JP6073632B2 - 医用画像処理装置及び医用画像処理プログラム - Google Patents

Description

医用画像データから導出された画像のレジストレーションを実行する医用画像処理装置及び医用画像処理プログラムに関する。

医療分野では、二次元（２Ｄ）および三次元（３Ｄ）画像データセットが、従来のＸ線、コンピュータ断層撮影（ＣＴ）、磁気共鳴（ＭＲ）、超音波、および陽電子放出断層撮影（ＰＥＴ）を含む各種の技術−この分野ではモダリティと称される−によって収集される。２Ｄ画像の例としては、従来のＸ線画像だけでなく、ＣＴスキャンの「スライス」または多断面再構成（ＭＰＲ）表示におけるＣＴスキャンからのボリュームデータの「スラブ」などの、３Ｄ画像データセットから導出された２Ｄ画像、つまり、ボリュームデータセットも挙げられる。時間分解３Ｄ検査（3D studies）もよく知られており、通常は、４Ｄ検査（4D studies）と称され、時間が第４の「次元」となっている。例えば、腹部臓器内の時間分解かん流は、４Ｄダイナミック造影ＣＴ（ＤＣＥ−ＣＴ）を使用して測定される。ＣＴスキャンとＰＥＴスキャンとを組み合わせて単一画像を得るなどの、異なるモダリティを用いて撮像した同じ患者の画像を同時提示することも知られている。これらの組み合わされた表現は、５Ｄ検査と称されることもある。

医用画像データを解析するときの一般的なタスクは、画像同士を比較したい、例えば、ある時期の患者画像を別の時期の患者の対応する画像、または他の参照画像と比較したいということである。第１の医用画像と第２の医用画像とを比較するために、画像の１つを空間変換して、２つの画像からの対応する身体部分の位置合わせを試みることが有益である場合がある。このプロセスは、画像レジストレーションと称される。画像レジストレーションは、直接的目視検査のために、または自動画像セグメント分割などの自動処理技術を支援するために、ユーザーに対してレジストレーション処理された画像をユーザーに表示することを目的として実行されうる。

いくつかの状況では、レジストレーションは、特定の身体部分の比較的小さな画像に対して適用し、例えば、患者の心臓画像を別の心臓画像と比較することも可能である。他の場合には、レジストレーションをより大規模に適用し、例えば、胸郭などの、身体の比較的大きな部分の画像のレジストレーション処理を実行することが可能である。大規模な画像レジストレーションは、ときには、「全身」レジストレーションとも称されうる。この用語は、一般的に、例えば、複数の異なる解剖学的特徴を含む医用画像を背景状況とする、大規模な画像レジストレーションに使用することができるが、頭部から爪先までの全体の完全な身体画像を必ずしも必要とすると解釈されるべきでない。いくつかの場合において、比較する２つの画像は同じ広がりを有しない場合がある。例えば、いくつかの状況では、より大きな参照画像（例えば、全身アトラス画像）に対して比較的小さな検査画像のレジストレーションを行いたい場合がある。

例えば全身画像の、大規模な医用画像レジストレーションは、小規模な医用画像レジストレーションに比べて実行に成功することが困難な場合がある。これは、外観ならびに異なる患者間の解剖学的特徴の相対的配置および配向の変動幅が広く、また同じ患者からの画像を比較したときに患者の位置／配向の違いもあるからである。

目的は、医用画像レジストレーションのための、特に比較的大規模な医用画像を扱う医用画像レジストレーションを背景状況とする、改善された方式が実現可能な医用画像処理装置及び医用画像処理プログラムを提供することである。

本実施形態に係る医用画像処理装置は、第１の医用画像と第２の医用画像とを格納する格納ユニットと、所定の基準に従って、前記第１の医用画像から複数の第１の領域を生成する領域生成ユニットと、前記第２の医用画像において、前記複数の第１の領域に空間的に対応する複数の第２の領域を判定する判定ユニットと、前記複数の第１の領域と前記複数の第２の領域との間の空間的マッピングを示す第１の空間マッピングを対応関係毎に計算する計算ユニットと、前記複数の第１の空間マッピング間の整合性に基づいて前記複数の第１の領域を第２の医用画像上に変換するための複数の第２の空間マッピングを決定する決定ユニットと、前記複数の第２の空間マッピングを用いて、前記第１の医用画像と前記第２の医用画像との間のレジストレーションを実行するレジストレーション処理ユニットと、を具備するものである。

図１は、診断デバイスならびに関連する機器の例示的なネットワークを示す概略図。 図２は、ボリュームデータを生成するための一般ＣＴスキャナを示す図。 図３は、画像データを処理するためのコンピュータの概略を示す図。 図４は、図３のコンピュータの特徴の一部をさらに詳しく示す概略図。 図５（Ａ）は、本実施形態によるレジストレーション処理において使用するための参照画像を示す概略図であり、図５（Ｂ）は、本実施形態によるレジストレーション処理において使用するための検査画像を示す概略図。 図６Ａは、本実施形態により参照画像を複数の要素に分割するステップを表す概略図。 図６Ｂは、本実施形態による検査画像上への図６Ａの参照画像の要素の初期マッピングを表す概略図。 図６Ｃは、図６Ｂの検査画像上への図６Ａの参照画像の要素の初期マッピングの修正を表す概略図。 図７は、本実施形態による処理の概略を表す流れ図。 図８（Ａ）は、本実施形態により画像を複数の要素に分割する方法を表す概略図であり、図８（Ｂ）は、本実施形態により画像を複数の要素に分割する方法を表す概略図である。 図９（Ａ）は、従来の技術による画像レジストレーションに従う図５（Ｂ）の検査画像が上に載る図５（Ａ）の参照画像を示す概略図であり、図９（Ｂ）は、本実施形態による画像レジストレーションに従う図５（Ｂ）の検査画像が上に載る図５（Ａ）の参照画像を示す概略図である。 図１０は、本実施形態による処理のいくつかの態様の概略を表す流れ図。

本実施形態は、第１の医用画像（例えば、「参照」画像）と第２の医用画像（例えば、「新規の」／「調査」画像）との間のレジストレーションマッピングを決定するように動作可能なコンピュータシステムを実現し、このコンピュータシステムは第１の医用画像と第２の医用画像とを表すデータを格納するための格納デバイスと、（ａ）第１の医用画像中の複数の要素を識別し、（ｂ）一貫性制約に従って複数の空間マッピングを構成するために第１の医用画像中のそれぞれの要素から第２の医用画像中の対応する要素への空間マッピングを決定し、（ｃ）第１の医用画像の各要素から第２の医用画像の対応する要素への複数の空間マッピングに基づき第１の医用画像と第２の医用画像との間のレジストレーションマッピングを決定する機械可読命令を実行するように動作可能なプロセッサユニットとを備える。

本発明のいくつかの実施形態は、第１の医用画像と第２の医用画像との間のレジストレーションマッピングを決定するためのコンピュータによって実施される方法を提供し、この方法は（ａ）第１の医用画像中の複数の要素を識別するステップと、（ｂ）複数の空間マッピングを構成するために第１の医用画像中のそれぞれの要素から第２の医用画像中の対応する要素への空間マッピングを決定するステップであって、これらの空間マッピングは一貫性制約に従うステップと、（ｃ）第１の医用画像の各要素から第２の医用画像の対応する要素への複数の空間マッピングに基づき第１の医用画像と第２の医用画像との間のレジストレーションマッピングを決定するステップとを備える。

本発明のいくつかの実施形態による方法は、レジストレーションマッピングを表す出力データセットを構成することを備える。出力データは、例えば第１の医用画像の要素と第２の医用画像の要素との間の対応関係を示すためにレジストレーションマッピングを考慮する仕方で第１および／または第２の医用画像のいくつかの態様をディスプレイ上に表示するために使用されうる。また、出力データは、例えば一方の医用画像に関連するセグメント分割情報（例えば、マスク）を他方に転送するのを補助するためにレジストレーションマッピングを考慮する仕方で第１および／または第２の医用画像の後続の自動処理において使用されうる。

いくつかの実施形態により、一貫性制約は、自己一貫性条件を満たす一組の複数の空間マッピングから外れている一貫性のない空間マッピングを識別し、自己一貫性条件を満たす空間マッピングとの改善された一貫性について一貫性のない空間マッピングを修正することによって適用される。

いくつかの実施形態により、一貫性のない空間マッピングを修正することは、一貫性のない空間マッピングを自己一貫性条件を満たす空間マッピングから決定された代替空間マッピングで置き換えることを備える。

いくつかの実施形態により、代替空間マッピングは、自己一貫性条件を満たす空間マッピングの平均に基づく。

いくつかの実施形態により、プロセッサユニットは、各空間マッピングを表すそれぞれの変換行列から導出されるパラメータがどの空間マッピングが自己一貫性条件を満たすかを決定する際に使用されるように動作可能である。

