JP6275157B2 - 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定 - Google Patents

Description

以下の事項は、概して、画像データ内で組織の表面のラフネス（粗さ）を定量化し、それに基づいて組織の疾患の存在（又は不存在）を決定することに関し、特にコンピュータ断層撮影（ＣＴ）に適用して記載される。しかしながら、以下の事項はまた、例えばＸ線、磁気共鳴撮像（ＭＲＩ）、ボリューム式Ｃアーム型スキャナ及び／又はその他の撮像モダリティなどの撮像モダリティにも適用され得る。

典型的なコンピュータ断層撮影（ＣＴ）スキャナは、検出器の反対側で回転式ガントリーに搭載されたｘ線管を含んでいる。ｘ線管は、検査領域の周りを回転して、検査領域とその中に配された被検体及び／又は物体とを横断する多色放射線を放射する。検出器アレイが、検査領域を横断した放射線を検出して、それを表す信号を作り出す。再構成部が、該信号を再構成して、検査領域内に配された被検体及び／又は物体を表すボリューム画像データを生成する。このボリューム画像データから１つ以上の画像が生成され得る。

人体の特定の組織／器官の疾患は、健常組織を、組織の表面形状の変化につながるものである線維組織に置き換える結果となる。例えば、肝硬変は、最も一般的には習慣性飲酒、Ｂ型肝炎及びＣ型肝炎、並びに脂肪肝疾患によって引き起こされる慢性肝疾患の帰結である。肝硬変は、線維性瘢痕組織による健常肝組織の置換と再生肝組織の結節とによって特徴付けられる。このリモデリングは、肝臓の表面形状の変化につながり、健常組織では滑らかなものである肝臓の表面がコルゲーション（波形状）を発現し始める。
Ｃｈｅｎ等の“An automatic diagnostic system for CT liver imager classification”（IEEE Transactions on Biomedical engineering、第45巻、第6号、第783-794頁）、1998年6月）は、ＣＴ肝臓境界を自動的に発見して抽出し、更には肝臓病を分類するＣＴ肝臓画像診断分類システムに関する。これは、ネイチャ表面のラフネスを記述するために特徴抽出において非整数ブラウン運動モデルを使用することを教示している。
米国特許出願公開第２０１２／０１７７２６０号及び米国特許出願公開第２０１１／０１７２５３３号は、幾つかのパラメータの測定を介して肝臓の異常を検出することに向けられた診断装置に関する。

画像データ（ＣＴ、ＭＲＩなど）に基づく分析により、有用な定性的情報が提供されてきた。例えば、上述のリモデリングは、例えばコンピュータ断層撮影（ＣＴ）、磁気共鳴撮像（ＭＲＩ）、及び／又はその他の撮像モダリティなどの医用撮像モダリティによって生成される画像データ内で可視化されることができる。すなわち、健常肝組織及び病変肝組織を有する画像間で、画像の目視検査及び目視比較を介して、肝臓の表面形状の変化及びコルゲーションを可視化することができる。

残念ながら、このような目視検査は、さもなければ複数の患者に費やされ得る臨床時間を消費してしまうとともに、疾患の有無を決定するために、臨床医の主観的な決定、及び／又は目視検査に基づいて処方されるその他の検査（例えば、生検など）の結果に頼るものである。以上に鑑みるに、表面変化を検出し且つそれに基づいて関心組織の疾患の有無を検出する他の取り組みの必要性が、未だ解決されずに存在している。

ここに記載される態様は、以上にて言及した問題及びその他の問題を解決するものである。

撮像データに表された組織の表面のラフネスの定量化に基づいて組織疾患の存在（又は不存在）を特定する手法をここに記載する。

一態様において、画像データプロセッサは、３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成する表面ラフネス定量化部と、前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する決定部とを含む。

他の一態様において、方法は、３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成し、且つ前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成することを含む。

他の一態様において、方法は、３Ｄ画像データ内に表された肝臓の表面のラフネスを定量化する値を、前記３Ｄ画像データ内の前記肝臓に適応された表面モデルに基づいて生成することを含み、前記値は、前記肝臓の疾患の有無を直接的に決定する。

