JP5873440B2 - 自動セグメンテーション及び時間的追跡方法 - Google Patents

Description

本発明は、一般的に云えば、医用イメージングに関し、より詳しく云えば、実時間３次元超音波（実時間３ＤＵＳ）イメージングのための改良セグメンテーション(segmentation)及び追跡方法に関するものである。

医学的処置によっては、人体の血管の中にカテーテルを挿入することが必要である。中心カテーテルの挿入は、現在では、目で確かめられずに遂行し、次いで医学的処置の完了後にＸ線で確認している。Ｘ線イメージングは、小さい血管を見るのに適切な分解能を持っているが、放射線に関係した合併症を惹起する虞がある。

虚弱な幼児を含む患者にとって改善された一層安全な医療のために、臨床医師がカテーテル挿入操作を行うのに役立つように、実時間３Ｄ超音波イメージングを現在のＸ線イメージングに付加し又はそれと徐々に置き換えることが提案されている。

放射線の無い実時間での超音波のイメージング能力は、Ｘ線に基づくイメージングよりも、介入（インターベンション）処置を導くための魅力的な選択肢である。更に、実時間での超音波画像の使用は、幼児についての治療成績の改善及び医学的処置の素早い完了を含めて、様々なやり方での医学的処置の実施を容易にすることができる。しかしながら、超音波画像は、スペックル・ノイズが大きく且つ空間分解能が低いという欠点がある。一方の手でプローブを保持して掃引し且つ他方の手でカテーテルで微妙に操作して、両方の手が塞がっているとき、臨床医師が、生の実時間の画像内で動いてる血管を視覚化し且つ追跡するのは難しい。臨床文献によれば、中心カテーテルの不適切な位置決めは、虚弱な患者の死を招く虞のある重大な合併症の原因と疑われている。

他方、診断行為を行うとき、上記のような処置を行う医療従事者は、超音波を使用する訓練を受けていず、従って、医用超音波システムによって取得された画像に慣れていない。従来では、視覚化を向上させるために超音波イメージング方法を用いることのできるやり方を記述する幾つかの方法が提案されている。

これらの従来の方法に伴う制約には、画像品質及び信号対ノイズ比が低いこと、関心のある血管の動き(motion)が大きいこと、関心のある血管のサイズが小さいこと、アーティファクト等に起因して血管が部分的に消失すること、関心のある血管の近辺にある構造及び／又は血管に起因してデータ中にクラッタ(clutter) が生じること、データのフレーム速度が高いこと、並びにデータ取得速度に見合ったセグメンテーション及び追跡が必要であること、が挙げられる。

詳しく述べると、従来の方法の１つでは、１つの２Ｄスライス内の血管断面をセグメント化し、次いで１つの３Ｄボリューム内で該セグメント化された血管を追跡するアルゴリズムが記述されている。この方法は、時間的追跡の課題に対処していない。すなわち、該方法は、動きを考慮するために時間につれて血管のセグメンテーションを更新することを記述していない。

血管のセグメンテーション又は他の管状構造のセグメンテーションのための幾つかの手法が、他のイメージング・モダリティのために提案されている。しかしながら、それらの方法は、超音波データ及び時間的追跡の用途には適用可能ではない。

従って、簡単であり、また視覚化し且つ理解するのが容易である時間効率の良い血管追跡手法を提供し、また複雑な環境においてロバスト(robust)であり、また演算効率の良い血管追跡方法についての必要性が存在する。

本書では上記の欠点、不利な点及び問題に対処し、それについては以下の説明を読むことによって理解されよう。

一実施形態では、血管のような脈管の中心線を検出する方法を提供する。本方法は、３Ｄ画像ボリュームを取得する段階と、中心線を初期設定する段階と、カルマン・フィルタ(Kalman filter) を初期設定する段階と、前記カルマン・フィルタを用いて次の中心点を予測する段階と、前記行った予測の妥当性を検査する段階と、測定誤差を推定するために中心線検出に基づいたテンプレート・マッチング(matching)を遂行する段階と、前記テンプレート・マッチングに基づいてカルマン・フィルタを更新する段階と、前記の予測する段階、検査する段階、遂行する段階及び更新する段階を、脈管の末端まで又は所定の回数だけ繰り返す段階とを有する。

別の実施形態では、脈管の表面輪郭を生成するための自動セグメンテーション方法を提供する。本方法は、脈管断面を初期設定する段階と、繰返しカウンタを初期設定する段階と、能動輪郭を脈管境界へ向かって展開させる段階と、最小二乗当てはめを用いて能動輪郭の展開から輪郭を正則化(regularize)する段階と、前記繰返しカウンタの値が所定の値よりも大きいかどうか判定する段階と、前記繰返しカウンタの値が所定の値よりも小さい場合、前記正則化された輪郭を用いて再初期設定を遂行する段階と、前記繰返しカウンタをインクリメントする段階と、脈管全体がセグメント化されるまで、前記の展開させる段階、正則化する段階、判定する段階及びインクリメントする段階を繰り返す段階と、を有する。

更に別の実施形態では、複数の断面を有する脈管をセグメント化する方法を提供する。本方法は、３Ｄ画像ボリュームを取得する段階と、予め設定された構成設定ファイル(configuration file)を用いて１つ以上のカルマン・フィルタ・パラメータを初期設定する段階と、セグメント化すべき脈管内の最初の中心点を選択する段階と、前記最初の中心点に基づいて、脈管の２Ｄ断面である第１の画像スライスについて最初のセグメンテーションを遂行する段階と、最初のセグメンテーションに基づいて脈管断面のテンプレートを生成する段階と、カルマン・フィルタを用いてビーム方向に沿って前記最初の中心点を平行移動したものである次の中心点を予測する段階と、画像ボリューム内での前記次の中心点の測定に基づいて前記次の中心点を補正する段階と、前記次の中心点に基づいて第２の画像スライスをセグメント化する段階と、前記の予測する段階、補正する段階及びセグメント化する段階を、脈管が３Ｄ画像ボリューム内で完全にセグメント化されるまで繰り返す段階と、を有する。

別の実施形態では、脈管の時間的追跡方法を提供する。本方法は、３Ｄ画像ボリュームを取得する段階と、予め設定された構成設定ファイルを用いて１つ以上のカルマン・フィルタ・パラメータを初期設定する段階と、第１の画像スライスを識別する段階と、前記第１の画像スライスについて最初のセグメンテーションを遂行する段階と、該セグメント化されたスライスの最初の中心点を選択する段階と、前記最初のセグメンテーションに基づいた前記最初の中心点の周りの脈管断面の、楕円形モデルであるテンプレートを生成する段階と、以下の段階によって、すなわち、（イ）前記最初の中心点の周辺の複数の候補点に適合楕円形モデルのパラメータをコピーする段階、（ロ）前記コピーされたパラメータを用いて前記複数の候補点の各々の周りに楕円形の適合可能なモデルを配向する段階、（ハ）前記複数の候補点の各々の周りの楕円形の適合モデルに基づいて前記複数の候補点の各々の周りに中心点を捜す段階、（ニ）それぞれの見つけた中心点に、前記複数の候補点の周りの楕円形の適合可能なモデルを適合させる段階、及び（ホ）前記複数の候補点の内、その適合モデルが脈管に最も当てはまる１つの候補点を次の中心点として選択する段階によって、次の中心点を見つける段階と、脈管の中心線の端点に達するまで又は所定の繰返し回数に達するまで、前記次の中心点を見つける段階を繰り返す段階と、有する。