いくつかの実施形態により、プロセッサユニットは、各空間マッピングを表す変換行列の各対から導出されるパラメータがどの空間マッピングが自己一貫性条件を満たすかを決定する際に使用されるように動作可能である。

いくつかの実施形態により、プロセッサユニットは、自己一貫性条件を満たす空間マッピングが空間マッピングに対するクラスタ分析に基づき決定されるように動作可能である。

いくつかの実施形態により、クラスタ分析は、空間マッピングの各対の間の類似性尺度を導出することに基づく。

いくつかの実施形態により、類似性尺度は、空間マッピングの各対の空間マッピングを表す行列に適用される対数関数に基づく。

いくつかの実施形態により、対数関数は、空間マッピングの対の第１の空間マッピングを表す第１の行列と空間マッピングの対の第２の空間マッピングを表す第２の行列の逆行列との積の対数を決定することを備える。

いくつかの実施形態では、類似性尺度は、各対のそれぞれについての第１の行列と第２の行列の逆行列との積の対数のノルムに基づく。

いくつかの実施形態により、プロセッサユニットは、自己一貫性条件を満たす空間マッピングが統計的部分集合選択分析に基づき決定されるように動作可能である。

いくつかの実施形態により、プロセッサユニットは、自己一貫性条件を満たす一組の複数の空間マッピングを識別するプロセスが各空間マッピングに対する信頼基準を考慮するように動作可能である。

いくつかの実施形態により、プロセッサユニットは、信頼基準が第１および第２の医用画像の各要素間の対応関係の程度に基づくように動作可能である。

いくつかの実施形態により、一貫性制約は、各空間マッピングを決定するために並行局所粒子群を採用する粒子群最適化（ＰＳＯ）技術を使用して第１の医用画像中のそれぞれの要素と第２の医用画像中の対応する要素とからの空間マッピングを決定することによって適用される。

いくつかの実施形態により、第１の医用画像中の要素に対する空間マッピングを決定するときに、各局所粒子群は探索空間内で、（ｉ）第１の医用画像中の要素と第２の医用画像中のすでに考察されている対応する要素との間の対応関係の程度に対する最適値に関連付けられている位置と、（ｉｉ）第１の医用画像中の隣接要素と対応する隣接局所粒子群によって決定されるような隣接要素に対する第２の医用画像中のすでに考察されている対応する要素との間の対応関係の程度に対する最適値に関連付けられている位置とを備える群から選択された構成要素のうちの１つまたは複数によってバイアスされる。

いくつかの実施形態により、この方法は、第１の医用画像中の初期の複数の初期要素を識別することと、初期の複数の初期空間マッピングを構成するために第１の医用画像中のそれぞれの初期要素から第２の医用画像中の対応する初期要素への初期空間マッピングを決定することとをさらに備え、ステップ（ｂ）は、初期の複数の初期空間マッピングを考慮することによって第１の医用画像中のそれぞれの要素から第２の医用画像中の対応する要素への空間マッピングを決定することを備える。

いくつかの実施形態により、初期空間マッピングは、一貫性制約にも従う。

いくつかの実施形態により、第１の医用画像中の複数の要素は、第１の医用画像中に表されている解剖学的特徴に基づく。

いくつかの実施形態により、第１の医用画像中の複数の要素は、第１の医用画像を複数の幾何学的形状に分割することによって識別される。

いくつかの実施形態により、各空間マッピングは、アフィン変換を備える。

いくつかの実施形態により、第１および第２の医用画像は、二次元（２Ｄ）医用画像を備える。

いくつかの実施形態により、第１の医用画像は、全身アトラス画像を備える。

本実施形態は、これ以降において、一時的でない媒体上に格納されうるコンピュータで実施される医用画像処理装置（或いは医用画像処理システム）、方法、ならびにコンピュータプログラム製品を背景状況として説明される。本実施形態のいくつかは、コンピュータ、例えば、パーソナルコンピュータまたは他の形態のワークステーションに、本実施形態に関連付けられている機能を備えさせるコンピュータプログラム製品に関して説明されているが、以下の説明から、これは本実施形態のただ１つの例に関係することが理解されるであろう。例えば、本実施形態では、スタンドアロンのコンピュータではなく、コンピュータのネットワークにより、本実施形態を実施することができる。代替えとして、またはそれに加えて、本実施形態に係る機能の少なくとも一部は、専用ハードウェア、例えば専用集積回路（例えば、特定用途向け集積回路（ＡＳＩＣ））の形態のハードウェアを使って実施することができる。

図１は、コンピュータ制御の診断デバイス、スタンドアロンのコンピュータワークステーション、および関連する機器の例示的なネットワーク１を表す概略図である。ネットワーク１は、３つのコンポーネントを備える。主病院コンポーネント２、リモート診断デバイスコンポーネント４、およびリモートシングルユーザーコンポーネント６がある。主病院コンポーネント２は、患者画像を取得するための複数の診断デバイス、この例では、ＣＴスキャナ８と、ＭＲ撮像装置１０と、デジタルＸ線撮影（ＤＲ）デバイス１２ならびにコンピュータＸ線撮影（ＣＲ）デバイス１４と、複数のコンピュータワークステーション１６と、共通フォーマットファイルサーバー１８と、ファイルアーカイブ２０と、インターネットゲートウェイ１５とを備える。これらの機能のすべてが、ローカルエリアネットワーク（ＬＡＮ）２５によって相互接続されている。

リモート診断デバイスコンポーネント４は、ＣＴスキャナ１１と、共通フォーマットファイルサーバー１３と、インターネットゲートウェイ１７とを備える。ＣＴスキャナ１１およびファイルサーバー１３は、通常、インターネットゲートウェイ１７に接続され、次いで、主病院コンポーネント２内のインターネットゲートウェイ１５にインターネットを介して接続される。

リモートシングルユーザーコンポーネント６は、内部モデム（図示せず）を有するコンピュータワークステーション２１を備える。コンピュータワークステーション２１もまた、インターネットを介して、主病院コンポーネント２内のインターネットゲートウェイ１５に接続される。

ネットワーク１は、データを標準化された共通フォーマットで送信するように構成される。例えば、ＣＴスキャナ８は、最初に、オペレータが適切な２Ｄ画像を導出することができるソースデータセット、つまり、３Ｄ画像データセットを生成する。２Ｄ画像は標準画像データフォーマットにエンコードされて、ＬＡＮ２５経由でファイルサーバー１８に転送され、ファイルアーカイブ２０に格納される。コンピュータワークステーション１６のうちの１つで作業しているユーザーは、その後、画像を要求することができ、ファイルサーバー１８は、アーカイブ２０から画像を取り出して、ＬＡＮ２５を介してユーザーに受け渡す。同様に、リモート診断デバイスコンポーネント４、またはリモートシングルユーザーコンポーネント６のいずれかにおいて、主病院コンポーネント２をリモート操作しているユーザーも、アーカイブ２０上に、またはネットワーク１上の別のところに格納されているデータにアクセスし、送信することができる。

図２は、患者５の領域の３Ｄ Ｘ線スキャンを得るための、図１に表されているような一般的なスキャナ、とりわけ、コンピュータ断層撮影（ＣＴ）スキャナ８の概略斜視図である。注目している１つまたは複数の臓器または他の解剖学的特徴あるいは身体部分を含む患者の腹部をスキャナ８の円形開口部７内に置く。患者の腹部を通る一連の画像スライスを撮影する。生画像データがスキャナから導出され、これは、例えば、１０００個の２Ｄ ５１２×５１２データサブセットの集合を備えるものとすることが可能である。これらのデータサブセットは、それぞれ検査対象の患者の領域のスライスを表し、組み合わせることでボリュームデータを生成する。３Ｄ画像データセットを構成するボリュームデータは、ボクセルのそれぞれがこれらのスライスのうちの１つの中の１つのピクセルに対応するボクセルの集合を備える。そのため、ボリュームデータは、撮像された特徴の３Ｄ表現であり、３Ｄ表現のさまざまなユーザー選択２Ｄ投影（出力画像）を表示することができる（典型的にはコンピュータのモニタ上に）。

異なるイメージングモダリティ（例えば、ＣＴ、ＭＲ、ＰＥＴ、超音波）は、典型的には、異なる画像解像度（つまり、ボクセルサイズ）を備え、撮像されるボリュームの全体的サイズは、検査の性質にさらに依存する。具体例として、制限されたボリュームデータセットは、ｘ軸、ｙ軸、およびｚ軸によって定義された通常のデカルト格子上に配置された５１２×５１２×３２０個の１６ビットボクセルからなる配列を備えることができ、これらのボクセルはそれぞれの軸にそって０．５ｍｍ間隔で並ぶ。これは、約２５ｃｍ×２５ｃｍ×１６ｃｍの全体的撮像ボリュームに対応し、これは、腎臓、肝臓、腸、脾臓、または膵臓などの、注目する腹部臓器を包含するのに適している。他のボリュームデータセットは、それより大きく、例えば、患者のかなりの部分、例えば、いわゆる「全身」画像を包含しうる。より大きなボリュームデータセットは、多数の個別のより小さなボリュームデータセットから構築されうるか、または１回の取得で得ることができる。従来通り、ボリュームデータは、典型的には、横断面、矢状面、および冠状面との位置合わせがなされる。ｘｙ軸は、横断面内にあり、ｘｚ軸は、冠状面内にあり、ｙｘ軸は、矢状面内にある。

