JP5667066B2 - Ｍｒスキャンの自動シーケンシャルプランニング - Google Patents

Description

本発明は、臨床ＭＲＩ画像データを自動的に収集するための方法、装置及びコンピュータプログラム製品に関する。

患者の体内の画像を作り出す手順の一部として原子の核スピンを整列させるために、ＭＲＩスキャナによって、大きい静磁場が使用されている。この大きい静磁場はＢ０場と呼ばれている。

ＭＲＩスキャン中、送信器コイルによって生成された無線周波数（ＲＦ）パルスが、局所的な磁場に摂動を生じさせ、核スピンによって放射されるＲＦ信号が受信器コイルによって検出される。これらのＲＦ信号が、ＭＲＩ画像を構築するために使用される。これらのコイルはアンテナと呼ぶこともできる。また、送信器コイル及び受信器コイルは、双方の機能を果たす単一の送受信器コイルに統合されることもできる。理解されるように、送受信器コイルという用語の使用は、別個の送信器コイル及び受信器コイルが使用されるシステムをも表し得る。送信されるＲＦ磁場はＢ１場と呼ばれている。

ＭＲＩスキャナはまた、スライス（断層）又はボリューム（体積）の何れかの画像を構築することができる。スライスは、１ボクセルの厚さのみの薄いボリュームである。ボクセルは、それにわたってＭＲＩ信号が平均化される小さいボリュームであり、ＭＲＩ画像の分解能を表す。ボリュームという用語は、スライス及びボリュームの双方を意味するものとして理解されることになる。

ＭＲＩ検査が実行されるとき、構築されるＭＲＩ画像は時間依存性を有する。例えば心臓上又は横隔膜近傍の器官上など、動く人体領域上で検査が実行される場合、時間に依存する画像は、取得されて、心拍及び呼吸サイクルに相関付けられる必要がある。技術的に標準的な技術は、この動きを補償することにある。特定の器官及び人体部分の生体構造も、適切に撮像することが困難である。例えば、心臓及び膝は、診断に有用な臨床ＭＲＩ画像を作り出すのに、高度な訓練を受けた高度な技能を有するオペレータを必要とする。

例えば、心臓のＭＲＩ検査においては、具体的な診断のために、作り出されるスライスの心臓の生体構造に対する位置及び向きが非常に重要である。この種のＭＲＩ検査を実行するには、オペレータは一連のスキャンを実行することになる。先ず、オペレータは、患者の生体構造の大まか（ラフ）な向きを決定するために、患者の体の複数のスライスを撮像する。これらの概略（ラフ）画像を用いて、オペレータは横隔膜及び心臓の位置を手動で特定する。最低でも、スライス群のスタック（積み重ね）がオペレータによって方向付けられることになる。実際、ナビゲータビーム、シムボリューム又はその他の要素が方向付けられる必要があり、この処理を時間消費型のものにしている。スライス群のスタックは、次のスキャンで使用される向き、視野及び一連のスライスを、全てのそれらのパラメータとともに規定する。ナビゲータビームとは、横隔膜の位置を相関付けて患者の呼吸を補償するために撮像される薄いボリュームである。シムボリュームとは、それからの情報がＢ０場の局所的な揺動を補償するために使用されるボリュームである。

これらのボリュームが決定された後、患者の呼吸及び心臓の位相に関して決定された第２の一連の画像が収集される。そして、この新たなＭＲＩ画像の組がオペレータによって使用され、心臓の生体構造が更に詳細に検査され、医師による臨床診断用に撮像されることになるスライス群又はボリューム群が、疑われる疾患に応じて手動で定められる。診断を決定する目的のための画像は臨床ＭＲＩ画像と呼ばれる。

心臓の場合、臨床ＭＲＩ画像を収集するために使用されるスライス群のスタックの位置及び向きを設定することは、患者の兆候に大いに依存する。例えば、先天性心疾患を適切に診断するために必要な視覚化は、虚血性心疾患の場合とは極めて異なるものとなり得る。正確なＭＲＩ画像を撮像するようにＭＲＩシステムを適切に設定することができるようになるには、オペレータは大量の訓練、経験を必要とするとともに、コンピュータモニタ上で２次元（２Ｄ）投影又はスライスから３次元（３Ｄ）構造を視覚化する能力を必要とする。これに伴う難しさは、異なるオペレータによって取得される臨床画像が異なるレベルの品質を有することである。さらに、スライス群のスタックの位置及び向きの設定が手動で行われるとき、例えば経過観察手順などにおける臨床ＭＲＩ画像の再現性は達成困難である。乏しい品質の臨床画像がオペレータによって作り出されるとき、それらはやり直される必要がある。これは当然ながら病院にとって費用のかかることであり、患者に対してＭＲＩ検査を行うコストが上昇する。

特許文献１は、医療スキャン中に患者の位置決めを補正するために３段階手順を用いることを教示している。

米国特許出願公開第２００５／０１６５２９４号明細書

本発明は、独立請求項に記載されるような、ＭＲＩ画像データを収集する方法、コンピュータプログラム、及びＭＲＩ画像データを収集する装置を提供する。本発明の実施形態が従属請求項にて与えられる。

ここでは、視野（Field Of View；ＦＯＶ）は、それに対してＭＲＩ画像が構築されるボリュームを意味するものとして定義される。ＭＲＩ画像を構築するために使用されるＭＲＩデータは、周波数ドメインで収集される無線信号である。故に、重要なことには、ＭＲＩデータはフーリエ積分を用いて画像に変換され、その結果、ＦＯＶの外側の組織も画像に寄与する。

本発明の実施形態は、自動化されたスキャン計画作成（プランニング）のための方法及び装置を提供する。これらの実施形態は特に、ＭＲＩスキャナコンソールでの患者特定配置の自動プランニングによって、オペレータの間違いが排除され、オペレータに対する訓練要求が低減され、且つＭＲＩ検査における時間が短縮されるので有利である。自動スキャンプランニングの別の１つの利点は、オペレータ間又は同一オペレータ内での変動性が回避されることである。

自動化された逐次的（シーケンシャル）なスキャンプランニングは、単一のサーベイスキャンに対して利点を有する。一部の生体構造では、自動シーケンシャルスキャンは単一のサーベイスキャンより高速である。シーケンシャルサーベイスキャンはまた、単一のサーベイスキャンより多くの情報を含み、正確で一貫性のある診断スキャンのプランニングを可能にする。診断を決定することを目的とする画像は、ここでは、臨床ＭＲＩ画像として定義される。サーベイ又はサーベイスキャンは、ここでは、臨床ＭＲＩ画像を計画するために使用されるＭＲＩ画像として定義される。

本発明の実施形態は、被検体の少なくとも１つの臨床ＭＲＩ画像を収集する方法に関する。ＭＲＩ画像は、ＭＲＩデータの図形表現として定義される。ＭＲＩデータはＭＲＩスキャナによって収集されるデータである。臨床ＭＲＩ画像は、患者を診断するために医師によって使用されるＭＲＩ画像である。

本発明の実施形態によれば、予め選択されたパラメータセットを用いた被検体のマルチ２Ｄ ＭＲＩ画像が収集される。２Ｄ ＭＲＩ画像は、被検体の生体構造の概観を与えるスライス群の集合である。２Ｄ ＭＲＩ画像は異方性であることが通常である。例えば、心臓ＭＲＩ検査において使用される２Ｄ ＭＲＩ画像の構築中にサジタルスライスに対して使用される典型的なボクセル寸法は、１．７ｍｍ×１．７５ｍｍ×１０ｍｍである。スライス間隔はボクセルサイズよりも更に大きくされ得る。これらのサジタルスライスでは、スライス厚さは１０ｍｍである。ボクセル中心間の距離は１５ｍｍである。故に、この場合、スライス間に５ｍｍの隙間が存在する。２Ｄ ＭＲＩ画像を構築するために使用されるボリューム数、各ボリューム内のスライス数、スライス厚さ、スライス距離、及びスライス内の解像度は、選択されたプロトコルに依存する。