更に別の実施形態では、コンピュータ・システムを提供し、該コンピュータ・システムは、プロセッサと、当該コンピュータ・システムによって読取り可能なプログラム記憶装置であって、選択された領域内の脈管に沿った中心線を抽出することによって２Ｄ又は３Ｄ画像データ・セット内の脈管の自動セグメンテーション及び時間的追跡を行うための方法の諸段階を遂行するためにプロセッサによって実行可能である命令のプログラムを具現するプログラム記憶装置とを有する。前記方法は、超音波イメージング・システムから画像ボリュームを取得する段階と、脈管の３Ｄ超音波画像を生成するために前記３Ｄ画像ボリュームについて脈管セグメンテーションを遂行する段階と、前記セグメント化された脈管について脈管中心線を検出する段階と、前記検出された脈管中心線を用いて前記セグメント化された脈管の断面区域を推定する段階と、テンプレート・マッチングに基づいて前記推定された断面の時間的追跡を遂行する段階とを有する。

本書では、様々な範囲のシステム及び方法を記述する。この「発明の概要」で述べた様々な面及び利点に加えて、更に別の面及び利点が、図面を参照し且つ以下の詳しい説明を参照することによって明らかになろう。

図１は、一実施形態に従ったテンプレート・マッチングに基づく脈管中心線検出方法の概要を記述する流れ図である。 図２は、図１に示された中心線を初期設定する段階を記述する流れ図である。 図３は、図２に示された脈管テンプレートを取得する段階を記述する流れ図である。 図４は、図１に示された次の中心点を予測する段階のプロセスを記述する流れ図である。 図５は、図１に示されたテンプレート・マッチングを遂行する段階を記述する流れ図である。 図６は、図１に示されたカルマン・フィルタを更新する段階を記述する流れ図である。 図７Ａは、図７Ｂと共に、一実施形態に従った表面輪郭を生成するための自動セグメンテーション方法を記述する流れ図である。 図７Ｂは、図７Ａと共に、一実施形態に従った表面輪郭を生成するための自動セグメンテーション方法を記述する流れ図である。 図８は、図７に示された初期設定する段階を記述する流れ図である。 図９は、仰角(elevation) 方向に線形アレイを掃引することに対応する３Ｄイメージングの幾何学的構成及び座標系を例示する説明図である。 図１０は、図８に示された最初の楕円形輪郭を識別する段階を記述する流れ図である。 図１１Ａは、図１１Ｂと共に、別の実施形態に従った複数の断面を有する脈管をセグメント化する方法を記述する流れ図である。 図１１Ｂは、図１１Ａと共に、別の実施形態に従った複数の断面を有する脈管をセグメント化する方法を記述する流れ図である。 図１２は、一実施形態に従った、画像スライス内の脈管断面を追跡する模範的な方法を図解する概略図である。 図１３は、一実施形態に従った、脈管の時間的追跡方法を記述する流れ図である。 図１４は、図１３に示された、次の中心点を見つける段階を記述する流れ図である。

以下の詳しい説明では、その一部を形成する添付の図面を参照し、また図面には例として、実施することのできる特定の実施形態を示している。これらの実施形態は当業者が実施できる程度に詳しく説明するが、他の実施形態を利用することができること、及びこれらの実施形態の範囲から逸脱することなく論理的、機械的、電気的及び他の変更を行うことができることを理解されたい。従って、以下の詳しい説明は本発明の範囲を制限するものと見なすべきではない。

超音波は、広く使用されている医用イメージング・モダリティである。これは、経費が安く、広く利用し易く、高速で、安全である。多数の医学的検査では、超音波画像セグメンテーションが必要とされている。例えば、産科においては、胎児の様々な解剖学的特徴部の寸法を測定する際に、また腫瘍科においては、放射線治療計画のために前立腺の輪郭を描写するために、また心臓血管に応用する際には、深部血栓症（ＤＶＴ）及びアテローム性動脈硬化症の診断のために、超音波画像内のセグメント化された特徴部を用いている。

高級な医学診断用超音波イメージング・システムでは、包括的な一組のイメージング・モードを必要としている。それらは、臨床診断に用いられる主要なイメージング・モードであり、タイムライン・ドップラー、カラー・フロー・ドップラー、Ｂモード及びＭモードを含む。Ｂモードでは、このような超音波イメージング・システムは、ピクセルの輝度がエコー信号の強度に基づいて定められた（身体の）組織の２次元画像を生成する。また、カラー・フロー・イメージング・モードでは、流体（例えば、血液）又は組織の動きをイメージングすることができる。心臓又は血管内の血液の流れの測定には、ドップラー効果が用いられることは周知である。後方散乱された超音波の位相シフトを用いることにより、組織又は血液からの後方散乱体の速度を測定することができる。ドップラー・シフトは、流れの速度及び方向を表すために異なるカラーを用いて表示することができる。スペクトル・ドップラー・イメージング・モードでは、これらのドップラー周波数シフトのパワー・スペクトルが、速度対時間波形として可視表示するために演算される。

超音波イメージングでは、視覚化のため、及びカテーテル挿入などの処置を補助し且つ案内するために、血管をセグメント化することは有益である。しばしば時間につれて３次元データが収集され、その場合、関心のある血管が生理的な動き又はプローブの動きに起因して動くので、関心のある血管のセグメンテーションを更新することによって正しいセグメンテーションを維持するのは重要なことであると思われる。本発明は、広義には、医用Ｂモード超音波画像のために開発された技術に焦点を合わせた超音波セグメンテーション方法に関する。

脈管は、血管、リンパ管及び乳糜管より成る群から選択される。脈管は、脈管中心の位置と、脈管の局部的配向と、脈管断面のモデルと、脈管のボクセルの強度分布とに基づいて、特徴付けることができる。

本書で用いられる用語「画像(image) 」は、多数の個別の画像要素（例えば、２Ｄ画像ではピクセル、また３Ｄ画像ではボクセル）で構成された多次元データを表す。画像は、例えば、コンピュータ断層撮影、磁気共鳴イメージング、超音波イメージング、又は当業者に知られている任意の他の医用イメージング・システムによって収集された被検体の医用画像であってよい。画像はまた、例えば、遠隔検知システム、電子顕微鏡などののような非医学用の装置等から得られるものであってよい。本発明の方法は、このような画像に限定されず、任意の次元の画像、例えば、２Ｄ画像又は３Ｄボリューム画像に適用することができる。

詳しく述べると、本発明は、３次元超音波画像データから関心のある脈管の実時間セグメンテーション及び時間的追跡を遂行するための方法を提供する。セグメンテーションは、２つの部分、すなわち、（１）最初に、脈管の中心線を検出する部分と、（２）脈管の整列方向に沿って等間隔をおいた一組の２Ｄスライスについて脈管（又は、脈管のマスク）の境界を推定する部分とからなる。脈管整列方向は、ビーム方向に平行であると仮定される。このセグメンテーション方法は、動きの存在する脈管についての新しいセグメンテーションを得るために各々の時間フレームに適用することができる。