図３は、本実施形態により医用画像データの処理を実行するように構成された汎用コンピュータシステム２２の概略を例示している。コンピュータ２２は、中央演算処理装置（ＣＰＵ）２４と、読み出し専用メモリ（ＲＯＭ）２６と、ランダムアクセスメモリ（ＲＡＭ）２８と、ハードディスクドライブ３０と、ディスプレイドライバ３２およびディスプレイ３４と、キーボード３８ならびにマウス４０を備えるユーザー入出力（Ｉ／Ｏ）回路３６とを具備する。これらのデバイスは、共通バス４２を介して接続される。コンピュータ２２は、共通バス４２に接続されているグラフィックスカード４４も備える。グラフィックスカードは、グラフィックスプロセッシングユニット（ＧＰＵ）とＧＰＵに密結合されたランダムアクセスメモリ（ＧＰＵメモリ）とを備える。

ＣＰＵ２４は、ＲＯＭ２６、ＲＡＭ２８、またはハードディスクドライブ３０内に格納されているプログラム命令を実行して、ＲＡＭ２８またはハードディスクドライブ３０内に格納されうる医用画像データの処理を実行することができる。ＲＡＭ２８およびハードディスクドライブ３０は、システムメモリと総称される。ＧＰＵは、ＣＰＵから受け渡された画像データの処理を実行するプログラム命令を実行することもできる。

図４は、図３に示されているコンピュータシステムの特徴の一部をさらに詳しく示す概略図である。ＲＡＭ２８およびハードディスクドライブ３０は、システムメモリ４６としてまとめて示されている。図２に示されているスキャナ８から得られた医用画像データは、図に概略が示されているようにシステムメモリ４６内に格納される。また、後述する画像間のレジストレーション処理を実行するための専用プログラムも、システムメモリ４６内に格納される。コンピュータシステム２２の機能間の異なるデータ転送経路を示すのを補助するために、図３に示されている共通バス４２は概略が、図４に一連の独立したバス接続４２ａ〜ｄとして示されている。第１のバス接続４２ａは、システムメモリ４６とＣＰＵ２４との間を接続する。第２のバス接続４２ｂは、ＣＰＵ２４とグラフィックスカード４４との間を接続する。第３のバス接続４２ｃは、グラフィックスカード４４とディスプレイ３４との間を接続する。第４のバス接続４２ｄは、ユーザーＩ／Ｏ３６とＣＰＵ２４との間を接続する。ＣＰＵは、ＣＰＵキャッシュ５０を備える。グラフィックスカード４４は、ＧＰＵ５４とＧＰＵメモリ５６とを備える。ＧＰＵ５４は、アクセラレーテッドグラフィックスプロセッシングインターフェース６０と、ＧＰＵキャッシュＩ／Ｏコントローラ６２と、処理エンジン６４と、ディスプレイＩ／Ｏコントローラ６６とを構成するための回路を備える。処理エンジン６４は、医用画像データセットを処理することに典型的には関連付けられている種類のプログラム命令の実行を最適化するように設計されている。また、処理エンジン６４は、レジストレーション処理部６４０を有する。レジストレーション処理部６４０は、後述する画像間のレジストレーション処理を実行する。

ユーザーは、キーボード３８とマウス４０とをディスプレイ３４上に表示されるグラフィカルユーザーインターフェース（ＧＵＩ）と組み合わせて使用して、例えば、ポイントしてクリックするマウス、トラックパッドなど、タッチスクリーン、または他の知られている技術と組み合わせて移動可能な画面上のアイコンを使用して、所望の処理パラメータを選択することができる。

本明細書で説明されている方法は、病院環境の中で使用することができる。この場合の方法は、スタンドアロンソフトウェアアプリケーションに組み込むか、または医用画像保管通信システム（ＰＡＣＳ）と一体化して使用することができる。ＰＡＣＳは、単一の中央アーカイブに編成されたデジタルフォーマットの異なる種類の診断画像を表すボリュームデータを格納することができる病院用コンピュータ化ネットワークである。例えば、画像をＤＩＣＯＭ形式で格納することができる。アーカイブは、多数のワークステーションを備えるコンピュータネットワークに接続されており、そのため、病院サイト周辺にいるユーザーすべてが必要に応じ患者データにアクセスし、処理することができる。それに加えて、サイトから離れた場所にいるユーザーに、インターネット経由でアーカイブにアクセスすることを許可することもできる。

放射線科医、医師、または研究者などのユーザーは、ワークステーションからの医用画像データセットにアクセスし、２Ｄもしくは３Ｄデータセットの静止画像または４Ｄデータセットからの動画などの画像を生成し、表示することができる。

本実施形態により、データキャリア上にまたはメモリ内への格納のためにコンピュータプログラムコードを使用するコンピュータによって実施される方法を使用して、コンピュータシステムのＣＰＵおよびＧＰＵのオペレーションを制御することができる。コンピュータプログラムは、好適なキャリア媒体、例えば、ソリッドステートメモリ、磁気、光、または光磁気ディスクもしくはテープベースの媒体などの記憶媒体で供給することができる。あるいは、伝送媒体、例えば、電話、無線、もしくは光チャネルなどのキャリアを使用する媒体で供給することができる。

図５（Ａ）および図５（Ｂ）は、本実施形態により互いにレジストレーションがなされうる第１の医用画像１０１および第２の医用画像１０２の概略を示している。この例では、第１の画像１０１は、全身参照画像（アトラス画像とも称されうる）であり、第２の画像１０２は、患者検査画像（新規画像、患者スタディ画像とも称されうる）である。この例の画像１０１、１０２は、従来の技術による３Ｄ ＣＴデータから導出された従来の２Ｄ医用画像である（例えば、所望の視野方向に対する最大強度投影を設定することによって）。医用画像の特定の性質および種類は、基盤となるレジストレーションプロセスにとっては重要でないことが理解されるであろう。レジストレーションを実行する理由は重要でないことも理解されるであろう。例えば、場合によっては、ユーザーは、参照画像と検査画像との間のレジストレーションマッピングを、これらの画像のうちの一方をレジストレーションマッピングで変換してディスプレイに表示したときに２つの画像を目で見て直接比較できるように確立したいことがある。他の場合には、決定されたレジストレーション変換を参照画像においてすでに識別されている対応する特徴の知られている位置に適用することによって検査画像内の解剖学的特徴の識別をしやすくするためにこれらの画像間のレジストレーションマッピングを確立したいことがある。

本実施形態により、参照画像１０１と検査画像１０２との間のレジストレーションマッピングを決定するためのプロセスは、広い意味で、３つの主要ステップを備えるものと解釈できる。

図６Ａは、参照画像１０１が複数の要素（領域、パッチ）に分割される（仕切られる）第１のステップの概略を示している。この例では、参照画像は、均一な格子上に配列され、Ｒ１、Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ６、Ｒ７、Ｒ８、およびＲ９とラベル付けされている９つの矩形に分割されている。わかりやすくするために、図６Ａでは、要素は互いに相隔てて並ぶように示されているが、一般に要素は互いに連続して続く。場合によっては、参照画像のわずかな部分のみがさらなる処理を受けるためにいくつかの要素に分割される可能性がある。これは、例えば、参照画像が検査画像によって覆われていないか、または現在の検査のために単に注目していない、解剖学的特徴を含むことから、参照画像１０１の一部のみが注目する場所である場合に適している可能性もある。

第２のステップでは、参照画像中のそれぞれの要素から検査画像内の最も可能性の高い対応する要素として識別されるものへの空間マッピング（変換）が決定（計算）され、これにより複数の空間マッピングを構成する。いくつかの点で、このアプローチは、区分的レジストレーションと称することができる。いくつかの例示的な実施形態では、従来のレジストレーション技術に従って個別の空間マッピングを決定することができる。例えば、パウエルオプティマイザー（Powell Optimizer）技術を画像のそれぞれの要素について確立するために使用することができ、アフィン変換で参照画像の要素と検査画像の対応する変換された要素との間の類似性尺度を最適化する。類似性尺度は、例えば、２つの画像内の要素の間の相関係数に基づくものとしてよい。