当初において、患者の生体構造の向きは知られていない。所定の組のスライス群が患者の内部生体構造を画成するように、患者はＭＲＩスキャナ内に位置付けられる。これは、所定の向きで、所定数のアクシャルスライス、コロナルスライス及びサジタルスライスを収集することによって達成され得る。これらのスライスの数、位置及び正確な向きは、選択されたＭＲＩプロトコルによって予め決定される。２Ｄ ＭＲＩ画像は、ボクセル群で構成される３次元（３Ｄ）ボリュームを構築するために使用される。これらのボクセルの全ての辺が相等しい場合、ボリュームは等方性である。ボリュームは等方性である必要はないが、等方性のボリュームは、それへのエッジ検出器の適用を容易にする。個々のボクセルの値は、２Ｄ ＭＲＩ画像のボクセル群からの値を線形補間することによって計算される。

エッジ検出モジュールを用いて３Ｄボリューム内のエッジが検出される。これは、例えばソーベル（Sobel）オペレータなどの好適なエッジ検出アルゴリズムを用いて達成され得る。その他の代替例は、Ｃａｎｎｙエッジ検出器、差分エッジ検出器、Ｍａｒｒ−Ｈｉｌｄｒｅｔｈオペレータ、位相一致に基づくエッジ検出器、ラプラス（Laplace）オペレータ、Ｄｅｒｉｃｈｅエッジ検出器、Ｒｏｔｈｗｅｌｌエッジ検出器、ＰｒｅｗｉｔｔオペレータＫｉｒｓｃｈオペレータ、Ｈｕｅｃｋｅｌオペレータ、及びＲｏｂｅｒｔｓオペレータ、に基づくアルゴリズムを含む。ソーベルオペレータは３Ｄボリュームの特定の平面内で動作する。ソーベルオペレータは、全てが同一の平面内にあるボクセル群に適用されることができる。ソーベルオペレータはまた、或るボクセル平面内にない平面にも適用されることが可能である。その場合、ボクセル群は、それらのボクセルのうちのどれだけがその平面によって交差されるかに従って重み付けられる。そして、エッジの組を用い、解剖学的ランドマークモジュールを用いて、解剖学的なランドマークが特定される。第１のセグメント化モジュールを用い、第１の形状制約変形可能モデルを用いて３Ｄボリュームがセグメント化される。形状制約変形可能モデルは、Weese等、「Shape constrained Deformable Models for 3D Medical Image Segmentation」、Lecture Notes In Computer Science、2001年、第2082巻、pp.380-387（Ｗｅｅｓｅとして引用)にて議論されている。なお、この文献をここに援用する。形状制約変形可能モデルは、特徴点をフィッティングするようにセグメント化モジュールによって変形される、患者の生体構造の３次元モデルである。形状制約変形可能モデルは、特徴点をフィッティングするように反復的に変形され、これはモデル及び画像データの双方を用いて計算される。特徴点は、特徴検出アルゴリズムを用いて画像から抽出され得る。モデルは、該モデルの表面の応力及び歪み、並びに変形によって生じる内力を計算する。

そして、第１のパターン認識モジュールを用いて、３Ｄボリューム内の関心領域が決定される。関心ボリュームは、ＭＲＩデータが収集される対象の領域である。フーリエ空間内のデータからＭＲＩデータが構築される。結果として、関心ボリュームの物理的な境界の外側の領域がＭＲＩ画像に寄与する。そして、関心ボリュームに対して１つ以上の準備ＭＲＩ画像が収集される。そして、第２のセグメント化モジュールを用い、準備ＭＲＩ画像は第２の形状制約変形可能モデルを用いてセグメント化される。その後、第２のパターン認識モジュールを用いて、臨床ＭＲＩ画像が計画される。最後に、１つ以上の臨床ＭＲＩ画像が収集される。

他の一実施形態において、臨床ＭＲＩ画像の収集にて収集されたＭＲＩデータ、後の再利用のためにコンピュータの記憶装置に格納され得る。格納されることが可能なＭＲＩデータは、マルチ２Ｄ画像、３Ｄボリューム、エッジの組、１つ以上の解剖学的なランドマーク、セグメント化された３Ｄボリューム、関心ボリューム、１つ以上の準備ＭＲＩ画像、及びセグメント化された１つ以上の準備ＭＲＩ画像を有する。このＭＲＩデータは、後にコンピュータ記憶装置から取り出され、臨床ＭＲＩ画像を計画するための第２のプランニングデータの組を生成するために再利用され得る。これは、方法全体を繰り返す必要なく第２の臨床ＭＲＩ画像が計画され得るという利点を有する。例えば、マルチ２Ｄ画像又は３Ｄボリュームを再利用することができる。これは、第２の臨床ＭＲＩ画像を収集するのに必要な時間を短縮することになる。

他の一実施形態において、第１のパターン認識モジュールは複数の関心領域を決定することができる。撮像されるボリュームを取り囲む組織も収集されるＭＲＩに影響を及ぼすので、これは有利である。複数のボリュームは重なり合っていてもよいし、重なり合っていなくてもよく、同一のボリュームをカバーすることもできる。第１のパターン認識モジュールは、各関心ボリュームを第１の部分集合（サブセット）、第２の部分集合又は第３の部分集合の中にあるように選択する。第１の部分集合及び第３の部分集合の要素は、ＭＲＩスキャナによって一回又は複数回撮像される。第２の部分集合及び前記第３の部分集合の要素は、磁化プリパレーションパルス、脂肪抑制パルス、血液スピンラベリング（Arterial Spin Labeling；ＡＳＬ）、リージョナル・サチュレーション・テクニック（Regional Saturation Technique；ＲＥＳＴ）、スペクトラル・プレサチュレーション・インバージョン・リカバリー（Spectral Presaturation Inversion Recovery；ＳＰＩＲ）、インバージョン（Inversion）、ナビゲータビーム、Ｂ１シミング、及びＢ０シミングからなる群から選択されたＭＲＩ技術を適用される。臨床ＭＲＩ画像のために撮像されるボリュームの外側の組織は画質に影響を及ぼし得る。これらの技術を適用することは、画質を改善するという利点を有する。これらの関心ボリュームの全てから収集されたＭＲＩデータが、プランニングデータを生成するために使用される。収集された全てのＭＲＩデータを使用することの利点は、生体構造及びその位置が、より詳細に分かることである。

他の一実施形態において、第１のパターン認識モジュールは、訓練型のパターン認識モジュールである。これは、１つ以上の関心ボリュームが正確に配置されたトレーニング画像の組を用いて、パターン認識モジュールが訓練され得るという利点を有する。これは、様々な手法を用いて実現され得る。使用され得る様々な手法又はアルゴリズムの例は、主成分分析（Principal Component Analysis）、ニューラルネットワーク、ＣＮ２アルゴリズム、Ｃ４．５アルゴリズム、ＩＤ３（Iterative Dichotomizer 3）、最近傍探索アルゴリズム、単純ベイズ（naive Bayes）分類アルゴリズム、ホログラフィック連想記憶、又は知覚学習アルゴリズムである。

他の一実施形態において、第２のパターン認識モジュールは、訓練型のパターン認識モジュールである。これは、第１のパターン認識モジュールを訓練型のパターン認識モジュールとして実現するのと同じ利点を有する。第２のパターン認識モジュールは、第１のパターン認識モジュールと同一のアルゴリズム及び手法の選択肢を用いて実現されてもよい。第１及び第２のパターン認識モジュールを実現することに同一のアルゴリズム又は手法が用いられた場合にも、それらは依然として異なるパターン認識モジュールとなる。その理由は、それらが相異なるトレーニングを受けてきているからである。第１のパターン認識モジュール及び第２のパターン認識モジュールは、ＭＲＩシステムの製造者によって訓練を受けて、使用のためにオペレータに届けられることができる。