本書で述べる断面推定方法は、能動輪郭（又は、スネーク(snake) ）に基づくものである。能動輪郭は２種類に分けることができる。一つは、スネークを引き付ける画像勾配に依存するエッジ（端縁）に基づくものであり、またもう一つは、領域に基づく統計的特徴に依存する領域に基づくものである。領域に基づく能動輪郭は、クラッタ及びノイズがエッジに基づく輪郭の移動を妨げるような場合でも、エッジに基づく輪郭よりも優れている。更に、領域に基づく輪郭は、エッジに基づく輪郭よりも、輪郭の初期設定に対して遙かに敏感に反応しない。ロバストさを保証するために、領域に基づく能動輪郭セグメンテーション方法が採用され、これは平均差二値流れ(mean-difference binary flow) によって駆動される。能動輪郭は、レベル・セット又はパラメトリック方法のいずれかを使用して計算することができる。前者は、曲線の起こり得るトポロジイ的変化を可能にするが、演算コストの面で高価である。実時間動作については、断面推定方法における能動輪郭を具現化するためにパラメトリック方法を選ぶことができる。

また、本発明では、選ばれた時間フレームにおいて脈管セグメンテーションの１つ以上の選択されたパラメータを更新することができる時間的追跡方法を提案する。セグメンテーションの結果は、関心のある脈管の視覚化を改善し、またその後のイメージング及び処置を案内するために使用することできる。これにより、脈管セグメンテーション及び追跡が実時間で実現し得る。

従って、一実施形態では、本発明は、第１のＢモード超音波ボリュームにおいて脈管中心線の最初の検出ために用いられる方法を提供する。脈管中心線の検出は、カテーテルを脈管中に挿入するための指針を医師に提供するので、重要である。更に、脈管中心線の検出は、その後の視覚化段階（脈管断面推定、時間的脈管追跡、カテーテル検出など）が脈管中心線の正確でロバストな検出に大きく依存しているので、（臨床用途のための）脈管の視覚化に不可欠である。この方法では、脈管が複数の主要な座標軸の内の１つの座標軸（ビーム方向）に沿って延在していると仮定している。この仮定に基づいて、この方法は、２Ｄテンプレートに基づく脈管中心線検出を遂行する。

図１は、一実施形態に従ったテンプレート・マッチングに基づく脈管中心線検出方法１００の概要を記述する流れ図である。本方法１００は、３Ｄ画像ボリュームを取得する段階１０２と、中心線を初期設定する段階１０４と、カルマン・フィルタを初期設定する段階１０６と、カルマン・フィルタを用いて次の中心点を予測する段階１０８と、カルマン・フィルタを用いて行われた予測の妥当性を検査する段階１１０と、テンプレート・マッチングを遂行する段階１１２と、テンプレート・マッチングに基づいてカルマン・フィルタを更新する段階１１４と、前記の予測する段階、検査する段階、遂行する段階及び更新する段階を、所定の回数だけ繰り返す段階１１６とを有する。

中心線を初期設定する段階１０４は、図２に記述されている。図２について説明すると、段階１０４は、画像ボリュームから最初の中心点を選択するする段階２０２と、脈管断面のテンプレートを取得する段階２０４と、前記最初の中心点及び前記取得したテンプレートに基づいて中心線追跡パラメータを設定する段階２０６とを有する。

最初の中心点は、超音波イメージング・システムから得られた３Ｄ画像ボリュームから選択される。このように識別された最初の中心点はまた、「シード（種）点」と呼ばれる。最初のシード点が与えられると、２Ｄテンプレート・マッチングを使用するカルマン・フィルタが用いられる。カルマン・フィルタは、実時間超音波画像内のシード点を追跡するために使用される。空間を通るシード点の移動は動的モデルによって記述され、また、シード点の位置を推定するために測定値が用いられる。

脈管断面のテンプレートを取得する段階２０４について、図３を参照して更に説明する。図３について説明すると、段階２０４は、画像データの閾値処理及び形態学的処理からマスクを求める段階３０２と、求めたマスクに基づいて近似の脈管寸法を推定する段階３０４と、脈管寸法に基づいてゲート・サイズを指定する段階３０６と、前記最初の中心点を中心とし且つ前記指定されたゲート・サイズを持つ脈管断面の２Ｄテンプレートを生成する段階３０８とを有する。

この最初のシード点の周りの２Ｄ画像パッチは、その後のスライス内の脈管断面を検出するために用いられるテンプレートを初期設定するために使用される。更に、以上の画像データの閾値処理及び形態学的処理から得られたマスクは、近似の脈管寸法を推定するために使用される。

これらの脈管寸法は、テンプレートのサイズ（これはまた、「ゲート・サイズ」とも呼ばれる）を指定するのに役立つ。最初のシード点の検出及びテンプレートの初期設定の後、最初の中心点を中心とする脈管断面の２Ｄテンプレートが生成される。

図２に戻って説明すると、中心線を初期設定する段階１０４は、更に、中心線追跡パラメータを設定する段階２０６を有する。中心線追跡のためのパラメータは２種類あり、それらは、カルマン・フィルタ・パラメータとテンプレート・マッチング・パラメータである。カルマン・フィルタ・パラメータには、プロセス・ノイズ分散（Ｑ）、測定誤差分散（Ｒ）、予測誤差分散（これはまた、「推定誤差分散」とも呼ばれる）（Ｐ）、カルマン利得（Ｋ）、ΔＴ（時間ステップ）及びλ（測定誤差分散を更新するために用いられるパラメータ）が含まれる。

テンプレート・マッチング・パラメータには、最初の観測窓サイズと、動き方向（３Ｄボリューム内での選択された寸法に沿った所望の動き）と、整合スコア閾値と、α（整合スコア計算を制御するパラメータ（予測に近い方の候補を支持するようにテンプレート・マッチングの結果をバイアする能力を保持する））とが含まれる。

カルマン・フィルタは、帰還制御の形態を用いることによってプロセスを推定する。フィルタは、或る時点におけるプロセス状態を推定し、次いで（ノイズの多い）測定値の形態の帰還を求める。このような場合、カルマン・フィルタについての方程式は２つのグループ、すなわち、時間更新方程式と測定更新方程式に入る。時間更新方程式は、現在の状態及び誤差分散推定値を（時間的に）前へ投影して、次の時間ステップのための事前推定値を求めることに関与する。測定更新方程式は、帰還に関与し、すなわち、新しい測定値を事前推定値に取り入れて、改善した事後推定値を求めることに関与する。時間更新方程式はまた、予測方程式と考えられ、他方、測定更新方程式は、補正方程式と考えられる。最終的な推定方法は、数値問題を解くための予測−補正方法の推定方法と類似している。

図１に戻って説明すると、方法１００は、カルマン・フィルタを初期設定する段階１０６を有する。カルマン・フィルタを初期設定するために、前に列挙したカルマン・フィルタ・パラメータが、予め設定された構成設定ファイルから求められる。その後の時間ステップで、それらのパラメータは更新され、次いでその後の時間ステップのために用いられる。

方法１００は更に、カルマン・フィルタを用いて次の中心点を予測する段階１０８を有する。段階１０８については図４を参照して更に説明する。カルマン・フィルタを用いて次の中心点を予測する段階は、ビーム方向に沿って空間的変位によって最初の中心点を平行移動させるための遷移マトリクスを定める段階と、最初の中心点について予測誤差分散Ｐを定める段階と、遷移マトリクスに基づいて次の中心点及び次の予測誤差分散を予測する段階と、予測誤差分散及び一連の中心点測定値についてプロセス・ノイズ分散を定める段階と、測定誤差分散、予測された中心点の測定値、及び中心点測定値のプロセス・ノイズ分散に基づいて、中心点予測を補正する段階と、測定誤差分散及び中心点測定値のプロセス・ノイズ分散に基づいて予測誤差分散を補正する段階とを有する。