図６Ｂは、図６Ａに示されている参照画像１０１の要素について決定される可能性のある複数の個別の空間マッピングの概略を表している。これらのマッピングは、各個別の決定されたマッピングによる変換の後の参照画像１０１の要素の検査画像１０２上の概略オーバーレイによって表される。図６Ｂに示されている参照画像１０１の要素の概略として表されている変換は、Ｒ’１、Ｒ’２、Ｒ’３、Ｒ’４、Ｒ’５、Ｒ’６、Ｒ’７、Ｒ’８、およびＲ’９とラベル付けされている。したがって、区分的レジストレーションプロセスは、図６Ａに示されている参照画像１０１内の要素Ｒ１が図６ＢでＲ’１とラベル付けされている検査画像１０２の一部と最もよく一致すると判定している。つまり、区分的レジストレーションプロセスは、参照画像１０１内の要素Ｒ１が検査画像１０２内のＲ’１とラベル付けされている領域に対応する可能性が最も高いと判定し、関連付けられている空間マッピングをさらに確立している。参照画像１０１内の要素Ｒ１と検査画像１０２内の対応する形で識別されるＲ’１との間の対応関係の程度は、決定されたマッピングに対する「適合度」の尺度、つまり、信頼基準と考えることができる。対応関係の程度は、例えば、各画像の２つの領域の間の相関の尺度および／または２つの画像の各要素内に含まれる相互情報の他の尺度によってパラメータ化されうる。

第３のステップでは、参照画像の各要素に関連付けられている一組の空間マッピングに整合性（マッピング間の整合性、一貫性、一致性）があるかどうかについて分析する。以下でさらに説明されるように、これが実行されうる異なる方法が多数ある。他の空間マッピングとの間に整合性がないとみなされる個別の空間マッピングは、修正される。例えば、整合性のない空間マッピングは、自己整合性があると判定された空間マッピングに基づき新しい空間マッピングで置き換えることができる。例えば、整合性のない空間マッピングは、自己整合性のある空間マッピングの平均で置き換えることができるか、または整合性のない空間マッピングは、他の空間マッピングとの間に整合性があると考えられる参照画像の最近近傍要素（複数可）に関連付けられている空間マッピングで置き換えることができる。

図６Ａと６Ｂとを参照すると、要素Ｒ１、Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ７、およびＲ９について決定された個別の空間マッピングは広い意味で整合性を有しているが、要素Ｒ６およびＲ８について決定された個別の空間マッピングは、他の空間マッピングとの間に整合性を有していないことがわかる。これは、図６Ａに表されているような参照画像内の要素Ｒ１、Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ７、およびＲ９の間の空間関係は、図６Ｂに表されているようなソース画像内の対応する要素Ｒ’１、Ｒ’２、Ｒ’３、Ｒ’４、Ｒ’５、Ｒ’７、およびＲ’９の間の空間関係に広い意味で類似しているという事実から明らかである。しかし、これは、要素Ｒ６およびＲ８について当てはまらない。本実施形態により、要素Ｒ６およびＲ８に対しては空間マッピングにおいてこのように整合性がないことは、これらの要素に対する決定された空間マッピングが、参照画像の要素と適切に対応する検査画像の要素を正しく識別することができていないことを示すものとして解釈される。

そこで、本実施形態により、要素Ｒ６およびＲ８に関連付けられている個別のマッピングを修正することができる。この例では、要素Ｒ６およびＲ８に対する空間マッピングは、他の要素（Ｒ１、Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ７、およびＲ９）に対する平均マッピングに対応する空間マッピングで置き換えられると仮定される。

図６Ｃは、図６Ｂに類似しており、図６Ｂから理解されるが、上で説明されているように参照画像１０１内の要素Ｒ６およびＲ８に関連付けられているマッピングの修正後の複数の個別の空間マッピングの概略を表す。図６Ｃに示されている参照画像１０１の要素Ｒ６およびＲ８の概略として表されている修正された変換は、Ｒ’’６およびＲ’’８とラベル付けされている。

そこで、一般的な意味で、図６Ｃに表されている個別のマッピングは、さまざまな空間マッピング間の自己整合性について制約されている仕方で複数の空間マッピングを構成するように参照画像内のそれぞれの要素から検査画像内の対応する要素への空間マッピングを決定することによって得られる。

上で説明されているように参照画像１０１内の注目する要素に対する個別のマッピングを決定した後、参照画像と検査画像との間の全体的なレジストレーションマッピングが、個別の空間マッピングに基づき決定されうる。本実施形態による方法は、参照画像および／または検査画像の態様をさらに処理／表示する際に使用するためのレジストレーションマッピングを表す出力データを構成することをさらに備えることができる。多くの場合において区分的レジストレーションを実行する目的は、アトラスベースのセグメント分割であり、参照画像（アトラス）の分割は、多くの場合、解剖学的基準に基づきなされるので、参照画像の前のセグメント分割からの参照画像の要素に関連付けられているアトラスマスクは、関連するマッピングに従ってそれぞれの参照パッチから新規の／検査画像上に直接的に伝播しうる。注目する構造が複数のパッチにまたがっている場合、例えば、確立されているポリアフィン法を使用してマッピング間の補間を行い、参照画像に関連付けられているセグメント分割情報を新規の画像に移すことが可能である。

もちろん、上述の一般的なアプローチは、他の実施形態により修正することができることが理解されるであろう。例えば、上述のアプローチでは、整合性制約は、参照画像のそれぞれの要素について初期マッピングを決定した後に適用されるが、別の例では、初期マッピングは、自己整合性について本質的に制約されている仕方で決定されうる。つまり、個別の空間マッピングを決定するプロセスおよび整合性制約の適用は、並行して実行することができる（つまり、上で説明されている第２のステップおよび第３のステップは、実際には単一のステップで同時に実行することができる）。

いくつかの実施形態の一般的アプローチを説明したが、一実施形態による処理の概略を表す流れ図である図７を参照しつつより具体的な例を次に説明する。

第１のステップＳ１では、参照画像と検査画像とを表す医用画像データを取得する。これらのデータは、原則として、イメージングモダリティから直接得られるが、実際には、本明細書で説明されている処理を実行するように構成されているコンピューティング装置に付随するメモリからロードされたすでに得られているデータである可能性がより高い。データは、レジストレーションが望まれており従来のデータ構造によって表されうる医用画像の任意の形式を表すものとしてよい。この例では、参照画像および検査画像は、図５（Ａ）および図５（Ｂ）において示されている従来の方法でレンダリングされたＣＴ画像と対応すると仮定されている。

第２のステップＳ２では、参照画像１０１は、概念的に、複数の要素に分割される。いくつかの例では、参照画像は、識別された解剖学的特徴に基づき分割されうるが、他の例では、参照画像は、より任意に、例えば規則正しい格子パターンに基づき分割されうる。

図８（Ａ）は、識別された解剖学的特徴に基づき複数の要素Ｒ１、Ｒ２、Ｒ３、Ｒ４に分割された参照画像１０１の概略を表す。この分割は、例えば、自動セグメント分割技術に基づくか、またはより可能性が高く標準参照（アトラス）画像の場合に、前の手動識別に基づくものとしてよい。この例では、要素Ｒ１は、右大腿を包含する矩形であり、要素Ｒ２は、左大腿を包含する矩形であり、要素Ｒ３は、右上骨盤領域を含む要素であり、要素Ｒ４は、左上骨盤領域を含む要素であり、というように他の解剖学的特徴について続く。この例では、参照画像１０１内で識別された合計８つの要素がある。この例では分割に含まれていない参照画像１０１の部分があることに留意されたい。例えば、参照画像１０１の上側胸部領域は、図８（Ａ）に表されている要素のどれかに関連付けられていない。これは、この場合に、検査画像１０２（図５（Ｂ）を参照）が患者のこの部分にかかっておらず、したがって、参照画像のこの部分とのレジストレーションを行うものは何もないからである。

図８（Ｂ）は、参照画像１０１が単純な規則正しい格子（例えば、図６Ａに概略が示されているような）に基づき複数の要素Ｒ１、Ｒ２、Ｒ３、Ｒ４に分割される代替的アプローチの概略を表す。この特定の例では、参照画像は、５つの行と２つの列とに連続的に配列されたほぼ正方形の形状に分割される。

本実施形態により画像分割するのに最も適している仕方は、固定分割方式、例えば、固定された数の行と列もしくは解剖学的特徴に分割することに基づくか、または手持ちの特定のアプリケーションに合わせて調整することができる。例えば、２つの特定の種類の画像のレジストレーション処理を行うために、参照画像に対する異なる分割を使用して一連のテストを最初に実行し、どの分割から最適な結果が得られるかを明確にし、次いで、その後の画像レジストレーションを実行する際にこの最適な分割を使用することができる。一般に、要素が多いと（つまり、参照画像の分割が比較的細かいと）、参照画像と検査画像との間に広範な解剖学的な違いがある個別の要素をマッピングすることがしやすくなる。しかし、要素が少ないと（つまり、参照画像の分割が比較的粗いと）、より高い信頼度で個別のマッピングを決定することがしやすくなる。

