏｌｏｇｉｃａｌｃｌｏｓｉｎｇ）の使用を案出するように球状対円筒状で応答に意図的にバイアスをかけ、「閉じた」円筒状応答と球状応答の交差部にある球状応答をすべて間引くことである。

別のタイプの病理学的状態検出アルゴリズムは、ＤＳＡから取得した骨除去したＣＴＡ及びＣＴＶ画像データ、並びにボリュームまたはヘリカルシャトルデータから抽出したＣＴＶデータと一緒に使用するための動静脈奇形（「ＡＶＭ」）向けの検出処理を含む。幾つかの実施形態では、全フェーズレベル（例えば、ピーク動脈フェーズからピーク静脈フェーズまで）においてＣＴＡ及びＣＴＶ血管系の交差を決定することによってＡＶＭが検出される。決定したこの交差は一般に、その関連する脳組織中を血液再循環が通過しないような血管の絡まり合った束を意味する。別の実施形態では、出血や梗塞に対応する病変を決定するためにテクスチャ検出アルゴリズムが使用される。テクスチャアルゴリズムは、序列型統計量（ｏｒｄｅｒｅｄｓｔａｔｉｓｔｉｃｓ）を用いて抽出が可能な密度パターンのコンテキスト情報を利用する。序列型統計量を既知の値とマッチングさせることによって検出機能が提供される。

図１に戻ると、処理過程１００によって画像データを処理して病理学的状態を示す関心対象のデータを取得した後、処理過程１００はブロック１２０において処理済みデータを画像データ上に重ね合わせる工程に進み、またブロック１２４において例えば動脈瘤、動脈血管奇形、血管れん縮など検出された病理学的状態を指摘する。

例えばＮＣＴ及びＣＴＡ画像データ並びにデュアルエネルギーＣＴＡ画像データに関しては、動脈瘤、ＡＶＭ、別の血管閉塞、梗塞または出血性病変に対応する抽出形状が視覚化のために関心対象の血管系（または、脳組織）上に重ね合わせられる。動脈瘤やＡＶＭを伴った血管が切り出され、ＶＲ、３ＤＭＩＰ、並びにアキシャル、コロナル、サジタル及び斜位像を含む様々な観察像で表示される。別の例としてボリュームまたはヘリカルシャトル画像データでは、脳血管系内の造影剤の流入及び流出を示すように骨除去したＣＴ潅流データがダイナミック表示されており、これによって動脈と静脈の両方のフェーズの視覚化が可能となる。動脈瘤、ＡＶＭ、その他の血管閉塞、梗塞または出血性病変に対応する抽出形状は、関心対象の血管系（または、脳組織）上に重ね合わせられる。動脈瘤やＡＶＭを伴った血管が切り出され、ＶＲ、３ＤＭＩＰ、並びにアキシャル、コロナル、サジタル及び斜位像を含む様々な観察像で表示される。

図２は、図１の方法に基づいてデュアルエネルギーコンピュータ断層アンギオグラフィ（「ＣＴＡ」）画像データを用いて血管系の病理学的状態を検出する方法すなわち処理過程２００の流れ図である。ブロック２０４において検出処理２００は、ＣＴＡデータタイプを決定し終えた後に関心対象の血管系を包含するＣＴＡデータにアクセスする。ブロック２０８においてＣＴＡデータから骨性構造が除去され、また上で検討したようにブロック２１２において血管系の球形状が抽出される。したがって処理過程２００はブロック２１６において画像データ上に重ね合わせられた構造を表示する。図３は検出４００前の血管系を視覚表示した図であり、また図４は図３の血管系上に重ね合わせられた病理学的状態４０４を視覚表示した図４００である。

したがってある種の実施形態は、コンピュータを用いて血管系の病理学的状態を検出するという技術的効果を提供する。ある種の実施形態は、血管系の画像データが与えられたときに該血管系の病理学的状態を検出するための自動化され一体化されたシステムが可能となるという技術的効果を提供する。このシステムは、適当な特定のタイプの診断処理過程を自動的に選択し、診断を示す得られた１つまたは複数の画像を表示する。

図５は、本テクノロジーの実施形態（例えば、図１の方法など）と共に使用される例示的な処理アルゴリズム及び対応する処理パラメータを一覧表示した表である。

ある種の実施形態は、上に記載した機能を実現するための方法、システム並びに任意のマシン読み取り可能媒体上のコンピュータプログラム成果物を企図している。ある種の実施形態は例えば、既存のコンピュータプロセッサを用いるか、本目的や別の目的のために組み込んだ特殊目的コンピュータプロセッサによるか、あるいは配線接続システム及び／またはファームウェアシステムによるか、によって実現させることができる。