従って、図４について説明すると、段階１０８は、第１の推定された中心点及び速度を供給する段階４０２と、カルマン・フィルタ・パラメータについての値を供給する段階４０４と、カルマン予測を遂行する段階４０６と、予測された中心点及び速度を求める段階４０８と、予測誤差分散を更新する段階４１０とを有する。

カルマン・フィルタでは、時間更新は、時間的に先に現在状態推定値を投影する。測定更新は、投影された推定値を、その時間における実際の測定値によって調節する。時間更新方程式は、状態及び分散推定値を時間ステップｋ−１から先へステップｋへ投影する。従って、第１の推定された中心及び速度はまた、最後に推定された中心及び速度であると見なすことができ、それぞれＣ_k-1 及びＶ_k-1 で表すことができる。しかしながら、第１の繰り返しでは、第１の推定された中心点は最初の中心点又はシード点であり、また速度は定数であると近似させる。カルマン・フィルタ予測から得られる出力は、予測された中心（Ｃ_kp）及び速度（Ｖ_kp）並びに更新された予測／推定誤差分散Ｐ_k である。

方法１００は更に、段階１０８でカルマン・フィルタを用いてなされた予測についての妥当性を検査する段階１１０を有する。この段階１１０では、予測された中心（Ｃ_kp）がボリュームの範囲内にあるかどうか、また推定誤差が妥当であるかどうか検査する。従って、段階１１０は、予測された中心点が、取得されたテンプレートのような所定のボリューム内に存在するかどうか検査する段階と、予測誤差分散が推定閾値よりも小さいかどうか検査する段階を含む。推定閾値は、以前の検出から求めることができる。

カルマン・フィルタを用いてなされた予測についての妥当性を検査する段階１１０の後、方法１００は更に、テンプレート・マッチングを遂行する段階１１２を有する。テンプレート・マッチングは、推定された次の中心点とカルマン・フィルタを用いて測定された測定中心点との間で遂行される。超音波画像内の特徴部を幾つかのフレームにわたって追跡するとき、テンプレート・マッチングは通常の手法であり、検出すべき特徴部はマスクによって記述され、且つその位置を決定するために相関手法が遂行される。

テンプレート・マッチングを遂行する段階１１２に関して、図５を参照して更に説明する。図５について説明すると、段階１１２は、予測された中心点及び速度を入力として供給する段階５０２と、更新された予測誤差分散を供給する段階５０４と、テンプレート・マッチングを遂行する段階５０６と、測定された中心点及び速度を得る段階５０８と、測定誤差分散を求める段階５１０とを有する。一実施形態では、テンプレート・マッチングは、スペックル・ノイズ分布のレイリー近似に基づいて遂行される。レイリー近似は、当業者によく知られており、従って詳しく説明しない。

テンプレート・マッチングを遂行するためにカルマン・フィルタに供給される入力は、予測段階１０８から得られる予測された中心（Ｃ_kp）及び速度（Ｖ_kp）及び予測／推定誤差分散Ｐ_k である。新しい測定値を事前推定値に取り入れて、改善された事後推定値を得るために、測定更新方程式を用いて帰還が供給される。従って、段階１１２でテンプレート・マッチングを遂行した後に得られる出力は、測定された中心（Ｃ_km）及び速度（Ｖ_km）及び測定誤差分散（Ｒ_k ）である。

段階１１４における測定更新が、図１に示されているように段階１１２に続いて実行される。段階１１４に関して、図６を参照して更に説明する。図６について説明すると、段階１１４は、測定された中心点及び速度及び測定誤差分散（Ｒ_k ）を入力として供給する段階６０２と、第２の推定された中心点及び速度を求める段階６０４と、可変カルマン利得（Ｋ）を更新する段階６０６とを有する。

カルマン・フィルタを更新する段階１１４では、段階１１２で出力として得られた測定された中心（Ｃ_km）及び速度（Ｖ_km）及び測定誤差分散（Ｒ_k ）が入力として供給される。第２の推定された中心（Ｃ_k ）及び速度（Ｖ_k ）が出力として得られる。当業者には理解されうるように、第２の推定された中心（Ｃ_k ）はまた、次の中心点でもある。

測定更新の際の第１のタスクは、カルマン利得を計算することである。次の段階は、実際にプロセスを測定することであり、次いで測定値を取り入れて事後推定値を生成することである。最後の段階は、事後誤差分散推定値を求めることである。このようにして得られたカルマン利得（Ｋ）は、その後、将来の繰り返しで使用するために更新される。

時間更新及び測定更新の各対の後、プロセスは繰り返されて、以前の事後推定値が新しい事前推定値を投影又は予測するために用いられる。従って、方法１００は、前記の予測し、検査し、遂行し及び更新する各段階を所定の回数だけ繰り返す段階１１６を有する。この所定の回数は、脈管の端部に達するために必要な繰り返しに基づいて選択することができる。この反復的な性質は、実際の具現化を実用性の高いものにするので、カルマン・フィルタの非常に興味深い特徴の１つである。

別の実施形態では、図７Ａ及び図７Ｂに示されているように、脈管の表面輪郭を生成するための自動セグメンテーション方法７００が提供される。脈管のセグメンテーションでは、拡張カルマン・フィルタ及び楕円形脈管モデルを使用して、脈管境界を決定し且つその脈管についての楕円パラメータを推定する。これらは、横断面区域を素早く計算するために用いることができる。

方法７００は、３Ｄ画像ボリュームを取得する段階７０２と、脈管断面を初期設定する段階７０４と、繰返しカウンタを初期設定する段階７０６と、能動輪郭を脈管境界へ向かって展開させる段階７０８と、最小二乗当てはめを用いることによって能動輪郭の展開から輪郭を正則化する段階７１０と、繰返しカウンタの値が所定の値よりも大きいかどうか判定する段階７１２と、繰返しカウンタの値が所定の値よりも小さい場合、正則化された輪郭を用いて再初期設定を遂行する段階７１４と、繰返しカウンタをインクリメントする段階７１６と、前記の展開させる段階、正則化する段階、判定する段階及びインクリメントする段階を、前記所定の値によって指示される所定の繰返し回数だけ繰り返す段階７１８と、を有する。

脈管断面セグメンテーション方法７００は、３Ｄ画像及び推定された脈管中心線から関心のある脈管の境界を自動的に描画するために開発されている。脈管の境界は、脈管の整列方向に沿って一様に分布させた一組の平行な画像平面内に一連の閉じた平面曲線として描かれる。

初期設定する段階７０４に関して、図８を参照して更に説明する。図８について説明すると、段階７０４は、脈管中心線検出方法１００を用いて脈管の中心線を検出する段階８０２と、脈管中心線検出方法１００から推定された最初の中心点を求める段階８０４と、最初の楕円形輪郭を識別する段階８０６と、最初の中心点及び最初の楕円形輪郭に基づいて能動輪郭パラメータを設定する段階８０８とを有する。

図９は、仰角方向に線形アレイを掃引することに対応する３Ｄイメージングの幾何学的構成及び座標系を例示する。関心のある脈管はｘ軸に沿って整列させる。（ｚ，ｙ）平面に平行である任意の２Ｄ画像スライスにおいて、脈管断面は一般にほぼ楕円形の境界を持つ凸状領域として現れると、便宜的に仮定する。境界は、３つの幾何学的パラメータ、すなわち、長軸と、短軸と、ｚ軸（又は、柱軸）のような基準軸から測定した長軸の配向（向き）とによって表すことができる。