第３のステップＳ３で、分割された参照画像の各要素と参照画像の要素に対応するものとして識別（判定）されている検査画像の要素との間の個別のマッピングを識別（判定）する。これは、参照画像のそれぞれの要素に対する、検査画像の一領域への潜在的変換の空間を探索するための従来技術を使用し、参照画像の要素に適用されたときに検査画像の対応する領域に最も緊密に対応する変換を識別することで達成されうる。この区分的レジストレーションは、潜在的アフィン変換の空間を探索して参照画像の変換された要素と検査画像の対応する領域との間の類似性尺度（例えば、相関係数）を最適化することに基づくものとしてよい。この例示的な実施形態では、個別のマッピングを決定するプロセスの初期化がない（つまり、先験的なガイダンスがない）ので、大域的最適解を見つけるのに適した最適化プロセスを選択するのに適していると思われる。例えば、全数探索またはランダム探索に基づき使用することができるさまざまな確立されている最適化技術がある。例えば、Ｒｏｕｅｔら「Ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ａ ｒｏｂｕｓｔ ３−Ｄ ＭＲ−ＣＴ ｒｅｇｉｓｔｒａｔｉｏｎ」（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｂｉｏｍｅｄｉｃｉｎｅ、第４巻、第２号、２０００年６月、１２６〜１３６頁）およびＭａｎｄａｖａら「Ａｄａｐｔｉｖｅ ｓｅａｒｃｈ ｓｐａｃｅ ｓｃａｌｉｎｇ ｉｎ ｄｉｇｉｔａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ」（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、第８巻、第３号、１９８９年、２５１〜２６２頁）で説明されているようなアプローチを使用することが可能である。

そこで、第３のステップを実行する結果、参照画像が分割された（例えば、図６Ｂで概略が表されているように）各要素に対応する一組の個別の空間マッピングが決定される。

第４のステップＳ４で、ステップＳ３の結果得られるその一組の個別の空間マッピングは、それらの空間マッピングのうちのどれが自己整合性を有し、それらの空間マッピングのうちのどれが他の空間マッピングとの整合性を有していないかを識別するために考慮される。これを行う方法は多数あり、この例示的な実施形態では、階層的クラスタリング法に基づくアプローチが採用される。

階層的クラスタリングは、自己類似性を有する空間マッピングのグループを確立するために適用されうる。最大の自己類似グループ（クラスタ）の外側にある空間マッピングは、整合性のないマッピング（もしあれば）を表すものとして解釈されうる。「正しい」クラスタ（つまり、適切な自己整合性空間マッピングであると想定されるものを含むクラスタ）を識別する他の方法を使用することができる。例えば、それぞれのクラスタ内のマッピングの数を考慮する代わりに（または考慮するとともに）、例えば、以下でさらに説明されるように、クラスタを確立するために使用される類似性尺度に基づき、それぞれのクラスタ内の空間マッピングの対の間の類似性の尺度を考慮することもできる。構成要素が互いに最も類似しているクラスタは、「正しい」空間マッピングのクラスタを表す可能性がより高いと考えることができる。

階層的クラスタリング法を適用するために、異なる対の空間マッピング間の類似性尺度を確立し、クラスタを識別するための基準として使用する。このような類似性尺度は、「距離」と称されることが多い。

空間マッピングは行列として表すことができ、階層的クラスタリングアルゴリズムによって使用するための類似性尺度は、一般的に、スカラー量である。発明者らは、各対の空間マッピング間の類似性尺度（距離）として使用する適切なスカラー量は、空間マッピングのうちの一方を表す行列と空間マッピングのうちの他方を表す行列の逆行列との積の対数に基づくものとしてよく、特に、距離は、そのような対数のノルムから導出されうることを認識している。

例えば、空間マッピングＡと空間マッピングＢとの間の距離ｄ_Ｇは、
ｄ_Ｇ（Ａ，Ｂ）＝ｎｏｒｍ｛ｌｏｇ（ＡＢ^-1）｝_F
として定義することができる。

距離ｄ_Gは、２つの空間マッピングを表す行列ＡとＢとの間の測地的距離と称されうる。Ｂ^-1はＢの逆行列であり、Ｌｏｇ（ＡＢ^-1）はＡとＢ^-1との積の対数であり、関数「ｎｏｒｍ｛．．．｝_F」はフロベニウスノルムである。

そこで、各対の空間マッピング間の距離を定義してから、従来の階層的クラスタリング法、例えば、ＧｏｗｅｒならびにＲｏｓｓ「Ｍｉｎｉｍｕｍ Ｓｐａｎｎｉｎｇ Ｔｒｅｅｓ ａｎｄ Ｓｉｎｇｌｅ Ｌｉｎｋａｇｅ Ｃｌｕｓｔｅｒ Ａｎａｌｙｓｉｓ」（Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ、シリーズＣ（応用統計学）、第１８巻、第１号（１９６９年）、５４〜６４頁）によって説明されている単連結クラスタリング法に基づくアプローチを使用して、空間マッピングをいくつかのグループ（クラスタ）に形成することができる。他の階層的クラスタリング法を使用することも可能であり、例えば、ＳｎｅａｔｈならびにＳｏｋａｌ「Ｎｕｍｅｒｉｃａｌ Ｔａｘｏｎｏｍｙ」（Ｆｒｅｅｍａｎ、Ｓａｎ Ｆｒａｎｃｉｓｃｏ １９７３年）で説明されているような平均連結または完全連結アルゴリズムに基づくものを使用することが可能である。他の従来のクラスタリング法も、等しく使用することが可能である。

空間マッピングがグループ化されるべきである適切な数のクラスタを決定する（つまり、階層クラスタリングアルゴリズムが停止すべき段階を決定する）ために従来の技術も使用することができる。この例示的な実施形態では、Ａｋａｉｋｅ、「Ａ ｎｅｗ ｌｏｏｋ ａｔ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｍｏｄｅｌ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ」（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｕｔｏｍａｔｉｃ Ｃｏｎｔｒｏｌ １９（６）：７１６〜７２３頁、１９７４年）によって説明されている技術に基づくアプローチが使用されている。空間マッピングがグループ化されるべき適切な数のクラスタを決定するための他の技術も使用することが可能である。例えば、固定された数のクラスタ、例えば、２つ、３つ、または４つもしくはそれ以上のクラスタを定義することができる。発明者らは、一般的に、典型的な医用撮像アプリケーションに対して３つのクラスタがよい選択でありうることを発見した。別の技術では、考察対象の空間マッピングの総数に対する定義済みの割合の数の空間マッピング（例えば、割合は０．５、０．６、０．７、０．８、または０．９に等しい）を含む単一クラスタがあるようになるまで単純にクラスタリングを続けることも可能である（ボトムアップクラスタリングアプローチを使用する）。対応する技術は、空間マッピングをさらなる断片（クラスタ）に分割するのを停止することによってトップダウンクラスタリングアプローチ（断片化アプローチと称されることもある）に対して使用することができ、そこでは、空間マッピングの総数に対する定義済みの割合の数の空間マッピングを含むクラスタであるように思われる。

第５のステップＳ５で、他の空間マッピングとの間に整合性がないとみなされるＳ３において確立された個別のマッピングが修正される。これを行う方法が多数ある。例えば、整合性のないマッピングを整合性のあるマッピングの平均で置き換えることができる。いくつかの例では、整合性のあるマッピングの平均の決定は、例えば、関連する類似性尺度に基づき、各マッピングに対する信頼基準によって重み付けされうる。そのため、信頼度の高いマッピング（つまり、参照画像の変換された要素と検査画像の対応する要素との間の高い対応関係性）は、整合性のないマッピングに使用する平均を決定するときにより大きく関わる可能性がある。別の例では、参照画像中の与えられた要素に対する整合性のないマッピングは、整合性がないとみなされていない参照画像内の１つまたは複数の隣接要素に対するマッピングから導出されたマッピングで置き換えることができる。さらに別の例では、自己整合性のあるマッピングによって制約される仕方でその要素に対するマッピングを再計算することによって整合性のないマッピングに関連する要素に対して新しいマッピングを決定することができる。例えば、最適化されたマッピングを確立するために探索される潜在的変換の空間は、自己整合性のあるマッピングに基づき制約されうる。例えば、新たに決定されたマッピングのさまざまなパラメータ（例えば、異なる方向、回転などに基づき平行移動と拡大とに対応する）は、自己整合性のあるマッピングに対する対応するパラメータの範囲内に収まるように制約されうる。

そこで、第５のステップを実行した結果、参照画像が分割され、自己整合性制約に従う方法で生成された、各要素に対応する一組の個別の空間マッピングが決定される（例えば、図６Ｃで概略が表されているように）。

第６のステップＳ６で、第５のステップで得られた一組の自己整合性のある個別の空間マッピングを使用して、参照画像と検査画像との間の全体的なレジストレーションマッピングを確立する。こうして、マッピングを表す出力データセットを生成することができる。