他の一実施形態において、解剖学的ランドマークモジュールは、特徴識別アルゴリズムを実装したものとし得る。この特徴識別アルゴリズムは、例えばハフ変換又はスケール不変特徴変換（Scale-Invariant Feature Transform；ＳＩＦＴ）などのアルゴリズムとし得る。これらのアルゴリズムは、複雑な幾何学形状を識別することができるという利点を有する。特徴識別アルゴリズムはまた、生体構造の予備知識に基づく専用アルゴリズムとすることもできる。例えば、横隔膜はＭＲＩ画像内で容易に識別可能である。エッジ検出アルゴリズムが横隔膜の境界位置を特定し、連結成分分析が、識別されて第１のセグメント化モジュールによって使用されることが可能な表面を作り出す。

他の一態様において、本発明の実施形態を自動化するために、コンピュータ実行可能命令セットを有するコンピュータプログラムが使用され得る。コンピュータ又はマイクロプロセッサは人間のオペレータより遙かに速く計算を実行することができるので、これは有利である。

他の一態様において、独立請求項に記載されるような装置の一実施形態が、臨床ＭＲＩデータを収集するために使用され得る。

他の一実施形態において、装置の実施形態は、新たな臨床ＭＲＩ画像を計画する目的で、以前に収集されたＭＲＩデータを格納する手段を有する。

他の一実施形態において、装置の実施形態は、第１のパターン認識モジュール及び／又は第２のパターン認識モジュールを訓練型のパターン認識モジュールとして実装する。

他の一実施形態において、第１のパターン認識モジュールの実施形態は、複数の関心ボリュームを決定するよう動作する。

他の一実施形態において、装置の実施形態は、臨床ＭＲＩスキャンが収集される前にプランニングデータの組を図形的に表示するよう動作するユーザインタフェースを有する。これは、臨床ＭＲＩ画像の品質をユーザが制御することができるという利点を有する。画像が表示された後、オペレータは、プランニングデータを承認あるいは拒絶する選択肢を有し得る。オペレータがプランニングデータを承認する場合、ＭＲＩシステムはＭＲＩデータを収集してＭＲＩ画像を構築することを進める。オペレータがプランニングデータを拒絶する場合には、オペレータは、装置の実施形態にプロセスを再開させて新たなプランニングデータの組を生成させる、あるいは手作業でプランニングデータを編集する選択肢を有し得る。オペレータは、マルチ２Ｄ画像、３Ｄボリューム、エッジ、解剖学的なランドマーク、セグメント化された３Ｄボリューム、関心ボリューム、１つ以上の準備ＭＲＩ画像、セグメント化された１つ以上の準備ＭＲＩ画像、及びプランニングデータを有する拒絶データの組を検査する選択肢を有し得る。これは、ＭＲＩデータ及びプランニングデータの全てをオペレータが検査することができるという利点を有する。

他の一実施形態において、ユーザインタフェースの一実施形態は、拒絶データの組の手動変更を受信するよう動作する。これは、装置によって為される可能性がある間違いをオペレータが修正することができるという利点を有する。変更された拒絶データは、変更されたプランニングデータの組を生成するために使用される。これは、装置が方法全体を繰り返す必要がなく、時間が節減されるという利点を有する。

以下では、以下の図を含む図面を参照して、単なる例として、本発明の好適実施形態を説明する。
自動プランニング及びＭＲＩ画像の収集を行うことが可能なＭＲＩシステムの一実施形態を概略的に示す機能図である。 本発明に係る方法の一実施形態を示すブロック図である。 横隔膜を自動的に検出する方法の一実施形態を例証する一連の冠状ＭＲＩ画像及び矢状ＭＲＩ画像である。 関心ボリュームの配置を示す冠状ＭＲＩ画像である。

図１は、本発明の実施形態を実行することが可能なＭＲＩスキャナ１００の一実施形態を示している。Ｂ０として知られる大きい磁場を作り出す静磁石１０８が存在している。Ｂ０場は、患者１１２内又はその他の物体内の核スピンをＢ０場に整列させることが可能である。患者１１２は上記磁石のボア内で支持台１１０上に置かれている。磁石のボア内には、磁場を調整することが可能な傾斜磁場コイル１０４も配置されている。撮像される患者１１２のボリュームに隣接して、送受信器コイル１１６がある。このコイルは、ＲＦ信号の送信及び受信を行う。送信モードにおいて、このコイルは、患者１１２内の核スピンの向きを操作するために使用される磁場の局所的な摂動を作り出すＲＦ信号を生成する。受信モードにおいて、フェイズドアレイ送受信器コイル１１６は、Ｂ０場内での核スピンの歳差運動によって生じたＲＦ信号を受信する。送受信器コイルの機能は、非常に一般的に、別個の送信器コイル及び受信器コイルに分割される。ここでは、送受信器コイルという用語は、これら双方の可能性を意味するものである。このコイル又はこれらのコイルの正確な設計は、実行されるＭＲＩ検査の種類に依存する。

傾斜磁場コイル１０４は傾斜磁場コイル制御ユニット１０２に接続されている。傾斜磁場コイル制御ユニット１０２は、制御可能な電流源を組み入れている。傾斜磁場コイルにエネルギーが与えられるとき、それらを流れる電流が、磁石のボア内の磁場の摂動を発生させる。この磁場の摂動は、Ｂ０場をより均一にするため、あるいは意図的に磁場に勾配を生じさせるため、の何れかのために使用されることができる。一例は、磁場勾配を使用して、核スピンがＢ０場内で歳差運動する周波数の空間エンコーディングを生じさせるものである。上記磁石は磁石制御ユニット１０６に接続されている。磁石制御ユニットは、磁石状態の制御及び監視を行うものである。

送受信器コイル１１６はＲＦ送受信器コイル制御ユニット１１４に接続されている。この制御ユニットは、送受信器コイルに印加されるＲＦ信号の位相及び振幅を制御することが可能な１つ又は複数のＲＦ発生器を組み入れている。

傾斜磁場制御ユニット１０２、磁石制御ユニット１０６及び送受信器コイル制御ユニット１１４は全て、制御システム１２０のハードウェアインタフェース１２２に接続されている。この制御システムはＭＲＩスキャナ１００の機能を制御する。制御システム１２０は、マイクロプロセッサ１２４に接続されたハードウェアインタフェース１２２及びユーザインタフェース１２６を有する。本発明の一実施形態は、マイクロプロセッサ１２４がコンピュータシステムであるものとし得る。ハードウェアインタフェース１２２は、マイクロプロセッサ１２４が傾斜磁場制御ユニット１０２、磁石制御ユニット１０６及びＲＦ送受信器制御ユニット１１４にコマンドを送信し且つそれらから情報を受信することを可能にする。ユーザインタフェース１２６は、オペレータがＭＲＩシステムの機能を制御することを可能にするとともに、ＭＲＩ画像を表示することができる。ＭＲＩシステム１００の制御とＭＲＩ画像を構築するためのＭＲＩデータの分析とを自動化するために、コンピュータプログラム製品がマイクロプロセッサによって使用される。コンピュータプログラム製品は、３Ｄボリュームモジュール１３０、エッジ検出モジュール１３２、解剖学的ランドマークモジュール１３４、第１のセグメント化モジュール１３６及び第２のセグメント化モジュール１３８なるソフトウェアモジュール群を有している。

ユーザインタフェース１２６は、オペレータが計画作成用データ（プランニングデータ）を図形的に精査することを可能にするよう機能するダイアログボックス１７０を有している。ダイアログボックス１７０は、プランニングデータをグラフィック表示する領域１８０と、オペレータがプランニングデータを承認あるいは拒絶することを可能にする領域１７２とを有している。プランニングデータを表示する領域１８０は、ＭＲＩ画像１８２及びＭＲＩプランニングデータ１８４をグラフィック表示するよう機能する。プランニングデータを承認あるいは拒絶するための領域１７２は、幾つかのボタンを有している。１つのボタン１７４はプランニングデータを承認する。その後、装置の実施形態は臨床ＭＲＩ画像を収集することへと進む。別の１つのボタン１７６は、装置に計画作成（プランニング）処理を繰り返させ、新たなプランニングデータセットを受け入れる。第３のボタン１７８は、オペレータが手動でプランニングデータを調整することを可能にし、１つ以上の関心ボリュームを調整することができる。