図８に示された最初の楕円形輪郭を識別する段階８０６を、図１０を参照して詳しく説明する。図１０について説明すると、段階８０６は、脈管中心線検出方法１００に用いられるゲート寸法に基づいて長軸（ｚ軸）及び短軸（ｙ軸）の長さを決定する段階１００２と、基準軸（個の模範的な実施形態では、ｚ軸）からの長軸の配向をほぼゼロに等しいと設定する段階１００４とを有する。

最初の楕円形輪郭を識別する段階８０６の後、脈管断面を初期設定する方法７０４は更に、能動輪郭パラメータを設定する段階（段階８０８として示されている）を有する。セグメンテーション及び追跡のためのパラメータは、予想される脈管のサイズ及び深さに基づいて自動的に選択される。能動輪郭パラメータを設定する段階８０８は、１つ以上の能動輪郭パラメータを指定することを有する。１つ以上の能動輪郭パラメータには、面積重み付き平均差についての重みパラメータ、曲線長さについての重みパラメータ、曲線展開のための時間ステップの長さ、最大再繰り返し数、及び輪郭収斂の許容差が含まれ。

能動輪郭又はスネーク手法を利用することにより、任意の画像平面における脈管の断面境界を描く曲線を抽出する。脈管の断面が一般的に楕円に類似しているので、許容境界曲線は、最小二乗誤差当てはめによって楕円形に制限される。検出された中心線と推定された断面を組み合わせることにより、完全且つコンパクトな脈管モデルが得られ、該モデルは、臨床医師にとってカテーテルを正しく且つ精密に配置し進めることの困難さを軽減するばかりでなく、実時間３Ｄデータの中にカテーテルの臨床的に重要なビュー（図）を形成することを可能にする。

断面推定手順は、輪郭を相次いで数回、典型的には３回、横断することによって遂行される。最初のシード点が全体を通じて用いられ、新しいシード点は、次の画像が処理されるまで計算されない。抽出された輪郭及び再較正された楕円が、追加の演算費用で、互いに比較されて、輪郭の平滑さを保証する。境界の間の半径方向距離の二乗平均平方根（ｒｍｓ）が誤差の測度として用いられ、またこれは推定された点と生成された楕円上の対応する点との間の距離を測定することによって計算される。この誤差が閾値よりも大きい場合、データ当てはめは無効であると見なされる。

能動輪郭を脈管境界へ向かって展開する際に必要な繰り返しを追跡するために、繰返しカウンタが用いられる。図７に見られるように、繰返しカウンタは段階７０６で初期設定される。従って、方法７００は更に、段階７０８において、最初の楕円形曲線を脈管境界へ向かって展開する段階を有する。

一実施形態では、最初のサンプルが与えられると、先ず、通常の「能動輪郭手法」を用いて２Ｄ画像平面内で反復的検索を遂行することによって、画像から複数の可能性のあるモードを決定し又は絞り込む。通常の能動輪郭手法は、そのポテンシャル・エネルギを最小にしながら、画像にわたって動く変形可能な曲線、すなわち、「スネーク」を提供する。スネークのエネルギは、一般に、スネークの全体の形状を制約する「内部エネルギ」項と、スネークを所望の境界へ向かって駆動する、画像によって与えられる「外部エネルギ」関数とに分割することができる。適切な画像エネルギ関数及び注意深い初期設定により、能動輪郭スネークは所要の境界へ効果的に収斂し、これによって、１つ以上のモードを生成することができる。このような通常の能動輪郭手法は、当業者によく知られており、従って、更に詳しく説明しない。

最初の楕円形曲線を脈管境界へ向かって展開する段階７０８のための入力は、脈管中心線検出方法１００によって検出された最初の中心点、方法１００により検出された脈管構造の中心線、段階８０６により得られた最初の楕円形輪郭、及び能動輪郭パラメータを有する。脈管断面推定の出力は、Ｎ×５配列を供給し、各行(row) は脈管中心の位置（行及び列指数）及び断面の楕円パラメータ（ａ，ｂ，θ）を表す。θの単位はラジアンである。Ｎは、中心線の点の数である。スライス指数は、中心線リストに既に含まれているので、断面セグメンテーション・リストに格納されない。それは、スライス段パラメータを用いることによって容易に導出することができる。

方法７００は更に、様々な輪郭点に対する楕円の最小二乗当てはめを用いることによって能動輪郭展開からの輪郭を正則化する段階７１０を有する。段階７１０で遂行される楕円当てはめのための入力は、一組の２Ｄ点の座標（行、列）を含む。戻りベクトルは、（Ｃｘ，Ｃｙ，Ｒｘ，Ｒｙ，θ）として格納された，楕円の中心、半径及び配向を含む。θの単位はラジアンである。これにより、３Ｄ画像ボリュームの最初のセグメンテーションが遂行される。その結果の曲線は、必ずしも楕円にならないことがある。しかしながら、推定された楕円パラメータ及び一画像からの最終検索区域が、次に続く画像フレームにおける輪郭検出を初期設定するために用いられる。

図１１Ａ及び図１１Ｂに示される更に別の実施形態では、複数の断面を有する脈管をセグメント化する方法１１００が提供される。方法１１００は、３Ｄ画像ボリュームを取得する段階１１０２と、予め設定された構成設定ファイルを用いて１つ以上のカルマン・フィルタ・パラメータを初期設定する段階１１０４と、セグメント化すべき脈管内の最初の中心点を選択する段階１１０６と、最初の中心点に基づいて、脈管の２Ｄ断面である第１の画像スライスについて最初のセグメンテーションを遂行する段階１１０８と、最初のセグメンテーションに基づいて脈管断面のテンプレートを生成する段階１１１０と、カルマン・フィルタを用いて、ビーム方向に沿って最初の中心点を平行移動したものである次の中心点を予測する段階１１１２と、画像ボリューム内での次の中心点の測定に基づいて次の中心点を補正する段階１１１４と、次の中心点に基づいて、脈管の第２の画像スライスをセグメント化する段階１１１６と、前記の予測する段階、補正する段階及びセグメント化する段階を、脈管が３Ｄ画像ボリューム内で完全にセグメント化されるまで繰り返す段階１１１８と、を有する。

段階１１０２〜１１１０は、これまでの説明から理解できよう。更に、カルマン・フィルタを用いて次の中心点を予測する段階１１１２は、ビーム方向に沿って空間的変位によって最初の中心点を平行移動させるための遷移マトリクスを定め、最初の中心点について予測誤差分散Ｐを定め、遷移マトリクスに基づいて次の中心点及び次の予測誤差分散を予測し、予測誤差分散及び一連の中心点測定値についてプロセス・ノイズ分散を定め、測定誤差分散、予測された中心点の測定値、及び中心点測定値のプロセス・ノイズ分散に基づいて、中心点予測を補正し、測定誤差分散及び中心点測定値のプロセス・ノイズ分散に基づいて予測誤差分散を補正すること（段階１１１４）を有する。

段階１１１４の後に、段階１１１６で、脈管の第２の画像スライスを求めて、補正された次の中心点に基づいてセグメント化する。方法１１００は更に、前記の予測し、補正し及びセグメント化する各段階を、脈管が３Ｄ画像ボリューム内で完全にセグメント化されるまで繰り返す段階１１１８を有する。