ある種の実施形態は、コンピュータ実行可能命令を搭載したまたは有するコンピュータ読み取り可能媒体、あるいはこの上に保存されたデータ構造を含む。こうしたコンピュータ読み取り可能媒体は、汎用または特殊目的のコンピュータあるいはプロセッサを備えた別のマシンによってアクセスを受けることができる入手可能な任意の媒体とすることができる。一例としてこうしたコンピュータ読み取り可能媒体は、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、Ｆｌａｓｈ、ＣＤ−ＲＯＭやその他の光ディスク記憶装置、磁気ディスク記憶装置やその他の磁気記憶デバイス、あるいはコンピュータ実行可能命令またはデータ構造の形態をした所望のプログラムコードを搭載または保存するために使用可能でありかつ汎用または特殊目的のコンピュータあるいはプロセッサを備えた別のマシンによってアクセスすることが可能な別の任意の媒体を含むことがある。コンピュータ読み取り可能媒体の範囲には、上述のものの組み合わせも含む。コンピュータ実行可能命令は例えば、汎用のコンピュータ、特殊目的コンピュータ、または特殊目的処理マシンにある機能またはある機能群を実行させる命令及びデータを含む。

一般に、コンピュータ実行可能命令は、特定のタスクを実行するあるいは特定の抽象データタイプを実現するようなルーチン、プログラム、オブジェクト、コンポーネント、データ構造、その他を含む。コンピュータ実行可能命令、対応するデータ構造、及びプログラムモジュールによって、本明細書に開示したある種の方法及びシステムの工程を実行するためのプログラムコードの例が表される。こうした実行可能命令または対応するデータ構造からなるこのシーケンスによって、これらの工程に記述された機能を実現するための対応する作業の例が表される。

本発明の実施形態は、プロセッサを有する１つまたは複数の遠隔コンピュータに対する論理接続を用いたネットワーク環境内で実施することができる。論理接続には、ローカルエリアネットワーク（ＬＡＮ）やワイドエリアネットワーク（ＷＡＮ）を含むことがある（ただし、ここにおける提示は一例であり限定ではない）。こうしたネットワーク環境は、事業所域内や企業域内のコンピュータネットワーク、イントラネット及びインターネットにおいて極く一般的なものであると共に、広範に異なる多種多様な通信プロトコルを用いることがある。こうしたネットワークコンピュータ処理環境が典型的には、パーソナルコンピュータ、ハンドへルド型デバイス、マルチプロセッサシステム、マイクロプロセッサベースまたはプログラム可能な民生用電子機器、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、その他を含む多くのタイプのコンピュータシステム構成を包含することになることは当業者であれば理解されよう。本発明の実施形態はさらに、通信ネットワークを通して（有線式リンク、ワイヤレス式リンク、または有線式とワイヤレス式リンクの組み合わせのいずれかによって）リンクさせたローカルやリモートの処理デバイスによってタスクが実行されるような分散型コンピュータ処理環境で実施することもある。分散型コンピュータ処理環境では、ローカルとリモートの両方のメモリ記憶デバイスにプログラムモジュールを配置させることがある。

本発明のシステム全体またはその一部分を実現するための例示的な一システムは、処理ユニットと、システムメモリと、システムメモリを含む様々なシステム構成要素を処理ユニットに結合させるシステムバスと、を含むようなコンピュータの形態をした汎用コンピュータ処理デバイスを含むこともあり得る。このシステムメモリは、読出し専用メモリ（ＲＯＭ）やランダムアクセスメモリ（ＲＡＭ）を含むことがある。このコンピュータはさらに、磁気ハードディスクに対して書き込みや読み出しをするための磁気ハードディスクドライブと、取外し可能磁気ディスクに対して書き込みや読み出しをするための磁気ディスクドライブと、ＣＤＲＯＭその他の光学式媒体などの取外し可能光ディスクに対して書き込みや読み出しをするための光ディスクドライブと、を含むことがある。これらのドライブ並びにその対応するコンピュータ読み取り可能媒体は、コンピュータ実行可能命令、データ構造、プログラムモジュール及びコンピュータに関するその他のデータの不揮発性記憶を提供する。

本発明に関してある種の実施形態を参照しながら記載してきたが、本発明の趣旨を逸脱することなく様々な変更が可能であると共に等価物による置換が可能であることは当業者であれば理解するであろう。さらに多くの修正形態により、本発明の趣旨を逸脱することなく具体的な状況や材料を本発明の教示に適応させることができる。したがって、開示した特定の実施形態に本発明を限定しようという意図ではなく、本発明は添付の特許請求の範囲の域内に入るすべての実施形態を包含するように意図している。

１００血管系の病理学的状態を検出するための処理過程
１０４関心対象の血管系を包含する撮像データにアクセスする工程
１０８アクセスした撮像データのデータタイプを決定する工程
１１２そのデータに基づいてタイプ依存の検出アルゴリズムまたは処理を選択する工程
１１６選択したタイプ依存の検出アルゴリズムによって撮像データを処理する工程
１２０処理済みデータを画像データ上に重ね合わせる工程
１２４検出した病理学的状態を指示する工程
２００血管系の病理学的状態を検出するための方法または処理過程
２０４関心対象の血管系を包含したＣＴＡデータにアクセスする工程
２０８ＣＴＡデータから骨性構造を除去する工程
２１２血管系の球形状を抽出する工程
２１６画像データ上に構造を重ね合わせる工程
３００血管系の描画
４００処理後の血管系の描画
４０４血管系上に重ね合わせられた病理学的状態
５００例示的な処理アルゴリズム及び対応する処理パラメータ