図２は、本発明を実行する方法の一実施形態を示している。先ず２００にて、マルチ２Ｄ画像が収集される。マルチ２Ｄ画像は、軸（アクシャル）平面、矢状（サジタル）面及び冠状（コロナル）面におけるスライス群のスタックからなる。心臓ＭＲＩ検査では、マルチ２Ｄ画像は、２０個のアクシャルスライスと、２０個のコロナルスライスと、２０個のサジタルスライスとからなる。マルチ２Ｄ画像は、２０２にて、線形補間を用いて３Ｄボリューム２０２を構築するために用いられる。そして、２０４にて、エッジ検出アルゴリズムを用いて、３Ｄボリュームにおけるエッジが検出される。３Ｄボリュームの各座標軸に沿ってソーベル（Sobel）オペレータが適用される。換言すれば、３Dボリュームの座標軸がｘ、ｙ及びｚである場合、ｘ方向、ｙ方向及びｘ方向にソーベルオペレータが適用される。理想的には、ｘ、ｙ及びｚ軸はＭＲＩスキャナの軸に揃えられる。これらの方向の各々におけるソーベルオペレータの適用は、３Ｄ勾配ベクトルを生み出す。

ソーベルオペレータはエッジを検出するのに有効であり、計算集約的ではない。ソーベルオペレータは特定の平面内のエッジを検出することができる。異なる複数の平面内のエッジが、クラスタリングを用いてともに接続される。すなわち、連結成分分析を用いて複数のエッジが位置付けられる。２０６にて、連結成分分析は、患者の生体構造との境界面を特定し、解剖学的なランドマークを特定する。これは、ソーベルフィルタの閾値応答を渡す各ボクセルの周りの区域を定めることによって良好に機能する。或る区域が、閾値応答を渡したボクセルの特定の距離内の隣接ボクセル群の領域として定められる。相互接続された複数の区域のグループによってクラスターが形成される。そして、各クラスターが、そのサ大きさ及び３Ｄボリューム内での位置に従って格付けされる。そして、最も高く格付けされたクラスターが、解剖学的なエッジであるとして特定される。解剖学的なエッジは、解剖学的な造形部の位置又は境界を定める表面である。解剖学的なエッジの例は、横隔膜、心膜の右壁、又は心膜の左壁である。そして、これら特定された解剖学的な造形部から一組の解剖学的なランドマークが得られる。これらの解剖学的なランドマークは、例えば中心、偏心度、境界ボックス、大域的な極度及び局所的な極度などのクラスターの特徴から特定される。これらの解剖学的なランドマークは主に、形状的な制約のある変形可能モデルの初期配置に使用される。

形状制約変形可能モデルの初期配置の後、２０８にて、３Ｄボリュームがセグメント化される。セグメント化は、患者の生体構造の形状を表す複数の異なるセグメントにボリュームを分割することとして定義される。セグメント化モジュールが、形状制約変形可能モデルを一組の特徴点にフィッティングする。特徴点は、特徴検出アルゴリズムを用いて、モデル及び画像データの双方を用いて計算される。モデル上の対応する点が特徴点に繰り返しフィッティングされる。セグメント化モジュールがメッシュの位置を調整した後、メッシュ及び／又はモデルから第２の組のランドマークが抽出される。そして、パターン認識モジュールが該第２の組の解剖学的なランドマークを用いてプランニングを実行する。最初の組の解剖学的なランドマークもパターン認識モジュールによって使用され得る。連結成分分析により、３Ｄボリューム内の３Ｄメッシュの当初位置が特定される。そして、セグメント化モジュールが３Ｄメッシュの位置を調整する。第２の組の解剖学的なランドマークが、メッシュ及び／又はモデルの組み合わせから抽出される。パターン認識モジュールが第２の組の解剖学的なランドマークを用いてプランニングを実行する。最初の組の解剖学的なランドマークもパターン認識モジュールによって使用され得る。連結成分分析により、３Ｄボリューム内の３Ｄメッシュの当初位置が特定される。そして、セグメント化モジュールが３Ｄメッシュの位置を調整する。第２の組の解剖学的なランドマークが、メッシュ及びモデルの組み合わせから抽出される。２１０にて、第２の組の解剖学的なランドマークを用いて、様々な関心ボリュームが第１のパターン認識モジュールによって決定される。

第１のパターン認識モジュールは訓練可能なモジュールとして実現され得る。このモジュールは訓練用画像を用いて教育される。関心ボリュームが決定された後、２１２にて、準備ＭＲＩ画像が関心ボリューム内で収集される。多くの場合、２つ以上の関心ボリュームが決定され、これらの更なるボリュームも撮像されるか、あるいは既に説明した多様なＭＲＩ技術のうちの１つがそれに適用されるかの何れかが行われる。そして２１４にて、第２のセグメント化モジュールを用いて準備ＭＲＩ画像がセグメント化される。セグメント化により得られた３次元メッシュから解剖学的なランドマークが抽出される。そして２１６にて、これらの解剖学的なランドマークが第２のパターン認識モジュールによって使用され、臨床ＭＲＩ画像が計画される。最後に２１８にて、臨床ＭＲＩ画像が収集される。

図３は、２つのグループの画像３０２、３０４、３０６、３０８、３１０、３１２を示している。

上段の画像３０２、３０６、３１０は、心臓を通る冠状面を示している。上段の画像３０２、３０６、３１０では、横隔膜上に位置する心臓を視認することができる。上段の画像３０２、３０６、３１０内に示した縦線３１４は、下段の画像３０４、３０８、３１２に示したサジタルスライスの位置を示している。下段の画像３０４、３０８、３１２は、横隔膜を示す正中矢状面を示している。これらの画像では横隔膜と肺とを視認することができる。下段の画像３０４、３０８、３１２内の縦線３１６は、上段の画像３０２、３０６、３１０に示したコロナルスライスの位置を示している。

画像３０２及び３０４は当初のＭＲＩ画像を表示している。画像３０６及び３０８は、縦方向にソーベルオペレータが適用された後の画像を示している。

勾配ベクトルの大きさ又は長さに第１の閾値を適用することによって、横隔膜が図２内で特定される。閾値の適用は、画像内の個々の画素を、その値が特定の閾値より大きい場合に目的画素としてマークする処理として定義され、正規化された勾配と所定の方向との間でのスカラー積が計算される。この所定の方向はｚ方向と一致する。心膜の右壁の特定は、図２では例証されていないが、上記所定の方向がｘ方向であること以外は同じ方法を用いて特定されることが可能である。同様に、心膜の左壁は、傾斜したｘ−ｚ平面内にある所定の方向を用いて特定される。傾斜したｘ−ｚ平面内でのエッジ検出は、ｘ及びｚボクセルを傾斜に従って重み付けすることによって得られる。例えば、所望の方向が（ｘ＝０．５、ｚ＝０．８６６）である場合、重み付けはこれらの数を重みとして使用する。

画像３０６、３０８、３１０及び３１２内に示される明るい画素３１８は、勾配ベクトルの大きさが特定の値より大きく且つｚ方向及び正規化された勾配のスカラー積が第２の値より大きい箇所を示している。画像３１０及び３１２は、第１のセグメント化モジュールを用いて位置付けられた後のメッシュ３２０の位置を示している。画像３１０及び３１２内に示されたメッシュ３２０は、相異なるスライスから見たものであるが同一のものである。メッシュの当初位置は、連結成分クラスタリングを用いて決定されたものである。これは、解剖学的ランドマークモジュールの一実施形態である。メッシュの当初位置は、メッシュの位置を調整するために第１のセグメント化モジュールの一実施形態によって使用される。メッシュの近くに位置しない明るい画素３１８が画像内に見えている。これらの明るい画素は、連結成分分析によって決定される最も高く格付けされたクラスターに属するものではなく、故に無視される。図３に示した画像は、ｚ方向での位置決めを示すのみである。本発明のこの実施形態において、この処理は、形状制約変形可能モデルを心膜の右壁上に位置付けるためにｘ方向で繰り返され、形状制約変形可能モデルを心膜の左壁上に位置付けるために傾斜ｘ−ｚ面内で繰り返される。