このようにして、第１の超音波ボリュームの最初のセグメンテーションにより、脈管中心線（ＣＬ₀ ）が抽出され、中心線は（ＣＬ₀ 、ＣＬ₁ 、．．．ＣＬ_t などを得るために）時間につれて維持（すなわち、追跡）しなければならない。これは、２つの相次ぐ取得の間の時間遅延（δＴ_aq）や、公称のプローブの動き、心拍動、呼吸などに起因した考慮中の血管の動きなどのような様々な因子があるので、挑戦的なタスクである。従って、本発明では更に、時間的中心線追跡方法を提供する。

時間的追跡は、脈管視覚化の重要な部分であり、これは時間につれて血管の中心線を維持し視覚化することを可能にする。時間的カルマン・フィルタが、相次いで取得された３Ｄボリュームにわたって実時間で脈管中心線を追跡し維持するために使用される。実際に、血管（脈管）が超音波断面画像において実時間で１０〜１６Ｈｚ以上のフレーム周波数でセグメント化され、そしてその特徴部の位置が、時間的カルマン・フィルタを使用して相次ぐ３Ｄボリュームにわたって追跡される。

この追跡を遂行するため、脈管断面位置の最初のセグメンテーションを利用することにより断面のテンプレートを生成し、次いで、テンプレート・マッチングに基づくカルマン・フィルタを利用することにより相次ぐ時間的ボリュームにわたってこの断面を追跡する。画像を追跡する手順は、動きベクトルを計算することによって、一連の血管内超音波（ＩＶＵＳ）画像において隣接の画像フレーム間での相対的な動きを見つけることを含む。各々の動きベクトルは、複数の画像矩形の疎な格子にわたる隣接の画像フレーム間のオフセットである。

典型的には、１つの時間的スライスから別の時間的スライスまでの脈管中心位置の偏移は大きくなく、従って、追跡パラメータはそれに対応して初期設定される。カルマン・フィルタの動特性について、脈管中心が全フレームを通じて一定の速度で動いていると仮定する。カルマン・フィルタは２つの相異なる局面、すなわち、予測と更新とを持つ。予測の局面では、以前の時間ステップでの推定値を使用して、現在の状態の推定値を生成する。更新の局面では、現在の時間ステップでの測定情報を使用して、この予測を補正して、新しい且つより正確な推定値にする。

１つの時間的ボリュームから次のボリュームまで脈管中心線を追跡するために用いられる方法は、カルマン・フィルタに基づく追跡が遂行され且つテンプレート・マッチングがカルマン・フィルタ測定段階のために用いられるので、最初の脈管中心線検出段階と極めて類似している。

この手法は最初のセグメンテーションと同様であるが、重要な差異は、断面追跡のために、テンプレート・マッチング測度が用いられていることである。ロバストな最尤整合測度が利用され、これは、断面画像内のスペックルがレイリー分布として近似されると云う事実を用いることによって導き出される。

図１２は、画像スライスｉの中の脈管断面を追跡する模範的な方法を図解する概略図を示す。「同じ」断面スライス、すなわち、Ｓ_i ^tについての時間的追跡は、（時間ｔ−１における）以前の時間スライス内の「同じ」脈管断面スライスＳ_i ^t-1の（時間ｔにおける）時間的にシフトされた画像である。これにより、本書で「ＣＤ₂ 相似性測度」と呼ぶ相似性測度を使用することが可能になる。

テンプレート・マッチングのためにこの相似性測度を用いることは、（重み付きテンプレートがレイリー近似に従わないことがあるため、重み付きテンプレートの更新は遂行できないことがあるので）テンプレート更新段階を制約する。従って、「新しく追跡された脈管断面」が、更新されたテンプレートとして用いられる。これは、重み付き更新の特殊な場合であり、この場合、以前のテンプレートに与えられる重みがゼロである。これは、ＣＤ₂ 相似性測度が時間的マッチングについてロバストであると示されているので、効率的である。

脈管断面を追跡するプロセスにおいて、各々の断面スライスは（共同追跡方法の代わりに）互いに独立に取り扱われる。例えば、スライスｉ（Ｓ_i ^t）内にあるような脈管を追跡するため、以前の時刻のボリューム内のスライスｉ（Ｓ_i ^t-1）からの中心及び脈管テンプレートを用いることができる。この初期設定は、追跡パラメータと共に、Ｓ_i ^t-1からＳ_i ^tへの中心点を追跡することを可能にする。図１に示された各段階は、各々のこのようなスライスｉについて実施される（ここで、ｉ＝０，１，．．．，ｎ）。

図１の初期設定段階１０４において記述された最初の中心及びテンプレートを選択する段階について説明すると、最初のセグメンテーションの後の第１の時間スライス（ｔ１）について、最初の中心及び脈管テンプレートが、脈管セグメンテーション段階において推定された脈管中心点によって与えられる（ｔ０）のセグメンテーションの結果によって供給される。それに続く時間スライス（ｔ２）について、初期設定（中心、テンプレート及び追跡パラメータ）が、ｔ１についての追跡結果から得ることがで、また同様に続く。

引き続き図１を参照して、図１の初期設定段階１０４において記述された中心線追跡パラメータを設定する段階について説明すると、中心線追跡パラメータは、カルマン・フィルタ・パラメータ及びテンプレート・マッチング・パラメータを有するものとして記述することができる。

カルマン・フィルタ・パラメータは、プロセス・ノイズ分散（Ｑ）（定数であるように設定される。このパラメータに対する追跡結果の感度は低い。）、測定ノイズ分散（Ｒ）（画像に基づく測定値、すなわち、テンプレート・マッチング・スコアから得られるノイズ分散）、推定誤差分散（Ｐ）（測定誤差及びシステム遷移マトリクス（Ａ）に基づいてカルマン・フィルタによって計算される）、カルマン利得（Ｋ）（各追跡段階で更新される）、ΔＴ（時間ステップ：一時点から次の時点まで追跡するために、スキップされる時間スライスの数を表す。これは１に設定される）、及びλ（測定誤差分散を更新するために用いられるパラメータ）を含む。

テンプレート・マッチング・パラメータは、最初の観測窓サイズ（実際の脈管寸法に関係し、またデフォルト脈管サイズと取得ジオメトリを用いて予め計算することができる）、整合スコア閾値（測定値が「惰走(coasting)」しているどうか判定するために用いられるテンプレート・マッチング閾値）、及びα（合計整合スコア計算を制御し、また予測に近い方の候補を支持するようにテンプレート・マッチングの結果をバイアスし易くするするパラメータ）を含む。

図１に示されているカルマン・フィルタ初期設定段階１０６について説明すると、カルマン・フィルタ・パラメータが、予め設定された構成設定ファイルを用いて初期設定される。その後の時間ステップにおいて、該パラメータは更新されて、その後の時間ステップのために用いられる。例えば、ｔ１のスライスｉ内の中心点を追跡するために、構成設定／試験ファイルからの最初のパラメータを用いることができる。しかしながら、この追跡段階の終わりに、カルマン・フィルタ・パラメータは、測定に基づいて更新される。これらの更新されたパラメータは、その後、時間ステップｔ２のスライスｉ内の中心点を追跡するために用いられる。

図１に示されている予測段階１０８について説明すると、予測段階は、予測を推定するために、過去の観測に基づいて予測された脈管中心点を供給する。カルマン・フィルタが、予測を推定するために、以前の追跡段階の「更新」段の際に計算された測定誤差分散を利用する（すなわち、以前の中心点の推定の際に測定誤差が小さかった場合、以前の中心点の寄与分がより多くなる）。