Claims

コンピュータを用いて血管系（３００）の病理学的状態（４００）を検出するための方法（１００、２００）であって、
血管系（３００）を示すと共にあるデータタイプ（５００）を有する撮像データにアクセスする工程（１０４、２０４）と、
その各々が異なるデータタイプ（５００）のデータを処理するような複数の検出処理の中から前記データタイプ（５００）に対応する検出処理を自動的に選択する工程（１１２）であって、前記データタイプ（５００）の各々が前記撮像データを収集するために使用された異なる走査技法に対応する、前記ステップと、
前記選択した検出処理によって前記データタイプ（５００）を有する撮像データを処理する工程（１１６、２１２）と、
前記処理済み撮像データを血管系（３００）の病理学的状態を示す撮像データ上に重ね合わせる工程（１２０、２１６）と、
を含む方法（１００、２００）。
前記血管系（３００）の病理学的状態（４００）は動脈瘤、動脈血管奇形及び血管れん縮のうちの１つを含む、請求項１に記載の方法（１００、２００）。
コンピュータ断層（「ＣＴ」）スキャナによって血管系（３００）をスキャンする工程（５００）をさらに含むと共に、前記データタイプ（５００）は、非造影ＣＴ（「ＮＣＴ」）タイプ、ＣＴアンギオグラフィ（「ＣＴＡ」）タイプ、ボリュームアキシャルシャトルタイプ、ボリュームヘリカルシャトルタイプ、ダイナミックＣＴＡデータ、デュアルエネルギーＣＴＡタイプ、及びデュアルエネルギー単波長タイプのうちの少なくとも１つを含む、請求項１または２に記載の方法（１００、２００）。
前記データタイプ（５００）は、対応するＣＴＡを伴うＮＣＴタイプ、ボリュームシャトルタイプ、及びヘリカルシャトルタイプのうちの少なくとも１つを含んでおり、かつ撮像データを処理する前記工程は、ランドマーク、切り出し及びボクセルプロパティのうちの少なくとも１つに基づいて撮像データを位置合わせする（５００）工程を含む、請求項３に記載の方法（１００、２００）。
前記データタイプ（５００）は、対応するＣＴＡを伴うＮＣＴタイプ、ボリュームシャトルタイプ及びヘリカルシャトルタイプのうちの少なくとも１つを含んでおり、かつ撮像データを処理する前記工程（１１６、２１２）は骨性構造を示すデータを撮像データから除去する工程（２０８、５００）を含む、請求項３に記載の方法（１００、２００）。
撮像データを処理する前記工程（１１６、２１２）はさらに、球形状とテクスチャのうちの少なくとも一方を抽出する工程（５００）を含む、請求項５に記載の方法（１００、２００）。
前記データタイプ（５００）はボリュームシャトルタイプとヘリカルシャトルタイプのうちの少なくとも一方を含んでおり、かつ撮像データを処理する前記工程（１１６、２１２）は、ＮＣＴ及びＣＴＡデータ（５００）を撮像データから抽出する工程を含む、請求項３乃至６のいずれかに記載の方法（１００、２００）。
撮像データを処理する前記工程（１１６、２１２）はさらに、
撮像データからＣＴ静脈造影像（「ＣＴＶ」）を抽出する工程（５００）と、
ＣＴＶとＣＴＡの交差を決定する工程（５００）と、
を含む、請求項７に記載の方法（１００、２００）。
血管系（３００）の病理学的状態を示す撮像データを提供する（５００）と共に、該撮像データに対応するデータタイプ（５００）を生成するように構成されたスキャナと、
複数の処理過程の中から前記データタイプ（５００）に従って撮像データ（１１６、２１２）を処理するように構成されたプロセッサであって、該処理過程の各々は病理学的特徴を検出すると共に、該処理済み撮像データを血管系の病理学的状態を示す撮像データ上に重ね合わせるように構成されているプロセッサと、
を備え、前記データタイプ（５００）の各々が前記撮像データを収集するために使用された異なる走査技法に対応する、診断システム（５００）。
前記スキャナはコンピュータ断層（「ＣＴ」）スキャナを含み、かつ前記データタイプ（５００）は非造影ＣＴ（「ＮＣＴ」）タイプ、ＣＴアンギオグラフィ（「ＣＴＡ」）タイプ、ボリュームアキシャルシャトルタイプ、ボリュームヘリカルシャトルタイプ、ダイナミックＣＴＡデータ、デュアルエネルギーＣＴＡタイプ、及びデュアルエネルギー単波長タイプのうちの少なくとも１つを含む、請求項９に記載のシステム（５００）。