図４は、本発明の一実施形態の一例を示すために使用される。図４は、第１のパターン認識モジュール１４０によって配置された関心ボリュームの位置を示している。この図は、シムボリューム４０２、スタックボリューム４０４及びナビゲータビームボリューム４０６の位置を示している。一部のＭＲＩ検査では、臨床ＭＲＩ画像を計画するために逐次的な（シーケンシャル）手法が用いられる。例えば、心臓検査においては、診断スキャンを自動プランニングするために２つの調査（サーベイ）画像が必要とされる。第１のＭＲＩスキャンは、人体の低分解能マルチ２Ｄマルチスタックサーベイであり、心臓及び横隔膜の位置を特定するために使用される。これは完了するのに約１２秒を要する。これにより、マルチ２Ｄ ＭＲＩ画像が生成される。第２のＭＲＩスキャンは、第１のサーベイからの情報を用いて心臓上で計画される高分解能３Ｄサーベイである。このサーベイは約６０秒を要する。このサーベイのプランニングは図４に示されている。ＭＲＩスライス４００の平面内への３Ｄボリュームの投影が、ボックス４０４によって指し示されている。ボックス４０２はシムボリュームの位置を示している。ボックス４０６はナビゲータビームボリュームである。ナビゲータビームは、特定のＭＲＩ画像のデータが収集されて患者の呼吸の影響を補償するように用いられるときに、横隔膜の位置を決定するために使用される。３Ｄサーベイは、診断スキャンを計画するための情報を提供する。これは、例えば心臓構造の位置及び生体構造の向きなどの情報を含む。

心臓ＭＲ検査は実行するのが難しく、手動プランニングは困難であるとともに時間を消費する。自動化されたシーケンシャルスキャンプランニングは、心臓ＭＲＩ検査を実行するのに必要な時間を短縮する。シーケンシャルスキャンプランニングの恩恵を受け得る別の１つの用途は連続移動床撮像である。連続移動床撮像の一例は、先ず、ＭＲＩスキャナ内に移動するベッド上に患者がいながらにして、ＭＲＩデータを収集するものである。ベッドは関心生体構造（例えば、肝臓）が発見されると停止される。そして、特定の幾何学配置を有するＭＲＩ画像が、パターン認識ソフトウェアを用いて自動的に計画され、肝臓に焦点を合わせるように収集される。この第２のサーベイから、専用の臨床ＭＲＩ画像を計画するための情報が抽出され得る。移動床撮像は如何なる腹部臓器にも使用されることができる。

例：ＣＯＭＢＩの改良
本発明の実施形態がどのように連続移動床撮像（COntinuous Moving Bed Imaging；ＣＯＭＢＩ）と統合され得るか、又はマルチステーション撮像がどのようにシーケンシャルスキャンプランニングを可能にするかの一例と詳述する。実施形態は、臨床ＭＲＩ検査のための患者の位置決めについての基本的な前提を自動的且つ一貫して満足することができる。自動スキャンプランニングへの逐次的なアプローチは、作業フロー、並びに臨床画像の収集に関する信頼性、一貫性及び品質における改善を可能にする。

患者の準備は全てのＭＲＩ検査の作業フローにおける重要な工程である。数多くの任務の中でもとりわけ、オペレータは患者の位置決め（頭部からｖｓ．脚から、うつ伏せｖｓ．仰向け）を決定し、検査対象の生体構造が磁石の中心感度ボリューム内にあるようにテーブル位置を調整する。

正確なテーブル調整のため、オペレータは深い解剖学的知識と特定位置のプロトコル依存傾向についての知識とを必要とする。ライトバイザーと呼ばれている装置は、ＭＲＩシステムの中心感度ボリュームに関する固定基準点を指し示し、これはテーブル調整の手助けとなる。しかしながら、これはまた、患者を堅実に位置付けるように正確に使用するために必要な、プロトコルの指針及び撮像対象の生体構造に関する知識を追加する。

現行のスキャンプランニング技術の性能は、患者の正確な位置決めに依存する。利用可能となっているスキャンプランニング技術は、解剖学的な変動性、病理、及び位置の変動性を取り扱うことが可能であるが、依然として、解剖学的な認識及び臨床ボリュームのプランニングが実行されるサーベイのＦＯＶ内に特定の生体構造があることを前提としている。不正確な患者の位置決めは、この基本的な前提を違反する結果となり得る。故に、それは自動スキャンプランニングの失敗の一因である。

ＣＯＭＢＩは、ＭＲＩシステム用の撮像技術であり、患者が上に配置されたテーブルが間断なく移動している間に画像を収集する。ＣＯＭＢＩは、故に、従前のマルチステーション画像ボリュームと同等の非常に大きいＦＯＶを有する画像ボリュームを生成することができる。マルチステーション手法は、全てのボリュームが一緒になって完全なＦＯＶをカバーすると同時に可能な限り小さい重なり合いを有するように、１つのステーションから次の中間ステーションへと移動していく異なる領域の複数の画像ボリュームを必要とする。

ＣＯＭＢＩ技術は、ここ数年、典型的に全身撮像（Aldefeld，B．等、「Continuously moving table 3D MRI with lateral frequency-encoding direction」、Magn．Reson．Med．、2006年、第55巻、第5号、pp.1210-1216）及び脂肪画分評価のための水−脂肪分離と組み合わされた全身撮像（Boernert，P．等、「Whole-body 3D water/fat resolved continuously moving table imaging」、J．Magn．Reson．Imag．、2007年、第25巻、第3号、pp.660-665）に適用して実施されてきている。

故に、極めて大きいＦＯＶを有する画像ボリュームを収集するＣＯＭＢＩ又はマルチステーションの能力は、自動スキャンプランニング技術に対するシーケンシャルアプローチに現れる作業フローの改善のための鍵となる実現要素である。

シーケンシャルスキャンプランニング手法の仕組みにＣＯＭＢＩ又はマルチステーション技術を用いると、サーベイ用のＦＯＶについての基本的な前提を、オペレータの介入なく、自動的に一貫して満足することができる。この技術は特に、肝臓を撮像することに適用可能である。肝臓は、その位置、大きさ及び形状が患者の外部からは明白に決定されない器官だからである。

この適用の一実施形態は以下のように進められる。

患者の準備は、非常に大まかなテーブル調整のみが行われるという違いは別として、従前通りとし得る。収集される第１のサーベイが全身サーベイである状況において、テーブル調整は行われる必要がない。この場合、シーケンシャルアプローチの第１段階に対する基本的な前提は、患者の何らかの部分がＭＲＩシステムの中心感度ボリューム内にないということである。

ＣＯＭＢＩ技術又はマルチステーション撮像を用いることは、専用のシーケンスとともに実行される。非常に大きいＦＯＶ（例えば、全身）を有する第１のサーベイが収集される。上記シーケンスは、臨床撮像されるべき生体構造が位置する領域（例えば、上腹部）内に良好なコントラストを与えるように設計される。

ａ）画像処理技術を用いて、器官（例えば、肝臓）及びその周辺領域の位置が第１のサーベイ内で特定され、それに従ってランドマークが抽出される。全身サーベイ内で肝臓を検出する画像処理はテーブルの進行速度に関してリアルタイムに行われ得ることが示されており（Dries，S等、「MR Travel to Scan Image Processing for Real-Time Liver Identification」、2008年、Proc．ISMRM 16、p.3170（Ｄｒｉｅｓとして引用））、その結果、臨床撮像されるべき器官及びその周辺領域がいったん検出されるサーベイを中止することができ、それ故に収集時間が節減される。