図１について更に説明すると、カルマン予測の妥当性を検査する段階１１０は、予測された中心（Ｃ_kp）がボリュームの範囲内にあるかどうか、また推定誤差が妥当であるかどうか検査することを含む。

図１に示されているカルマン・フィルタに基づくテンプレート・マッチング段階１１２について説明すると、推定されたテンプレートと測定されたテンプレートとの間の相似性が、ＣＤ₂ 相似性測度を用いて計算される。この相似性は、スペックル・ノイズの近似レイリー分布を利用する最大尤度計算を考慮する。

ＣＤ₂ 相似性測度は、超音波データの２つの時間的に分離したスライス／ボリューム（これらは、被検体内の（ほぼ）同じ物理的位置に対応する）が比較されるときに特に有用である。Ａ＝［Ａ_ij］がＳ_i ^t-1における脈管断面のピクセルであり、且つＢ＝［Ｂ_ij］がＳ_i ^tにおける同じ脈管断面のピクセルであるとすると、乗法レイリー・ノイズ近似を用いることにより、最大尤度を用いて且つ個々のピクセルを互いに独立に扱ってＡ及びＢについての整合スコアを計算する。

図１に示されている次のカルマン・フィルタ更新段階１１４について説明すると、測定された中心点（Ｃ_km）及び速度（Ｖ_km）が、ＣＤ₂ 相似性測度を用いて求められた測定誤差分散（Ｒ_k ）と共に、次の脈管中心点を求めるために入力として供給される。

測定更新の際の第１のタスクは、カルマン利得を計算することである。次の段階は、実際にプロセスを測定することであり、次いで測定値を取り入れることによって事後推定値を生成することである。最後の段階は、事後誤差分散推定値を求めることである。このようにして得られたカルマン利得（Ｋ）は、その後、将来の繰り返しで使用するために更新される。

脈管中心点を予測する段階１０８、予測の妥当性を検査する段階１１０、測定誤差を推定するためにテンプレート・マッチングを遂行する段階１１２、及びその後のカルマン・フィルタを更新する段階１１４は、各スライスｉ（図１２に示す）について繰り返される。ここで、ｉ＝０，１，．．．，ｎである。

図１３は、別の実施形態で記述されるような、脈管に沿った各画像スライスについて実行される時間的中心線追跡方法１３００の概要を記述する流れ図を示す。脈管の時間的追跡方法１３００は、３Ｄ画像ボリュームを取得する段階１３０２と、予め設定された構成設定ファイルを用いてカルマン・フィルタ・パラメータを初期設定する段階１３０４と、第１の画像スライスを識別する段階１３０６と、前記第１の画像スライスについて最初のセグメンテーションを遂行する段階１３０８と、該セグメント化されたスライスの最初の中心点を選択する段階１３１０と、前記最初のセグメンテーションに基づいた前記最初の中心点の周りの脈管断面のテンプレートを生成する段階１３１２と、次の中心点を見つける段階１３１４と、脈管の中心線の端点に達するまで又は所定の繰返し回数に達するまで、前記の次の中心点を見つける段階を繰り返す段階１３１６と有する。

前に示した一実施形態で述べたように、脈管断面のテンプレートは、楕円として近似される。従って、次の中心点を見つける際に適応楕円形モデルが用いられる。次の中心点を見つける段階１３１４に関して、図１４を参照して説明する。図１４について説明すると、段階１３１４は、最初の中心点の周辺の複数の候補点に適合楕円形モデルのパラメータをコピーする段階１４０２と、コピーされたパラメータを用いて複数の候補点の各々の周りに楕円形の適合可能なモデルを配向する段階１４０４と、複数の候補点の各々の周りの楕円形の適合モデルに基づいて複数の候補点の各々の周りに中心点を捜す段階１４０６と、それぞれの見つけた中心点に、複数の候補点の周りの楕円形の適合可能なモデルを適合させる段階１４０８と、複数の候補点の内、その適合モデルが脈管に最も当てはまる１つの候補点を、次の中心点として選択する段階１４１０とを有する。

複数の候補点の各々の周りに中心点を捜す段階１４０６は、スペックル・サイズよりも小さい構造を除くために形態学的フィルタリングを遂行する段階を有する。更に、形態学的フィルタリングを遂行する段階は、検索領域内の連続的な脈管の数を計数する段階と、各々の連続的な脈管の区域を計算する段階と、所定の範囲の外側に存在する区域を持つ脈管を拒絶する段階とを有する。

一般的には、目標検索領域は、２つ以上の脈管セグメントを含むことができる。（ユーザーの選択した用途の種類に関連した脈管の種類の標準的なサイズに最も近い）脈管直径、最大の脈管長さ又は区域、又は（ユーザーが通常、関心のある脈管の最良のビューを得るようにプローブを動かすので）最も一様な直径、或いは良さの測度の組合せのような、任意の妥当な形態学的特徴に基づいて、「最良の」脈管セグメントを選ぶことができる。この代わりに、最良の脈管セグメントは、予め定められた位置から最も短い距離にある脈管セグメントとして定義することができる。

本発明の様々な実施形態は、様々な形態のハードウエア、ソフトウエア、専用のプロセッサ、又はそれらの組合せで具現化することができることを理解されたい。一実施形態では、本発明は、コンピュータ読取り可能なプログラム記憶装置で有形化し得るアプリケーション・プログラムとしてソフトウエアで具現化することができる。アプリケーション・プログラムは、任意の適当なアーキテクチャを有する機械へアップロードし、又は該機械によって実行することができる。

従って、更に別の実施形態では、コンピュータ・システムが提供され、該コンピュータ・システムは、プロセッサと、当該コンピュータ・システムによって読取り可能なプログラム記憶装置であって、血管の自動セグメンテーション及び時間的追跡のための方法の諸段階を遂行するためにプロセッサによって実行可能な命令のプログラムを具現するプログラム記憶装置と有する。該方法は、前記方法は、超音波イメージング・システムから画像ボリュームを取得する段階と、血管の３Ｄ超音波画像を生成するために前記３Ｄ画像ボリュームについて脈管セグメンテーションを遂行する段階と、前記セグメント化された脈管について脈管中心線を検出する段階と、前記計算された脈管中心線を用いて前記セグメント化された脈管の断面区域を推定する段階と、テンプレート・マッチング判定基準に基づいて前記推定された断面の時間的追跡を遂行する段階とを有する。これら段階の各々は、前述の実施形態に例示された方法において説明されている。脈管中心線を検出する段階は、方法１００において説明されている。セグメント化された脈管の断面区域を推定する段階は、方法７００において説明されている。時間的追跡を遂行する段階は、方法１３００において説明されている。

本書に述べた発明の１つ以上の実施形態の技術的効果として、効率の良い診断の目的のために、単一のソフトウエア・ツールを用いて、様々なデータセットの組合せから構成された３次元の解剖学的データの自動セグメンテーション及び追跡が挙げられる。

本書に開示した方法の別の技術的効果として、介入処置を計画し導くための情報及び画像を提供し、もって、電気生理学医師、心臓内科医師及び／又は外科医が介入処置を効率よく行えるようにすることが挙げられる。

本書に述べた方法、すなわち、脈管中心線検出、セグメンテーション及び時間的追跡の実現可能性について、合成品（模擬した静的脈管ファントム）及び生体３Ｄデータセット（両方とも何らカテーテルを入れていない）を使用して実証した。