本発明は、様々な構成要素及びその配置、並びに様々なステップ及びその編成の形態を取り得る。図面は、単に好適実施形態を例示するためのものであり、本発明を限定するものとして解釈されるべきではない。
撮像システム及びデータリポジトリと関連付けて画像データプロセッサを模式的に示す図である。 図１の画像データプロセッサの一例を模式的に示す図である。 図１の画像データプロセッサの他の一例を模式的に示す図である。 図１の画像データプロセッサによる方法の一例を模式的に示す図である。

以下、画像データに表される組織の表面のラフネスに基づいて組織疾患を定量化し、それに基づいてその組織における疾患の存在（又は不存在）を特定する一手法を説明する。

図１を参照するに、撮像システム１００は、概して静止したガントリー部分１０２と回転するガントリー部分１０４とを含んだコンピュータ断層撮影（ＣＴ）スキャナを含んでいる（ここに説明されるように、ＭＲＩ、Ｘ線、又はその他の撮像モダリティが代わりに使用されてもよい）。回転ガントリー部分１０４は、ベアリング（視認できない）又はそれに類するものを介して、概して静止したガントリー部分に１０２によって回転可能に支持される。

例えばｘ線管などの放射線源１０６が、回転ガントリー部分１０４によって支持され、それとともに検査領域１０８の周りを、長手方向軸すなわちｚ軸を中心にして回転する。検出器アレイ１１０が、放射線源１０６に対して検査領域１０８の反対側で、或る角度の弧にわたっている。検出器アレイ１１０は、検査領域１０８を横断した放射線を検出して、それを表す信号を生成する。

被検体サポート（支持体）１１２が、検査領域１０８内の被検体又は物体を支持する。オペレータコンソール１１４が、スキャナ１００とのユーザインタラクションを支援する。再構成部１１６が、信号を再構成して、スキャンされた被検体又は物体を表すボリューム（３Ｄ）画像データを生成する。信号データ及び／又は再構成画像データは、例えば画像保管通信システム（ＰＡＣＳ）、放射線医学情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）などの、データリポジトリ１１８に格納されることができる。

画像データプロセッサ１２０が、撮像システム１００、データリポジトリ１１８及び／又はその他の装置からの画像データを処理する。そのような処理は、画像データ内の関心組織のラフネスを定量化し、定量化されたラフネスに基づいて、疾患の有無を決定することを含む。このような処理を用いて、肝組織における肝硬変及び／又はその他の組織におけるその他の疾患の有無を特定することができる。これは、ランダム変数を使用して疾患の可能性を決定する統計モデルを用いずに達成され得る。

より詳細に後述するように、非限定的な一例において、この処理は、（例えば、モデルを用いての、あるいはその他の方法での、セグメンテーションを介して）３Ｄ画像データ内で関心組織を位置特定し、位置特定された関心組織の表面の粗い描写及び／又は精緻な描写を実行し、そして、所定の閾値や所定のパターンなどを用いて、表面コルゲーション（例えば、振幅、周波数、波長、分布など）に基づいて、描写された表面を分析することを含む。好適なパターンの非限定的な一例は、分類された疾患状態を有する患者の画像データにおける、例えば器官の表面を横切って変化し得る濃淡値パターン変化などの、表面パッチを含む。このようなパターンのカタログ（一覧）が利用可能である場合、疾患状態を特定するために、カタログからの、描写された表面に最も近いパターンが、選択されて利用される。

画像データプロセッサ１２０は、１つ以上のコンピュータ読み取り可能命令を実行する１つ以上のコンピュータの１つ以上のマイクロプロセッサによって実装されることができる。一例において、１つ以上のコンピュータ読み取り可能命令は、例えば物理メモリ及び／又はその他の非一時的媒体などのコンピュータ読み取り可能記憶媒体上にエンコードされる。これに加えて、あるいは代えて、これらのコンピュータ読み取り可能命令のうちの少なくとも１つは、搬送波、信号及び／又はその他の一時的媒体によって搬送されることができる。