ｂ）抽出されたランドマークに基づいて、ＭＲＩシステムは、臨床撮像されるべき生体構造の領域（例えば、肝臓撮像の場合の上腹部）に焦点を当てる第２のサーベイの位置、向き及び範囲を自動的に計画する。

先の工程からのプランニングデータを用い、第２のサーベイが専用シーケンスを用いて収集される。この第２のサーベイは、最初にオペレータがテーブルの位置を手動調整していた従来の手法において収集される単一のサーベイと同じ目的を果たし、故に、それと同等の画像品質特性を有する。

ａ）画像処理技術を用いて、臨床撮像されるべき器官（例えば、肝臓）が第２のサーベイ内で正確に検出され、それに従ってランドマークが抽出される。

ｂ）抽出されたランドマークに基づいて、ＭＲＩシステムは、臨床撮像の位置、向き及び範囲を自動的に計画する。

そして、臨床画像が収集される。

上述のプロセスは、以下の点でＭＲＩ検査の改善を構成する：
作業フロー：患者の準備が短縮され、患者の位置決めにおける誤差、又はオペレータによるライトバイザーの正しくない使用が回避される；
一貫性／信頼性：ＦＯＶについての基本的な前提が自動的に満たされ、第２のサーベイの位置的な一貫性が単一の手動サーベイと比較して向上され、ひいては、このサーベイでの自動スキャンプランニング技術の信頼性も向上される；
品質：上述の利点に加えて、シーケンシャルアプローチは、例えば収集されるべきその後のシーケンスに対して予期される組織応答を指し示すインジケーションなど、患者の特性についての更なる情報を生み出すことができる。これは、許容可能なコントラストを得ることに関して後続のシーケンスを調整する手段となり、故に、許容できないコントラスト又は誤った位置決めに起因してシーケンスを繰り返すことが必要になる可能性が低減される。

例：一組の椎間板変性症画像の収集
この例は、自動化されたサーベイが実行された後に２つの臨床ＭＲＩ画像の逐次的な自動収集が行われる、本発明の一実施形態を例証するものである。第１の臨床ＭＲＩ画像は、第２の臨床ＭＲＩ画像を計画するために使用される。この応用により、完全に自動化された椎間板変性症の収集を詳述する。例えば、椎間板は下部脊椎にあるものとし得る。この異常状態は腰背部の痛みなどヘルニアに至る数多くの問題を生じさせ得るため、これは臨床的に意義のあるものである。高齢者及び肥満者の増加により、この種の検査はますます重要になりつつある。１つ以上の椎間板が病理変化を有することがあり、これらは脊柱内の何れかに位置し得る。

ＭＲＩを用いて臨床画像を収集する古典的な方法は幾つかのステップを含む。最初に、サーベイスキャンが実行される。このスキャンを用いて、オペレータは幾つかの幾何学要素を手動で配置し、高解像度サジタルＴ２画像を収集する。この画像から、オペレータは（存在する場合に）変性椎間板を特定する。これは、オペレータの専門知識及びスキャン時の注意を頼りにする。オペレータが注意散漫である場合、病変が見落とされ得る。一部のケースでは、更なる撮像を指定するために放射線医が必要とされ得る。これは、医師のスケジュール及び作業フローを分断させてしまう。選択された各椎間板が手動で計画され、（積み重なった（スタック状の））椎間板を含む臨床用のアクシャル高解像度Ｔ２画像が収集される。３Ｄ収集には、各椎間板に関して順々に正確な角度で最適の解像度を得るために、複数のスタックが好ましいが、各スタックは更なるスキャン時間を要する。故に、病理変化を示す椎間板上のスタックのみを収集することが通常である。

自動シーケンシャルプランニングは、複数の幾何学要素を計画し、脊髄の部分領域を選択し、臨床的に興味のある椎間板を選択し、それらを正確な向きで収集する作業からオペレータを解放することができる。

この方法は５つのステップで構成され、そのうち３つはＭＲ収集ステップであり、２つは処理ステップである。各処理ステップは、先行する画像収集から情報を自動抽出するために用いられ、臨床的に意義のある幾何学配置及び向きでの次の収集の自動実行を可能にする。

詳細には、この方法の一実施形態は以下から構成される。

脊髄全体の低解像度の高ＦＯＶ ＭＲＩ画像を収集する。これは、２つのステーションが自動的に互いに‘くっつけられる’マルチステーション収集とし得る。一般的に、この収集は、時間の節減のため、低空間分解能のサーベイ型とし得る。しかしながら、このサーベイは、後続のスキャンを自動的に計画することを可能とするのに用いるコンピュータを用いて関連ある特徴を自動抽出するのに十分な情報を含む。

椎間板の位置をおおまかに特定し、それらに注釈を付け、椎間板上にランドマークを位置付けるよう機能する処理アルゴリズムを用いて、椎間板の位置を特定する。第２のアルゴリズムを用いて、ランドマークの組が、ランドマーク及び幾何学配置のデータベースとマッチングされ、このマッチングから、この場合の脊髄配置の好適な向きが計算され得る。この段階で、各椎間板又は椎間板群の部分集合に対して、好適な幾何学配置を計算することができる。この種の処理は文献（International Society for Magnetic Resonance in Medicine 2008、Medical Image Computing and Computer-Assisted Intervention 2007）に記載されている。

ステップＢから計算された脊髄配置を用いて、高解像度サジタルＴ２画像を収集する。これは、臨床的に意義のある領域、例えばＬ１−Ｌ５を含む脊髄のランバー部、に基づいて自動的に行われる。この画像は臨床検査に使用され得る。しかしながら、この画像は、Ｔ１２とＳ１との間の椎間板が変性しているか否かを推定するコンピュータアルゴリズム用の‘サーベイ’としても使用され得る。より具体的には、このアルゴリズムは、各椎間板の表面を評価するセグメント化アルゴリズムで構成され得る。そして、形状及び／又は信号コントラストに基づく基準を用いて、変性しているか否かの決定が椎間板ごとに行われ得る。脊髄のセグメント化アルゴリズムは周知であり（例えば、Medical Image Computing and Computer-Assisted Intervention 2008を参照）、椎間板に対して容易に拡張されることができる。特に、各椎間板の位置及び大まかな向きは、Ｂから既に分かっている。有用な参考文献は、Violas，E．Estivalezes、J．Briot、J．Sales de Gauzy、P．Swider、Magn．Reson．Imaging、第25巻、pp.386-391、Jill P．G．Urban、C．Peter Winlove、J．Mag．Reson．Imaging、2007年、第25巻、pp.419-432、及びM．S，Saifuddin A．、Clin Radiol．、1999年、第54巻、pp.703-23である。

各椎間板について画像のスタックを収集する。何れの椎間板が変性しているかが分かっているとき、各椎間板の画像のスタックを含むように収集が設定され得る。各椎間板の好適な向きは知られているので、これが考慮に入れられ得る。各スタックは椎間板変性症についての臨床的に意義のある画像である。

例：臨床手関節撮像
この例は、２つの逐次的な自動サーベイスキャンが実行されて、臨床ＭＲＩ画像の収集を自動的に計画するために使用される本発明の一実施形態を例証するものである。この例により、完全に自動化された、手関節の臨床ＭＲＩ画像の収集を詳述する。ライトバイザーを用いた手関節の位置決めは時間を消費し且つ間違いを起こしやすいので、これは臨床的に意義のあるものである。これらの難しさのため、第１のサーベイはしばしば手関節の位置を特定するためにのみ収集される。そして、臨床画像の実際のプランニングに使用される手関節領域を拡大撮像する第２のサーベイが収集される。

自動シーケンシャルプランニングは、正確な手関節の位置に手動でズームインし、その後の臨床画像を計画する作業からオペレータを解放する。第１のサーベイは、手関節の位置を特定するために自動的に処理される。そして、第２のズームインされたサーベイが、最初の臨床画像を計画するために使用される。