本書に述べた脈管セグメンテーション及び追跡のための方法は、超音波イメージングを用いて得られた取得ボリュームの中の全ての血管要素を観察するための改良視覚化能力を提供する。本書に述べた方法は、関心のある血管樹を強調することによって、臨床医師が該血管樹を他の周囲の解剖学的構造から区別するのに役立つ。更に、これら方法は、動きが存在していても所望の脈管の視覚化を可能にする。

また、本書に述べた方法は、カテーテの視覚化を改善する。これは、臨床医師が周囲の組織を傷つける可能性を避けながら、針又はカテーテルを所望の位置へ導くのに役立つ。セグメント化された脈管は、超音波を利用してカテーテルを正しく且つ精密に配置し進める臨床医師の困難さを軽減するばかりでなく、脈管中心線の湾曲した切断ビューのような、実時間３Ｄデータの中にカテーテルのより臨床的に重要なビューを形成するために用いることができる。

本書に述べた脈管セグメンテーション及び追跡方法が診断用超音波イメージングに用いられるとき、自動セグメンテーション及び改良視覚化を行う方法の能力により、結果として、超音波イメージング・システムを使用するのに必要な訓練の量を低減することができる。

更に、本書に述べた方法は、自動的であり、表示のために最良の観察平面（又はボリューム）を選択するように適応させることができ、複雑なユーザー・インターフェースの必要性を排除する。

本発明は、中心線検出、セグメンテーション及び時間的追跡のためにカルマン・フィルタを用いる方法を記述した。カルマン・フィルタはノイズの存在下でも動作するように設計されているので、しばしば近似的な当てはめであってもフィルタは非常に有用である。従って、一般的に、超音波画像は大きいスペックル・ノイズの影響を受けるが、本書に述べた方法は、一層効率よく脈管の視覚化を改善することができる。

本発明の様々な実施形態では、超音波イメージング・システムのためのセグメンテーション及び追跡方法、並びにこのセグメンテーション及び追跡方法を用いる超音波イメージング・システムを説明した。しかしながら、これらの実施形態はそれらに制限されるものではなく、異なる用途について具現化することができる。本発明の用途は、他の分野，例えば、他のイメージング装置に拡張することができる。特定の臨床用途は、超音波心臓検査、胸部超音波検査、経直腸超音波検査（ＴＲＵＳ）、血管内超音波検査（ＩＶＵＳ）、及び想定特徴ジオメトリを用いる多数の方法を含む。本発明は、視覚化を改善するためにセグメンテーション及び追跡方法を使用する広義の概念を提供し、これは、非医学的用途に用いられる任意のイメージング・システムに適合させることができる。設計は更に、様々な形態及び仕様で実施し具現化することができる。

本明細書は、最良の実施形態を含めて、本発明を開示するために、また当業者が本発明を実施することができるようにするために、様々な例を使用した。本発明の特許可能な範囲は「特許請求の範囲」の記載に定めており、また当業者に考えられる他の例を含み得る。このような他の例は、それらが特許請求の範囲の文字通りの記載から実質的に差異のない構造的要素を持つ場合、或いはそれらが「特許請求の範囲」の文字通りの記載から実質的に差異のない等価な構造的要素を含む場合、特許請求の範囲内にあるものとする。

１００ 脈管中心線検出方法
７００ 自動セグメンテーション方法
１１００ 脈管をセグメント化する方法
１３００ 時間的中心線追跡方法

Claims (11)

1. 脈管の中心線をリアルタイムで検出および追跡する方法であって、
   ３Ｄ画像ボリュームを取得する段階と、
   中心線を初期設定する段階と、
   カルマン・フィルタを初期設定する段階と、
   前記カルマン・フィルタを用いて次の中心点を予測する段階と、
   前記行った予測の妥当性を検査する段階と、
   前記中心線を、予測した前記次の中心点に基づいて更新する段階と、
   測定誤差を推定するためにテンプレート・マッチングを遂行する段階と、
   前記テンプレート・マッチングに基づいてカルマン・フィルタを更新する段階と、
   前記の予測する段階、検査する段階、中心線を更新する段階、遂行する段階及びカルマン・フィルタを更新する段階を、所定の回数だけ繰り返す段階と、
   を有し、
   中心線を初期設定する前記段階は、
   画像ボリュームから最初の中心点を選択するする段階と、
   ３Ｄ画像ボリュームから脈管断面のテンプレートを取得する段階と、
   前記最初の中心点及び前記取得したテンプレートに基づいて中心線追跡パラメータを設定する段階と、
   を有し
   テンプレートを取得する前記段階は、
   画像データの閾値処理及び形態学的処理からマスクを求める段階と、
   求めたマスクに基づいて近似の脈管寸法を推定する段階と、
   前記脈管寸法に基づいてゲート・サイズを指定する段階と、
   前記最初の中心点を中心とし且つ前記指定されたゲート・サイズを持つ脈管断面の２Ｄテンプレートを生成する段階と、
   を有する、
   方法。
2. 前記脈管寸法は脈管セグメントの内部直径を表している、請求項１に記載の方法。
3. 中心線追跡パラメータを設定する前記段階は、プロセス・ノイズ分散（Ｑ）、測定誤差分散（Ｒ）、予測誤差分散（Ｐ）及びカルマン利得（Ｋ）を含む、１つ以上のカルマン・フィルタ・パラメータを求める段階と、
   最初の観測窓サイズ、動きベクトル及び整合スコア閾値を含む、１つ以上のテンプレート・マッチング・パラメータを求める段階と
   を有している、請求項１または２に記載の方法。
4. カルマン・フィルタを初期設定する段階は、予め設定された構成設定ファイルを用いてカルマン・フィルタ・パラメータを初期設定する段階を有している、請求項１から３のいずれかに記載の方法。
5. 次の中心点を予測する前記段階は、
   第１の推定された中心点及び速度を供給する段階と、
   カルマン・フィルタ・パラメータについての値を供給する段階と、
   カルマン予測を遂行する段階と、
   予測された中心点及び速度を求める段階と、
   前記予測された中心点及び速度に基づいて予測誤差分散を更新する段階と
   を有している、請求項３または４に記載の方法。
6. 前記第１の推定された中心点は、第１の繰り返しについて前記最初の中心点である、請求項５に記載の方法。
7. 予測の妥当性を検査する前記段階は、予測された中心がボリュームの範囲内にあるかどうか検査する段階と、推定誤差分散が妥当であるかどうか検査する段階とを有している、請求項５または６に記載の方法。
8. テンプレート・マッチングを遂行する前記段階は、
   予測された中心点及び速度を入力として供給する段階と、
   更新された予測誤差分散を供給する段階と、
   テンプレート・マッチングを遂行する段階と、
   測定された中心点及び速度を得る段階と、
   測定誤差分散を求める段階と
   を有している、請求項５から７のいずれかに記載の方法。
9. 前記テンプレート・マッチングはレイリー近似に基づいて遂行される、請求項８に記載の方法。
10. カルマン・フィルタを更新する前記段階は、
    測定された中心点及び速度及び測定誤差分散を入力として供給する段階と、
    第２の推定された中心点及び速度を求める段階と、
    可変カルマン利得（Ｋ）を更新する段階と
    を有している、請求項８または９に記載の方法。
11. 前記第２の推定された中心点は次の中心点である、請求項１０に記載の方法。