JP6316671B2 - 医療画像処理装置および医用画像処理プログラム - Google Patents

Description

本明細書に記載の実施形態は、一般に、医療画像処理に関し、詳細には、医用画像データを基準医用画像データ（参照データ）に重ね合わせることに関する。

医用分野では、従来のＸ線コンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置、磁気共鳴（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ）イメージング装置、超音波診断装置、およびポジトロン放出断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）装置を含む当分野でモダリティと呼ばれる様々な装置によって、２次元（２Ｄ）および３次元（３Ｄ）の画像データが収集される。２Ｄ画像の例には、従来のＸ線画像だけではなく、多断面再構成（ＭＰＲ：ｍｕｌｔｉ−ｐｌａｎａｒ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）ビューにおけるＣＴスキャンの「スライス」またはＣＴスキャンからのボリュームデータの「スラブ」などのような３Ｄ画像データ、すなわちボリュームデータから導出される２Ｄ画像も含まれる。時間分割された３Ｄ検査もよく知られており、一般に４Ｄ検査と呼ばれ、時間が第４の「次元」となる。たとえば、４Ｄの動的コントラスト強調ＣＴ（ＤＣＥ−ＣＴ：ｄｙｎａｍｉｃ ｃｏｎｔｒａｓｔ ｅｎｈａｎｃｅｄ ＣＴ）を使用して、腹部臓器内の時間分割された灌流が測定される。ＣＴスキャンとＰＥＴスキャンを組み合わせて単一の画像にすることなど、異なるモダリティを用いて取得した同じ患者の画像をともに提示することも知られている。これらを組み合わせた表現は、５Ｄ検査と呼ばれることがある。

医用画像データを処理／再検討するときの共通の課題は、画像データにおいて関心のある特定の特徴、たとえば検査中の特有の解剖学的特徴（対象）に対応するピクセル／ボクセルを識別する要求である。画像データに表される関心のある特徴が識別される方法は、セグメンテーションと呼ばれる。関心のある特徴（複数可）を識別するために医用画像データをセグメントしたとき、関心のある（複数の）特徴に対応するデータの一部分（たとえば、特有のピクセル／ボクセルに関して）に関する情報は、セグメンテーションデータ／情報と呼ばれ、後の使用のために記録されてもよい。

画像データに関する手動のセグメンテーションは、ディスプレイ上におけるデータの表示を眺めて、関心のある対象を手動で識別する専門家によって、実行される。たとえば、手動のセグメンテーションは、マウスまたはトラックボールなどのユーザ入力デバイスを用いて、ディスプレイ上の関心のある対象に関連する位置にマーク付けすることによって実行される。

通常、手動のセグメンテーションは、２Ｄまたは３ＤのＸ線画像における臓器およびその下部構造を識別する臨床医などのような対象を認識する専門家の高度な知識のために、非常に信頼性の高いセグメンテーションの結果を提供することができる。しかし、手動のセグメンテーションの欠点は、非常に労働集約的なプロセスとなる可能性がある。たとえば大規模な比較研究の一部として多数のデータセットが処理されている場合、手動のセグメンテーションは、非実用的となる可能性がある。手動のセグメンテーションの別の潜在的な欠点は、臨床医に関する固有の主観性と、課題を確実に実行する訓練された個人の必要性とである。

これらの欠点に対処するのを助けるために、コンピュータにより実行される自動画像処理プロシージャは、異なるアプリケーションのホストにおいてセグメンテーションを自動的に実行するために、開発されている。

図１は、自動のセグメンテーションの一般的な手法の原理を概略的に示す流れ図である。

ステップＲ１で、新規画像データ（たとえば、検査中の患者の画像データセット）が、セグメンテーションのためにコンピュータへ提供される。

ステップＲ２で、新規画像データセットを参照画像データに整合させるために、位置合わせが実行される。参照画像データは、すでにセグメントされ、セグメンテーションデータとともに記憶されている。従来技術では、この整合ステップは位置合わせと呼ばれる。位置合わせの出力は、参照画像データのボクセルと新規画像データのボクセルとの間の空間的なマッピングである。参照画像データは、そのセグメンテーションデータとともに、アトラスデータ、または単にアトラスと呼ばれる。アトラスは通常、手動でラベル付けされた１つまたは複数の解剖学的特徴などのラベル付きの特徴を示す１組のマスク内に、セグメンテーションデータを保持する。たとえば、３Ｄ医用画像の場合、アトラスは、ラベル付けされた解剖学的関心領域を有する。その結果、特定の解剖学的領域に属するすべてのボクセルが、共通のラベルでマーク付けされる。