詳細には、この方法の一実施形態は以下から構成される：
手関節領域の第１のサーベイスキャンを収集する。これは大きい視野のサーベイスキャンである；
第１のサーベイスキャンを処理して、手関節の位置を特定する。これは、生体構造の位置を特定するためのマスキング処理を用いて、あるいは生体構造内の細部を前々から明らかにする更に特殊化された処理を用いて実行され得る；
手関節の第２の局所化されたサーベイを収集する；
第２のサーベイを処理して、臨床ＭＲＩ画像を計画するためのプランニングデータを取得する；
臨床ＭＲＩ画像を収集する。

１００ ＭＲＩスキャナ
１０２ 傾斜磁場コイル制御ユニット
１０４ 傾斜磁場コイル
１０６ 磁石制御ユニット
１０８ 磁石
１１０ 患者支持台
１１２ 患者
１１４ ＲＦ送受信器コイル制御ユニット
１１６ フェイズドアレイ送受信器コイル
１２０ 制御システム
１２２ ハードウェアインタフェース
１２４ マイクロプロセッサ又はコンピュータ
１２６ ユーザインタフェース
１２８ コンピュータプログラム製品
１３０ ３Ｄボリュームモジュール
１３２ エッジ検出モジュール
１３４ 解剖学的ランドマークモジュール
１３６ 第１のセグメント化モジュール
１３８ 第２のセグメント化モジュール
１４０ 第１のパターン認識モジュール
１４２ 第２のパターン認識モジュール
１７０ ダイアログボックス
１７２ 選択行為用の領域
１７４ 提案されたスキャンパラメータを承認するためのボタン
１７６ 提案されたスキャンパラメータをやり直すためのボタン
１７８ オペレータがスキャンパラメータを調整することを可能にするためのボタン
１８０ 提案されたスキャンパラメータを表示する領域
１８２ ＭＲＩ画像
１８４ プランニングデータの図形表示
２００ マルチ２Ｄ画像を収集
２０２ ３Ｄボリュームを構築
２０４ エッジ検出
２０６ 解剖学的ランドマークを特定
２０８ ３Ｄボリュームをセグメント化
２１０ 関心ボリュームを決定
２１２ 準備ＭＲＩ画像を収集
２１４ 準備ＭＲＩ画像をセグメント化
２１６ 臨床ＭＲＩ画像を計画
２１８ 臨床ＭＲＩ画像を収集
３０２ 心臓を通る冠状ＭＲＩ画像
３０４ 横隔膜を示す矢状ＭＲＩ画像
３０６ ソーベルオペレータで処理された画像３０２
３０８ ソーベルオペレータで処理された画像３０４
３１０ 横隔膜上のメッシュの最終配置を示す画像３０６
３１２ 横隔膜上のメッシュの最終配置を示す画像３０８
３１４ 画像３０４、３０８及び３１２に示された矢状面の位置
３１６ 画像３０２、３０６及び３１０に示された冠状面の位置
３１８ 明るい画素
３２０ メッシュ
４００ ＭＲＩ画像
４０２ シムボリューム
４０４ サーベイスタック
４０６ ナビゲータボリューム

Claims (15)