図９（Ａ）は、従来の大域的レジストレーション技術による画像レジストレーションに従う図５（Ｂ）の検査画像が上に載る図５（Ａ）の参照画像を示す概略図である。マッピングは特によくないことがわかる。例えば、大腿骨と下側胸郭骨の特によくない重なり、さらには骨盤領域内の著しい食い違いがある。中央の脊椎領域は、ほどほどによく表されているように思われる。このようなレジストレーションのまずさは、レジストレーションプロセスの価値を損なう。例えば、画像レジストレーションによる変換の後に参照画像内の対応する解剖学的特徴の知られている位置に基づき、患者の右大腿の上外側境界などの検査画像内の特定の解剖学的特徴の位置を自動的に識別することを望んでいた場合、結果に失望することになるであろう。これは、決定されたレジストレーションに基づき検査画像に変換されたときの参照画像内の注目する特徴に対する知られている位置が、検査画像内の対応する解剖学的特徴に対する位置と細かいところまで一致していないためである。

図９（Ｂ）は、その一方で、本実施形態による画像レジストレーションに従う図５（Ｂ）の検査画像が上に載る図５（Ａ）の参照画像を示す概略図である。これら２つの画像の間の対応関係の程度は、図９（Ａ）よりも図９（Ｂ）においてかなり大きいことがすぐにわかり、このため、レジストレーションを実行する根本の理由に関係なく、レジストレーションプロセスの価値が著しく高まる。

そこで、上で説明されているようないくつかの実施形態により、画像レジストレーションを決定するための確立されている技術を改良するための方法および装置が実現される。

上記の説明は、いくつかの実施形態にのみ着目しているものの、多くの変更形態を実施できることが理解されるであろう。

例えば、上述の実施形態によれば、参照画像の要素のそれぞれに対する複数の空間マッピングは、参照画像のそれぞれの要素に対する空間マッピングを最初に確立し（例えば、図７のステップＳ３を参照）、次いで他のマッピングとの整合性を有していないと考えられる最初に決定された個別の空間マッピングのどれかを識別し修正する（例えば、図７のステップＳ４とＳ５とを参照）プロセスによって整合性制約を受ける。他の例では、参照画像の要素のそれぞれに対する複数の空間マッピングは、本質的に整合性制約を受ける仕方で決定されうる。つまり、整合性制約は、別の、その後実行されるステップではなく、空間マッピングを最初に決定するプロセスにおいて、適用されうるということである。これを行う１つの方法は、参照画像のそれぞれの要素に対する初期空間マッピングを決定するための修正された粒子群最適化（ＰＳＯ）技術を使用することである。

粒子群最適化は、与えられた品質尺度に関して候補解を改善することを繰り返し試みることによって問題を最適化する確立された計算方法である。ＰＳＯは、候補解の集団、つまり粒子を用意し、それぞれの粒子の品質と、位置と、速度とに関する単純な数式に従ってそれらの粒子を探索空間の周りで移動することによって問題を最適化する。そこで、本実施形態において、毎回の反復で、それぞれの粒子は、潜在的マッピングの探索空間内の候補空間マッピングを表し、与えられた品質の尺度は、テストされている空間マッピングの作用を受ける参照画像の要素と検査画像の対応する部分との間の類似性尺度（例えば、相関ベースのパラメータ）とすることができる。探索空間内のそれぞれの粒子の移動は、その粒子に対するマッピングが前の繰り返しでどれだけうまく実行されたか（例えば、粒子が現在の解に比べてよい解に向かっているのか、それとも遠ざかっているのか）ということの影響を受け、また探索空間内の他の粒子の移動の影響も受けうる。例えば、１つの特定の粒子が非常に高い品質尺度（検査画像との相関）をもたらすマッピングに偶然遭遇した場合、他の粒子を探索空間内のこのマッピングに向けて誘導することができる。そこで、ＰＳＯアプローチは、粒子群を最良解（複数可）の方に移動することが予想される。

そこで、いくつかの実施形態により、参照画像のそれぞれの要素に対する適切な空間マッピングを決定するためにＰＳＯ技術を使用することができる。そして、参照画像内の複数の要素に対応する複数の空間マッピングを決定するために、複数の粒子群があり、それぞれの粒子群は参照画像の各要素に対する最適なマッピングを識別する働きをするものとしてよい。すなわち、例えば、候補解を逐次改善することで最適解を決定する粒子群最適化（ＰＳＯ）技術として、参照画像上に設定された複数の要素を並列的に検査画像像上に変換するための複数の候補マッピングを計算する第１の処理と、当該計算された各候補マッピングを改善することで複数の改善マッピングを参照画像上の要毎に決定する第２の処理と、を繰り返し、最終的な空間マッピングを決定するものとすることができる。

したがって、いくつかの実施形態により、参照画像のそれぞれの要素に対する最適な空間マッピングが、並行局所粒子群を使用することで並行して決定されうる。並行粒子群の使用は、単一の問題を解決するときに局所最適解を回避するための一般的に知られている技術である。しかし、本実施形態によれば、この技術は、異なっているが、関係する問題を解決する（つまり、参照画像の異なる要素に対する最も適切な空間マッピングを決定する）異なる粒子群の状況をカバーするように拡張されうる。整合性制約をその一組の空間マッピングに適用するために、参照画像の他の要素に関連付けられている他の粒子群によって個別の局所粒子群を誘導することができる。これを行える方法はいくつかあるが、一般に、このアプローチは、付加的バイアスを個別の粒子群の個別の粒子に、それらが異なる空間マッピングをテストする探索空間を通るときに適用することに対応し、このバイアスは他の粒子群の移動に基づく。

したがって、粒子群の中のそれぞれの粒子は、探索空間（アフィン変換の空間）内のそのすでに決定されている最良の自位置と、その自局所粒子群によってすでに探索されている探索空間内のすでに決定されている最良の位置と、それに加えて、参照画像の他の要素に関連付けられている粒子群に対するすでに決定されている最良の位置の平均を考慮して探索空間を通過するようにバイアスされうる。例えば、他のすべての粒子群、またはすぐそばの隣接粒子群（つまり、参照画像の隣接要素に関連付けられている粒子群）、または粒子群の別の適切な部分集合である。

そこで、粒子群アプローチには３つの態様がある。第１の態様では、個別の粒子は、単一の参照画像要素（アトラスパッチ）の単一の候補レジストレーション（マッピング）に対応する。第２の態様では、局所粒子群は、単一の参照画像要素のレジストレーションを最適化することを求める。これら２つの態様は、広い意味で、確立された粒子群技術に対応する。しかし、いくつかの実施形態により、アプローチの第３の態様において、一組の局所粒子群は、検査画像への参照画像の異なる要素のレジストレーションを行うために並行動作する。局所粒子群内の粒子は、バイアスされて参照画像の単一要素に対する１つの解に収束するように一般的に確立されているＰＳＯ技術により互いに通信する。それに加えて、局所粒子群は、実際に他の粒子群と情報を交換するために互いに通信する。そのため、それぞれの粒子群は他の粒子群によってバイアスされ、これは本質的に、異なる要素に対する自己整合性のある解に向かう傾向をもたらす。

ＰＳＯアプローチに基づくいくつかの実施形態の一般的アプローチを説明したが、一実施形態による処理の概略を表す流れ図である図１０を参照しつつより具体的な例を次に説明する。

第１のステップＴ１では、参照画像と検査画像とを表す医用画像データを取得する。このステップは、図７を参照しつつ上述の対応するステップＳ１に類似しており、そのステップから理解される。

第２のステップＴ２では、参照画像は、概念的に、複数の要素に分割される。このステップは、図７を参照しつつ上述の対応するステップＳ２に類似しており、そのステップから理解される。

第３のステップＴ３では、局所粒子群は、参照画像のそれぞれの要素（アトラスパッチ）について割り当てられる。それぞれの粒子群の中のそれぞれの粒子は、ランダムな空間マッピングに初期化されうる。粒子群を割り当てるこのステップは、ＰＳＯ技術に関連付けられている一般的に確立された原理に従うものとしてよい。

第４のステップＴ４では、類似性尺度（例えば、相関係数）は、それぞれの粒子群の中のそれぞれの粒子について、対応する空間マッピングを参照画像の関連する要素に適用し、その結果を検査画像と比較することによって決定される。次いで、利用可能な空間変換の探索空間内のそれぞれの粒子群のそれぞれの粒子に対する新しい位置は、ＰＳＯ技術に関連付けられている一般的に確立された原理に従って決定される。しかし、本実施形態によれば、それぞれの粒子に対する新しい位置は、（ｉ）粒子に対するすでに決定されている最適な位置の探索空間内における位置と、（ｉｉ）局所粒子群に対するすでに決定されている最適な位置の探索空間内における位置と、重要なことに、（ｉｉｉ）他の要素に対する粒子群に対する探索空間内のすでに決定されている最適な位置の平均の組み合わせによってバイアスされる。それぞれの場合において、最適な位置は、最高の類似性尺度を有するすでにテストされている位置（現在の繰り返しを含む）となる。