図２は、画像データプロセッサ１２０の一例を模式的に示している。上述のように、データプロセッサ１２０は、入力として３Ｄ撮像データを受信する。

関心組織（tissue of interest；ＴＯＩ）識別部２０２が、撮像データ内の関心組織を識別する。識別は、スキャンプロトコル（例えば、肝臓スキャン）、ユーザ入力及び／又はその他の情報に基づき得る。

関心組織（ＴＯＩ）セグメンテーション部２０４が、撮像データから関心組織をセグメント化（区分け）する。ここでは、全自動のもの、及び／又はユーザインタラクションを必要とする半自動のものを含め、既知及び／又はその他のセグメンテーション手法が企図される。非限定的な例として、一例において、モデルベースの器官セグメンテーションが採用される。複数の器官ベースのモデルが、複数の異なるモダリティからの医用画像データセット上で訓練された既定の三角表面モデルとして利用可能になっている。ここでは、粗いモデル、及び／又は精緻化（リファイン）されたモデルが企図される。

このようなモデルを用いて、最初に、３Ｄ撮像データ内で表面モデルが位置決めされる。そして、該表面モデルが、大規模な患者集団に一致するように、画像特徴に基づく外部エネルギー項と、その期間の所定の形状及びその考え得る変形を担持する内部エネルギー項とに基づいて、関心組織器官の表面に（自動的及び／又は半自動的に）適応される。ここでは、他の手法も企図される。例えば、ユーザが手作業で関心組織をセグメント化する完全に手動での手法が使用されてもよい。

表面ラフネス定量化部２０６が、その器官の表面に表面モデルがどのように適応されたかに基づいて、関心組織の表面ラフネスを定量化する。一例において、このラフネスは、表面モデル上の各三角形の位置から始めて、モデル表面に垂直な方向に沿って平均表面位置に対する典型的なコントラスト勾配の位置変化を計算することによって決定される。平均表面位置は、上記最初の表面モデル適応化によって決定されることができる。

この例において、関心組織表面全体に対して正規化された、この勾配の位置変化の数学積分が、表面ラフネスに関する定量的な指標を提供する。局所的なラフネス指標も決定され得る。例えば、表面の変化が精緻化モデルによって十分に捕捉されるようになるまで、ベースモデルの表面三角形の個数を増加させることができる。そして、精緻化モデルを当初のモデルと比較することで、より局所的なラフネスの指標を提供することができる。

決定部２０８が、これらのラフネス値を所定の閾値２１０と比較する。ラフネス値が閾値を上回っている場合、決定部２０８は、それを指し示す第１値信号を生成し（それにより、疾患の存在を直接的に決定し）、ラフネス値が閾値を上回っていない場合、決定部２０８は、それを指し示す第２値信号を生成する。これらの値はまた、疾患が存在する場合に、疾患のステージ（病期）についての情報を提供してもよく、すなわち、複数の異なる閾値に対して比較することによって、決定部は病期に関係する出力を生成し得る。第１値信号及び／又は第２値信号は、疾患が存在するかを指し示す視覚的な指標を提供するために、画像データと関連付けて且つ／或いはその他の方法で表示され得る。

これに加えて、あるいは代えて、表面ラフネス定量化部２０６が、振幅、波長若しくは周波数のうちの少なくとも１つの空間位置変化、及び／又は波長若しくは周波数の少なくとも一方の関数として表面上の振幅の分布を決定し、そして、決定部２０８が、この空間位置変化及び／又は分布を対応する所定の閾値と比較して決定を行う。例えば、表面ラフネス定量化部２０６は、適応された表面モデルの平均位置（滑らかなメッシュ）の位置に対する空間位置変化の周波数解析を実行することができる。この場合も、決定部２０８は、変化が閾値を満足している場合に第１値信号を生成し、変化が閾値を満足していない場合に第２値信号を生成する。