1. 装置によって、被検体の少なくとも１つの臨床ＭＲＩ画像を収集する方法であって：
   − 前記装置によって第１の視野を有する第１のサーベイ画像を収集するステップであり、該第１のサーベイ画像は第１の空間解像度を有する、ステップと、
   − 前記装置によって前記第１のサーベイ画像内で第１の関心領域及び解剖学的なランドマークの組の位置を特定するステップと、
   − 前記装置によって前記解剖学的なランドマークの組を用いて前記第１の関心領域の位置及び向きを決定するステップであり、前記第１の関心領域の該位置及び該向きは、第２のサーベイ画像を計画するために使用される、ステップと、
   − 前記装置によって第２の視野を有する前記第２のサーベイ画像を収集するステップであり、前記第２のサーベイ画像は第２の空間解像度を有し、該第２の空間解像度は前記第１の空間解像度より高い、ステップと、
   − 前記装置によって前記第２のサーベイ画像を用いて解剖学的な関心領域についての配置計画を生成するステップと、
   − 前記装置によって前記配置計画を用いて前記解剖学的な関心領域の診断画像を収集するステップと、
   を有する方法。
2. 前記装置によって第１の視野を有する第１のサーベイ画像を収集する前記ステップは：
   − 予め選択されたパラメータセットを用いて前記被検体のマルチ２Ｄ ＭＲＩ画像を収集することを有し、該マルチ２Ｄ ＭＲＩ画像は前記被検体の生体構造の概観を与えるスライス群の集合を有し、
   前記装置によって前記第１のサーベイ画像内で第１の関心領域及び解剖学的なランドマークの組の位置を特定する前記ステップは：
   − ３Ｄボリュームモジュールを用いて、前記マルチ２Ｄ ＭＲＩ画像から３Ｄボリュームを構築することと、
   − エッジ検出モジュールを用いて、前記３Ｄボリューム内でエッジの組を検出することと、
   − 前記エッジの組を用い、解剖学的ランドマークモジュールを用いて、前記３Ｄボリューム内で前記解剖学的なランドマークの組を特定することと、
   − 第１のセグメント化モジュールを用い、前記解剖学的なランドマークの組を用いて第１の形状制約変形可能モデルをフィッティングすることによって、前記３Ｄボリュームを自動的にセグメント化することと、を有し、
   前記装置によって前記解剖学的なランドマークの組を用いて前記第１の関心領域の位置及び向きを決定する前記ステップは：
   − 第１のパターン認識モジュールを用いて、後のＭＲＩデータの収集に必要な、前記セグメント化された３Ｄボリューム内の関心ボリュームを決定することを有し、
   前記装置によって第２の視野を有する前記第２のサーベイ画像を収集する前記ステップは：
   − 前記関心ボリュームの１つ以上の準備ＭＲＩ画像を収集することを有し、
   前記装置によって前記第２のサーベイ画像を用いて解剖学的な関心領域についての配置計画を生成する前記ステップは：
   − 第２のセグメント化モジュールを用い、第２の形状制約変形可能モデルを用いて前記１つ以上の準備ＭＲＩ画像をセグメント化することと、
   − 前記セグメント化された１つ以上の準備ＭＲＩ画像を用い、第２のパターン認識モジュールを用いて、臨床ＭＲＩ画像を計画するためのプランニングデータの組を生成することと、を有し、且つ
   前記装置によって前記配置計画を用いて前記解剖学的な関心領域の診断画像を収集する前記ステップは：
   − 前記プランニングデータの組を用いて１つ以上の臨床ＭＲＩ画像を収集することを有する、
   請求項１に記載の方法。
3. 前記マルチ２Ｄ ＭＲＩ画像、前記３Ｄボリューム、前記エッジの組、前記解剖学的なランドマークの組、前記セグメント化された３Ｄボリューム、前記関心ボリューム、前記１つ以上の準備ＭＲＩ画像、及び前記セグメント化された１つ以上の準備ＭＲＩ画像、のうちの少なくとも１つが、臨床ＭＲＩ画像を計画するための第２のプランニングデータの組を生成するための再利用のために、コンピュータデータ記憶装置に格納される、請求項２に記載の方法。
4. 前記第１のパターン認識モジュールは複数の関心領域を決定し、前記第１のパターン認識モジュールは各関心ボリュームを第１の部分集合、第２の部分集合又は第３の部分集合の何れか内にあるように選択し、前記第１の部分集合の各要素及び前記第３の部分集合の各要素の１つ以上のＭＲＩ画像が収集され、前記第２の部分集合の各要素及び前記第３の部分集合の各要素は、磁化プリパレーションパルス、脂肪抑制パルス、血液スピンラベリング（ＡＳＬ）、リージョナル・サチュレーション・テクニック（ＲＥＳＴ）、スペクトラル・プレサチュレーション・インバージョン・リカバリー（ＳＰＩＲ）、インバージョン、ナビゲータビーム、Ｂ１シミング、及びＢ０シミングからなる群から選択されたＭＲＩ技術を適用され、全ての前記関心ボリュームから収集されたＭＲＩデータが、前記プランニングデータを生成するために前記第２のパターン認識モジュールによって使用される、請求項２又は３に記載の方法。
5. 前記第１のパターン認識モジュール及び／又は前記第２のパターン認識モジュールは、訓練型のパターン認識モジュールである、請求項２乃至４の何れか一項に記載の方法。
6. 前記解剖学的ランドマークモジュールは、特徴識別アルゴリズムを実装したものである、請求項２乃至５の何れか一項に記載の方法。
7. 請求項１乃至６の何れか一項に記載の方法を実行するためのコンピュータ実行可能命令セットを有するコンピュータプログラム。
8. 被検体の臨床ＭＲＩ画像を収集する装置であって：
   − 第１の視野を有する第１のサーベイ画像を収集する手段であり、該第１のサーベイ画像は第１の空間解像度を有する、手段と、
   − 前記第１のサーベイ画像内で第１の関心領域及び解剖学的なランドマークの組の位置を特定する手段と、
   − 前記解剖学的なランドマークの組を用いて前記第１の関心領域の位置及び向きを決定する手段であり、前記第１の関心領域の該位置及び該向きは、第２のサーベイ画像を計画するために使用される、手段と、
   − 第２の視野を有する前記第２のサーベイ画像を収集する手段であり、前記第２のサーベイ画像は第２の空間解像度を有し、該第２の空間解像度は前記第１の空間解像度より高い、手段と、
   − 前記第２のサーベイ画像を用いて解剖学的な関心領域についての配置計画を生成する手段と、
   − 前記配置計画を用いて前記解剖学的な関心領域の診断画像を収集する手段と、
   を有する装置。
9. 第１の視野を有する第１のサーベイ画像を収集する前記手段は：
   − 予め選択されたパラメータセットを用いて前記被検体のマルチ２Ｄ ＭＲＩ画像を収集する手段を有し、該マルチ２Ｄ ＭＲＩ画像は前記被検体の生体構造の概観を与えるスライス群の集合を有し、
   前記第１のサーベイ画像内で第１の関心領域及び解剖学的なランドマークの組の位置を特定する前記手段は：
   − ３Ｄボリュームモジュールを用いて、前記マルチ２Ｄ ＭＲＩ画像から３Ｄボリュームを構築する手段と、
   − エッジ検出モジュールを用いて、前記３Ｄボリューム内でエッジの組を検出する手段と、
   − 解剖学的ランドマークモジュールを用いて、前記３Ｄボリューム内で前記解剖学的なランドマークの組を特定する手段と、
   − 第１のセグメント化モジュールを用い、前記解剖学的なランドマークの組を用いて形状制約変形可能モデルをフィッティングすることによって、前記３Ｄボリュームを自動的にセグメント化する手段と、を有し、
   前記解剖学的なランドマークの組を用いて前記第１の関心領域の位置及び向きを決定する前記手段は：
   − 解剖学的ランドマークモジュールを用いて、前記３Ｄボリューム内で前記解剖学的なランドマークの組を特定する手段と、
   − 第１のセグメント化モジュールを用い、前記解剖学的なランドマークの組を用いて形状制約変形可能モデルをフィッティングすることによって、前記３Ｄボリュームを自動的にセグメント化する手段と、
   − 第１のパターン認識モジュールを用いて、後のＭＲＩデータの収集に必要な、前記セグメント化された３Ｄボリューム内の関心ボリュームを決定する手段と、を有し、
   第２の視野を有する前記第２のサーベイ画像を収集する前記手段は：
   − 前記関心ボリュームの１つ以上の準備ＭＲＩ画像を収集する手段を有し、
   前記第２のサーベイ画像を用いて解剖学的な関心領域についての配置計画を生成する前記手段は：
   − 第２のセグメント化モジュールを用い、形状制約変形可能モデルを用いて前記１つ以上の準備ＭＲＩ画像をセグメント化する手段と、
   − 前記セグメント化された１つ以上の準備ＭＲＩ画像を用い、第２のパターン認識モジュールを用いて、臨床ＭＲＩ画像を計画するためのプランニングデータの組を生成する手段と、を有し、且つ
   前記配置計画を用いて前記解剖学的な関心領域の診断画像を収集する前記手段は：
   − 前記プランニングデータの組を用いて１つ以上の臨床ＭＲＩ画像を収集する手段を有する、
   請求項８に記載の装置。
10. 前記マルチ２Ｄ ＭＲＩ画像、前記３Ｄボリューム、前記エッジの組、前記解剖学的なランドマークの組、前記セグメント化された３Ｄボリューム、前記関心ボリューム、前記１つ以上の準備ＭＲＩ画像、及び前記セグメント化された１つ以上の準備ＭＲＩ画像、のうちの少なくとも１つを、臨床ＭＲＩ画像を計画するための第２のプランニングデータの組を生成するための再利用のために、コンピュータデータ記憶装置に格納する、ように更に動作する請求項９に記載の装置。
11. 前記第１のパターン認識モジュール及び／又は前記第２のパターン認識モジュールは、訓練型のパターン認識モジュールである、請求項９又は１０に記載の装置。
12. 前記解剖学的ランドマークモジュールは、特徴識別アルゴリズムを実装したものである、請求項９乃至１１の何れか一項に記載の装置。
13. 前記第１のパターン認識モジュールは複数の関心領域を決定するよう動作し、前記第１のパターン認識モジュールは各関心ボリュームを第１の部分集合、第２の部分集合又は第３の部分集合の何れか内にあるように選択するよう動作し、当該装置は前記第１の部分集合の各要素及び前記第３の部分集合の各要素の１つ以上のＭＲＩ画像を収集するよう動作し、当該装置は前記第２の部分集合の各要素及び前記第３の部分集合の各要素に、磁化プリパレーションパルス、脂肪抑制パルス、血液スピンラベリング（ＡＳＬ）、リージョナル・サチュレーション・テクニック（ＲＥＳＴ）、スペクトラル・プレサチュレーション・インバージョン・リカバリー（ＳＰＩＲ）、インバージョン、ナビゲータビーム、Ｂ１シミング、及びＢ０シミングからなる群から選択されたＭＲＩ技術を適用するよう動作し、全ての前記関心ボリュームから収集されたＭＲＩデータが、前記プランニングデータを生成するために前記第２のパターン認識モジュールによって使用される、請求項９乃至１２の何れか一項に記載の装置。
14. 前記臨床ＭＲＩスキャンが収集される前に前記プランニングデータの組を図形的に表示するよう動作するユーザインタフェースを更に有し、前記ユーザインタフェースは、前記プランニングデータの組を承認あるいは拒絶することを含むオペレータ選択を入力するための入力手段を有し、承認の場合には前記１つ以上の臨床ＭＲＩ画像の収集が実行され、拒絶の場合には前記ユーザインタフェースは拒絶データの組を表示し、前記拒絶データは、前記マルチ２Ｄ画像、前記３Ｄボリューム、前記エッジ、前記解剖学的なランドマーク、前記セグメント化された３Ｄボリューム、前記関心ボリューム、前記１つ以上の準備ＭＲＩ画像、前記セグメント化された１つ以上の準備ＭＲＩ画像、及び前記プランニングデータ、のうちの少なくとも１つを有する、請求項９乃至１３の何れか一項に記載の装置。
15. 前記ユーザインタフェースは、前記拒絶データの組の手動変更を受信するよう動作し、変更された拒絶データは、変更されたプランニングデータの組を生成するために使用され、該変更されたプランニングデータの組を用いて１つ以上の臨床ＭＲＩ画像が収集される、請求項１４に記載の装置。

Images