第５のステップＴ５では、それぞれの粒子群の中の粒子が最良解に収束したかどうかに関する判定を行う（つまり、参照画像と検査画像の最も可能性の高い対応する部分との間の空間マッピングの判定）。このステップは、ＰＳＯ技術に関連付けられている一般的に確立された原理に基づくものとしてよい。

ステップＴ５で、それぞれの粒子群の中の粒子が収束しなかったと判定された場合、処理は、「Ｎ」のマークが付いている分岐に従い、ステップＴ４に戻ってさらに繰り返しを行う。そこで、プロセスは、それぞれの粒子群の中の粒子が各解に収束するまでステップＴ４を繰り返すように構成される。特定の要素に関連付けられている粒子群の中の粒子が収束し、他の粒子が収束しなかったことが明らかになった場合、ステップＴ４のさらなる繰り返しは、収束解がすでに見つかっている参照画像の要素に関連付けられている粒子群を含みえない。

ステップＴ５で、それぞれの粒子群の中の粒子が、各解に収束したと判定された場合、処理は、「Ｙ」のマークが付けられている分岐に従い、第６のステップＴ６に進み、そこで、参照画像のそれぞれの要素に対する個別の空間マッピングがそれぞれの局所粒子群の中の「最良粒子」、つまり、最高の類似性尺度に関連付けられている粒子から抽出される。

従って、ステップＴ４、Ｔ５の処理を通じて、例えば、参照画像のそれぞれの要素につき、繰り返しにおいて直前までに決定された複数の改善マッピングの中から最適解を決定し、対応する最適解と、少なくとも一つの他の要素の最適解と、を用いて、最終的な参照画像と検査画像との間の全体的なレジストレーションマッピングを確立するための複数の空間マッピングを決定する。

第７のステップＴ７で、第６のステップＴ６で得られた一組の自己整合性のある個別の空間マッピングを使用して、参照画像と検査画像との間の全体的なレジストレーションマッピングを確立する。こうして、マッピングを表す出力データセットを生成することができる。このステップは、図７を参照しつつ上述の対応するステップＳ６に類似しており、そのステップから理解される。

したがって、図１０の処理は、整合性制約を受ける複数の空間マッピングを構成するために第１の医用画像内の要素から第２の医用画像内の対応する要素への空間マッピングを決定することに基づく第１の医用画像と第２の医用画像との間のレジストレーションマッピングを確立するための別のメカニズムを表している。この例では、整合性制約は、他の要素に対する粒子群に対する探索空間内のすでに決定されている最適な位置に基づきそれぞれの要素についてマッピング探索空間のトラバースをバイアスすることによって構成される（図１０のステップＴ４において）。このバイアスは、本質的に、それぞれの要素（図１０のステップＴ６で抽出される）に対する最終的に決定された空間マッピングを自己整合性のある集合に誘導する。

そこで、上で説明したように、本実施形態による整合性制約／整合性分析を受ける仕方で参照画像の各要素に対する空間マッピングを決定する方法は多数ある。

上述の例示的な実施形態では、最初に決定された空間マッピングは、一般的に、「ブラインド」で開始している。つまり、探索のために用意された初期ガイダンスはなかったということである。他の例示的な実施形態では、上述のような、図７および１０に示されている本実施形態による処理は、空間マッピングを決定するステップの初期化の程度を決めるように修正されうる。例えば、発明者らは、改善された結果がいくつかの状況において参照画像の要素に対する一組の自己整合性のあるマッピングを決定するプロセスを実際に２回繰り返すことによって得られることを発見した。第１の段階は、初期化情報がないことに基づいており、第２の段階は、第１の段階から得られた初期化情報に基づいている。

例えば、一実施形態では、全体的に図７に従う処理を、参照画像が図８（Ａ）に表されているような仕方で、つまり、識別された解剖学的特徴（「関心領域」―ＲＯＩと称されるもの）に基づき、ステップＳ２においていくつかの要素に分割される第１の段階で実行することができる。しかし、ステップＳ６を実行する代わりに、ＲＯＩ要素に対する一組の自己整合性のある個別のマッピングがこの第１の処理段階でステップＳ５により確立された後、処理は、代わりに、図８（Ｂ）に表されているような例において、現在参照画像が規則正しい格子に分割されている処理の第２の段階に対してステップＳ２に戻る可能性もある。

次いで、この第２の段階における図７のステップＳ３に対応する処理を規則正しい格子要素に対し実行することができ、参照画像内の各要素と検査画像内の対応する要素との間の個別のマッピングが第１の段階でＲＯＩ要素に対するステップＳ５で得られた結果に基づき初期化される。

例えば、第２の段階の処理におけるそれぞれの格子要素について、第１の段階の処理から最も近いＲＯＩ要素（つまり、第２の段階で格子要素の重心に最も近い重心を有する第１の段階からのＲＯＩ要素）が識別されうる。次いで、処理の第２の段階におけるそれぞれの格子要素について、処理の第１の段階において最も近いＲＯＩに対するすでに決定されている空間マッピングを使用して、処理の第２の段階における格子要素に対する空間マッピングの決定を初期化することができる。

第１の段階（例えば図８（Ａ）に示されているようなＲＯＩ要素に基づく）の結果が第２の段階（例えば、図８（Ｂ）に示されているような格子要素に基づく）に対する必要なものが欠けているマッピングを決定するステップを初期化するために使用されるこの２段階アプローチは、いくつかの場合において、単一の段階の初期化されていないプロセスに勝る改善された結果をもたらすことが判明している。

本実施形態は、本明細書においてボリュームレンダリングアプリケーション内のコンポーネントとして記述されている方法および関連するコンピュータプログラムを組み込むことを含むことができる。

方法を実行するための機械可読命令を収めたコンピュータプログラム製品が開示される。

方法を実行するための機械可読命令がロードされ、実行するように動作可能であるコンピュータプログラム製品が開示される。

コンピュータプログラム製品が開示される。上述の方法を実行するための機械可読命令を収めたコンピュータプログラム製品の例は、図３の大容量記憶装置デバイスＨＤＤ３０、図３のＲＯＭ２６、図３のＲＡＭ２８、および図４のシステムメモリ４６、ならびに図１のサーバー１３、１８である。他の形態のコンピュータプログラム製品として、ＣＤまたはＤＶＤなどの回転盤に基づく記憶装置デバイス、またはＵＳＢフラッシュメモリデバイスが挙げられる。

上述の方法を実行するための機械可読命令がロードされ、機械可読命令を実行するように動作可能なコンピュータの例は、図３のコンピュータ、図４のコンピュータ、および個別の要素、例えば、図１に示されているコンピュータネットワークシステムの端末または複数の要素の集合体、例えば、医用撮像デバイスに付属する端末またはコンピュータのうちの１つまたは複数と組み合わせたサーバー１３、１８のうちの１つである。

上述の方法を実行するための機械可読命令を収めたコンピュータプログラム製品の例は、図３の大容量記憶装置デバイスＨＤＤ３０、図３のＲＯＭ２６、図３のＲＡＭ２８、および図４のシステムメモリ４６、ならびに図１のサーバー１３、１８である。他の形態のコンピュータプログラム製品として、ＣＤまたはＤＶＤなどの回転盤に基づく記憶装置デバイス、またはＵＳＢフラッシュメモリデバイスが挙げられる。

この方法は、もっぱら、従来のＣＴスキャナによって収集されたＣＴ医用画像データセットを参照しつつ説明されているが、本明細書で説明されている原理は、他の２Ｄおよび３Ｄデータセット、さらにはいわゆる４Ｄデータセット、つまり、ボリューム画像データセットの時間系列に対してより一般的に適用可能である。例えば、この方法は、モダリティと称される、医療分野で使用される他の種類の撮像に適用することができる。特に、本明細書で説明されている方法は、ＭＲ画像ならびにＰＥＴ画像、さらにはＣＴならびにＰＥＴなどの２つのモダリティからのマージされたデータセットの画像にも適用可能である。

いくつかの実施形態が説明されているが、これらの実施形態は、ほんの一例であり、本発明の範囲を制限することは意図されていない。本発明のいくつかの実施形態に関して上で説明されている本発明の特徴および態様は、等しく適用可能であり、適宜本発明の他の実施形態の他の特徴および態様と組み合わせることができることが理解されるであろう。本明細書で説明されている新規性のある方法、コンピュータおよびコンピュータプログラム製品ならびにデバイスは、さまざまな他の形態で具現化することができ、さらに、本明細書で説明されている方法およびシステムの形態のさまざまな省略、置換、および変更は、本発明の精神から逸脱することなく行うことができる。付属の請求項およびその同等の項目は、本発明の範囲および精神に含まれるような形態または修正を対象とすることが意図されている。