図３では、表面ラフネス定量化部２０６は、適応された表面モデルを、例えば濃淡値パターン変化などの所定のパターン３０２と比較して、適応された表面モデルに対して最も強い相関を有するパターンを特定する。例えば、肝臓などの特定の組織に関して、適応された表面モデルは、データベース又はそれに類するものに保存された濃淡値パターン変化と比較されることができる。これら濃淡値パターン変化は、肝硬変が様々なステージにあるときに肝臓の表面に発生し得るものであり、また、表面にわたって変化し得るものである。これらのパターンが表面に局所的に適応され、表面モデルに対して最も強い相関を有するパターンが特定される。決定部２０８は、特定されたパターンを、パターン対ステージ（パターン・ツー・ステージ）マップ３０４と比較する。決定部２０８は、そのマッピングを指し示す値信号を生成する。マッピングは、関心組織に疾患が存在するかを少なくとも指し示し、疾患が存在する場合に、疾患のステージについての情報を提供することができる。

この値信号は、関心組織に疾患が存在するかを指し示す視覚的な指標を提供するために、画像データと関連付けて且つ／或いはその他の方法で表示され得る。例として、一例において、この値信号は、例えば３Ｄのカラーコード化された表面描画（レンダリング）として、表面上のラフネスの可視化にて提示される。

他の一実施形態において、画像データプロセッサ１２０は、図２と図３との組み合わせ、及び／又は表面のラフネスを決定するその他の手法を含む。

図４は、関心組織における疾患の有無を決定する方法を例示している。

理解されるように、これらの動作（アクト）の順序は限定的なものではない。従って、ここでは他の順序も企図される。また、１つ以上の動作が省略されてもよく、且つ／或いは１つ以上の追加の動作が含められてもよい。

４０２にて、３Ｄ画像データが取得される。このような画像データは、撮像システム１００、別の撮像システム、データリポジトリ１１８、他のデータリポジトリ、及び／又は他の装置から取得され得る。

４０４にて、関心組織が識別される。概して、この例における関心組織は、病気のときに、病気が存在しないときのその器官の表面に対して、表面ラフネスを発達させる器官組織である。非限定的な一例は肝組織であり、肝硬変は、線維性瘢痕組織による健常肝組織の置換と再生肝組織の結節とによって特徴付けられる。

４０６にて、識別された関心組織が、取得された３Ｄ撮像データからセグメント化される。ここで説明したように、関心組織をセグメント化するために、既知及び／又はその他のセグメンテーション技術を適用することができる。

４０８にて、セグメント化された撮像データから、関心組織の表面の定量的なラフネス指標が決定される。ここで説明したように、定量的なラフネス指標は、関心組織の表面のコルゲーションの、振幅、周波数、波長、パターンなどに基づき得る。

４１０にて、定量的なラフネス指標を用いて、疾患の有無が決定される。ここで説明したように、これは、定量的なラフネス指標を、所定の閾値、パターン、及び／又は疾患を有する被検体及び有しない被検体の先行研究から得られたその他の情報、と比較することによって達成され得る。

４１２にて、疾患が存在するのか存在しないのかを指し示す値信号が生成される。ここで説明したように、この値信号はまた、疾患が存在することが決定された場合に、疾患のステージを指し示してもよい。

４１４にて、必要に応じて、値信号が視覚的に提示される。ここで説明したように、これは、値信号を、画像データ及び／又はセグメント化された画像データとともに視覚的に表示することを含む。

以上の方法は、コンピュータ読み取り可能記憶媒体にエンコードされるか埋め込まれるかして、コンピュータプロセッサによって実行されるときに、記載した動作を該プロセッサに実行させる、コンピュータ読み取り可能命令によって実装され得る。これに加えて、あるいは代えて、それらのコンピュータ読み取り可能命令のうちの少なくとも１つは、信号、搬送波又はその他の一時的媒体によって搬送される。

好適実施形態を参照して本発明を説明した。以上の詳細な説明を読んで理解した者には変更及び改変が思い浮かび得る。本発明は、添付の請求項の範囲又はその均等範囲に入る限りにおいて、そのような全ての変更及び改変を含むとして解釈されるものである。

Claims (13)

1. ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成する表面ラフネス定量化部と、
   前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する決定部と、
   を有し、
   前記表面ラフネス定量化部は、モデル表面に垂直な方向に沿って平均表面位置に対する所定のコントラスト勾配の位置変化を計算し、且つ、関心組織表面全体に対して正規化された、前記勾配の局所位置変化の積分を決定することで、表面ラフネスの前記指標を生成する、
   画像データプロセッサ。
2. 位置変化パターンが前記疾患のステージを指し示す、請求項１に記載の画像データプロセッサ。
3. ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成する表面ラフネス定量化部と、
   前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する決定部と、
   を有し、
   前記表面ラフネス定量化部は、振幅、波長若しくは周波数のうちの少なくとも１つの空間位置変化、又は、波長若しくは周波数のうちの少なくとも一方の関数としての前記表面上の前記振幅の分布、のうちの１つ以上を決定し、前記決定部は、前記空間位置変化又は前記分布を対応する所定の閾値と比較して決定を行う、
   画像データプロセッサ。
4. ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成する表面ラフネス定量化部と、
   前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する決定部と、
   を有し、
   前記表面ラフネス定量化部は、前記適応された表面モデルを複数の所定パターンと比較して、前記適応された表面モデルに対して最も強い相関を有するパターンを特定し、前記決定部は、前記特定されたパターンをパターン対ステージマップと比較して、マッピングを指し示す値信号を生成し、前記マッピングは、前記疾患が存在するか存在しないかを指し示す、
   画像データプロセッサ。
5. 前記特定されたパターンは前記疾患のステージを指し示す、請求項４に記載の画像データプロセッサ。
6. 前記表面モデルは、既定の三角表面モデルを有する、請求項１乃至５の何れかに記載の画像データプロセッサ。
7. 前記既定の三角表面モデルは、複数の異なるモダリティからの医用画像データセット上で訓練される、請求項６に記載の画像データプロセッサ。
8. 方法であって、
   ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成し、且つ
   前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する
   ことを有し、
   前記表面モデルは、前記関心組織の前記表面に適応された既定の三角表面モデルを有し、
   当該方法は更に、
   モデル表面に垂直な方向に沿って平均表面位置に対する所定のコントラスト勾配の位置変化を計算し、且つ、
   関心組織表面全体に対して正規化された、前記勾配の局所位置変化の積分を決定し、それにより前記指標を生成する
   ことを有する、
   方法。
9. 前記指標及び前記値信号を生成することは、前記ラフネスがランダム変数である統計モデル、を使用することを含まない、請求項８に記載の方法。
10. 前記三角表面モデルの表面三角形の数を増加させて、精緻化されたモデルを作成し、且つ
    前記精緻化されたモデルを前記三角表面モデルと比較して、より局所化された指標を決定する、
    ことを更に有する請求項８に記載の方法。
11. ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成し、且つ
    前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する
    ことを有し、
    前記指標を生成することは、前記ラフネスの分布の波長、周波数のうちの少なくとも一方の空間位置変化を決定することを含み、且つ
    前記値信号を生成することは、前記空間位置変化を対応する所定の閾値と比較して、前記疾患の有無を決定することを含む、
    方法。
12. ３Ｄ画像データ内の関心組織の表面のラフネスを定量化する指標を、前記３Ｄ画像データ内の前記関心組織に適応された表面モデルに基づいて生成し、且つ
    前記指標に基づいて前記関心組織における疾患の有無を指し示す値信号を生成する
    ことを有し、
    前記指標を生成することは、
    前記適応された表面モデルを複数の所定パターンと比較し、且つ
    前記所定パターンのうち、前記適応された表面モデルに対して最も強い相関を有するパターンを特定する
    ことを含み、
    前記値信号を生成することは、
    前記特定されたパターンをパターン対ステージマップと比較し、且つ
    前記特定されたパターンに対応するマップを特定し、前記マップは前記疾患の有無を指し示す
    ことを含む、
    方法。
13. 前記マップは前記疾患のステージを指し示す、請求項１２に記載の方法。

Images