１…ネットワーク、２…主病院コンポーネント、４…リモート診断デバイスコンポーネント、５…患者、６…リモートシングルユーザーコンポーネント、７…円形開口部、８…ＣＴスキャナ、１０…ＭＲ撮像装置、１１…ＣＴスキャナ、１２…デジタルＸ線撮影（ＤＲ）デバイス、１３…共通フォーマットファイルサーバー、１４…コンピュータＸ線撮影（ＣＲ）デバイス、１５…インターネットゲートウェイ、１６…複数のコンピュータワークステーション、１７…インターネットゲートウェイ、１８…共通フォーマットファイルサーバー、２０…ファイルアーカイブ、２１…コンピュータワークステーション、２２…汎用コンピュータシステム、２４…中央演算処理装置（ＣＰＵ）、２５…ローカルエリアネットワーク（ＬＡＮ）、２６…読み出し専用メモリ（ＲＯＭ）、２８…ランダムアクセスメモリ（ＲＡＭ）、３０…ハードディスクドライブ、３２…ディスプレイドライバ、３４…ディスプレイ、３６…ユーザー入出力（Ｉ／Ｏ）回路、３８…キーボード、４０…マウス、４２…共通バス、４２ａ…第１のバス接続、４２ｃ…第３のバス接続、４２ｂ…第２のバス接続、４２ｄ…第４のバス接続、４４…グラフィックスカード、４６…システムメモリ、５０…ＣＰＵキャッシュ、５４…ＧＰＵ、５６…ＧＰＵメモリ、６０…アクセラレーテッドグラフィックスプロセッシングインターフェース、６２…ＧＰＵキャッシュＩ／Ｏコントローラ、６４…処理エンジン、６６…ディスプレイＩ／Ｏコントローラ、１０１…第１の医用画像、１０２…第２の医用画像、

Claims (21)

1. 第１の医用画像と第２の医用画像とを格納する格納ユニットと、
   所定の基準に従って、前記第１の医用画像から複数の第１の領域を生成する領域生成ユニットと、
   前記第２の医用画像において、前記複数の第１の領域に空間的に対応する複数の第２の領域を判定する判定ユニットと、
   前記複数の第１の領域と前記複数の第２の領域との間の空間的マッピングを示す第１の空間マッピングを対応関係毎に計算する計算ユニットと、
   前記複数の第１の空間マッピング間の整合性に基づいて前記複数の第１の領域を前記第２の医用画像上に変換するための複数の第２の空間マッピングを決定する決定ユニットと、
   前記複数の第２の空間マッピングを用いて、前記第１の医用画像と前記第２の医用画像との間のレジストレーションを実行するレジストレーション処理ユニットと、
   を具備することを特徴とする医用画像処理装置。
2. 前記決定ユニットは、
   前記複数の第１の空間マッピングのうち、所定の整合性条件を満たさない第１の空間マッピングを判定し、
   前記所定の整合性条件を満たすように当該判定された第１の空間マッピングを修正することで、前記複数の第２の空間マッピングを決定すること、
   を特徴とする請求項１記載の医用画像処理装置。
3. 前記決定ユニットは、
   所定の整合性条件を満たさない第１の空間マッピングを判定し、
   前記所定の整合性条件を満たさない第１の空間マッピングを、所定の整合性条件を満たす代替空間マッピングで置き換えることで、前記複数の第２の空間マッピングを決定すること、
   を特徴とする請求項１記載の医用画像処理装置。
4. 前記決定ユニットは、前記所定の整合性条件を満たす第１の空間マッピングの平均に基づいて前記代替空間マッピングを決定することを特徴とする請求項３記載の医用画像処理装置。
5. 前記決定ユニットは、前記各第１の空間マッピングを表すそれぞれの変換行列から導出されるパラメータを用いて、前記所定の整合性条件を満たさない第１の空間マッピングを判定することを特徴とする請求項２記載の医用画像処理装置。
6. 前記決定ユニットは、前記各第１の空間マッピングを表す変換行列の各対から導出されるパラメータを用いて、前記所定の整合性条件を満たさない第１の空間マッピングを判定することを特徴とする請求項２記載の医用画像処理装置。
7. 前記決定ユニットは、前記所定の整合性条件を満たす第１の空間マッピングを、前記複数の第１の空間マッピングに対するクラスタ分析に基づき決定することを特徴とする請求項３記載の医用画像処理装置。
8. 前記クラスタ分析は、前記第１の空間マッピングの各対の間の類似性尺度を導出することに基づくことを特徴とする請求項７記載の医用画像処理装置。
9. 前記類似性尺度は、前記第１の空間マッピングの前記各対の空間マッピングを表す行列に適用される対数関数に基づくことを特徴とする請求項８記載の医用画像処理装置。
10. 前記対数関数は、前記第１の空間マッピングの対のマッピングに対応する第１の行列と、前記第１の空間マッピングの前記対とは異なるマッピングに対応する第２の行列の逆行列との積の対数を決定することを特徴とする請求項９に記載の医用画像処理装置。
11. 前記類似性尺度は、前記各対のそれぞれについて前記第１の行列と前記第２の行列の前記逆行列との前記積の前記対数のノルムに基づくことを特徴とする請求項１０記載の医用画像処理装置。
12. 前記決定ユニットは、前記所定の整合性条件を満たす前記第１の空間マッピングが統計的部分集合選択分析に基づき決定することを特徴とする請求項２乃至１１のうちいずれか一項記載の医用画像処理装置。
13. 前記決定ユニットは、前記各第１の空間マッピングに対する信頼基準に基づいて、前記所定の整合性条件を満たさない前記第１の空間マッピングを判定することを特徴とする請求項２乃至１２のうちいずれか一項記載の医用画像処理装置。
14. 前記決定ユニットは、前記信頼基準が前記複数の第１の領域及び前記複数の第２の領域間の対応関係の程度を基準として、前記所定の整合性条件を満たさない前記複数の第１の空間マッピングを判定することを特徴とする請求項１３記載の医用画像処理装置。
15. 前記決定ユニットは、候補解を逐次改善することで最適解を決定する粒子群最適化（ＰＳＯ）技術を使用して、前記複数の第1の領域を並列的に前記第２の医用画像上に変換するための複数の候補マッピングを計算する第１の処理と、当該計算された各候補マッピングを改善することで複数の改善マッピングを前記複数の第１の領域毎に決定する第２の処理と、を繰り返し、前記複数の第２の空間マッピングを決定することを特徴とする請求項１乃至１４のうちいずれか一項記載の医用画像処理装置。
16. 前記決定ユニットは、
    前記各第１の領域につき、前記繰り返しにおいて直前までに決定された前記複数の改善マッピングの中から前記最適解を決定し、
    前記各第１の領域につき、対応する前記最適解と、少なくとも一つの他の前記各第１の領域の最適解と、を用いて、前記複数の第２の空間マッピングを決定すること、
    を特徴とする請求項１５記載の医用画像処理装置。
17. 前記決定ユニットは、
    前記第１の医用画像中の初期の前記複数の第１の領域を判定することと、初期の前記複数の第１の空間マッピングを構成するために前記複数の第１の領域から前記第２の医用画像中の対応する前記複数の第２の領域への初期空間マッピングを決定し、
    前記初期の複数の第１の空間マッピングを考慮することによって前記各第１の領域から前記第２の医用画像上に変換するための前記複数の第２の空間マッピングを決定すること、
    を特徴とする請求項１乃至１６のうちいずれか一項に記載の医用画像処理装置。
18. 前記決定ユニットは、前記所定の整合性に従って、前記初期の複数の第１の空間マッピングを計算することを特徴とする請求項１７記載の医用画像処理装置。
19. 前記領域生成ユニットは、解剖学的特徴に基づいて前記第１の医用画像から前記複数の第１の領域を生成することを特徴とする請求項１乃至１８のうちいずれか一項記載の医用画像処理装置。
20. 前記領域生成ユニットは、幾何学的形状に基づいて前記第１の医用画像から前記複数の第１の領域を生成することを特徴とする請求項１乃至１８のうちいずれか一項記載の医用画像処理装置。
21. コンピュータに、
    所定の基準に従って、第１の医用画像から複数の第１の領域を生成させる領域生成機能と、
    第２の医用画像において、前記複数の第１の領域に空間的に対応する複数の第２の領域を判定させる判定機能と、
    前記複数の第１の領域と前記複数の第２の領域との間の空間的マッピングを示す第１の空間マッピングを対応関係毎に計算させる計算機能と、
    前記複数の第１の空間マッピング間の整合性に基づいて前記複数の第１の領域を前記第２の医用画像上に変換するための複数の第２の空間マッピングを決定させる決定機能と、
    前記複数の第２の空間マッピングを用いて、前記第１の医用画像と前記第２の医用画像との間のレジストレーションを実行させるレジストレーション処理機能と、
    を実現させることを特徴とする医用画像処理プログラム。

Images