ステップＲ３で、参照画像データから新規画像データへアトラスセグメンテーションデータを伝搬させるように、ステップＲ２で演算された空間的なマッピングは、アトラスセグメンテーションデータに適用される。

ステップＲ４で、セグメンテーションされた新規画像データ、すなわち新規画像データおよび関連するセグメンテーションデータ／情報が出力される。３Ｄ医用画像データの場合、新規画像データは、ボリュームレンダリングプログラムによって、読み込まれ、ボリュームレンダリングプログラムによって表示される。ボリュームレンダリングプログラムは、セグメンテーションデータに基づいて、表示パラメータの選択的な設定を可能にするために、セグメンテーションデータを利用してもよい。

図１の手法を実施するための主要な態様は、新規画像データをアトラスデータに適切に位置合わせされることができる範囲である。位置合わせプロセスの様々な手法は、位置合わせ後に新規データおよびアトラスデータにおいて表される特徴の重複を最適化するように設計される。それにもかかわらず、患者間において生理学的な大幅な変動は、すべての患者にとって等しく十分に機能できるアトラスデータおよび位置合わせプロセスを選択することが困難であることを意味する。

通常、新規データをアトラスデータに位置合わせするプロセスは、剛体変換、非剛体変換、およびワープ変換などの様々な変換を有する。患者の生理学的な幅広い変動に対処する１つの手法は、位置合わせプロセス中に使用される変換をどのように適用されるかに関して、かなりの自由度を可能にすることである。しかしながら、位置合わせ変換においてあまりに大きな自由を許すことは、たとえばデータが過剰に適合されることを実質的に可能にすることによって、位置合わせされたデータにおいて現れる途切れ（引き裂き）および他の不連続性のために、非現実的な結果を招く可能性がある。

患者の生理学的な幅広い変動の潜在性に対処する代替手法は、複数のアトラスに依拠することである。多重アトラスセグメンテーション手法を用いると、たとえば異なるアトラスに対して観察される位置合わせ性能に基づいて、所与の新規データに対して適当なアトラスは、複数のアトラスから選択される（たとえば、新規データに最良に整合するアトラスがどれであっても、そのアトラスを実質的に選択する）。しかしながら、自動化された医用画像データの処理は、主に通常は大量のデータを伴うため、高度にコンピュータ集約型のプロセスである。そして、セグメンテーションのための多重アトラス手法は、画像データを処理するのに必要な処理および記憶の総量を大幅に増大させる可能性がある。さらに、状況によっては、たとえば複数の新規データ間で一貫した比較を可能にするために、複数の新規検査データの特徴を「標準的な」アトラスデータにマッピングしたいと望むことがある。しかしながら、異なる新規データに対して異なるアトラスに依拠することは、これを確実に実行できる範囲に影響を及ぼす。

米国特許第８１６０３５７号明細書

Ｃｈｅｎ， Ｋａｎａｄｅ， Ｐｏｍｅｒｌｅａｕ， Ｓｃｈｎｅｉｄｅｒ， "３−Ｄ Ｄｅｆｏｒｍａｂｌｅ Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ Ｕｓｉｎｇ ａ Ｓｔａｔｉｓｔｉｃａｌ Ａｔｌａｓ"， Ｔｅｃｈｎｉｃａｌ ｒｅｐｏｒｔ ＣＭＵ−ＲＩ−ＴＲ−９８−３５， Ｒｏｂｏｔｉｃｓ Ｉｎｓｔｉｔｕｔｅ， Ｃａｒｎｅｇｉｅ Ｍｅｌｌｏｎ Ｕｎｉｖｅｒｓｉｔｙ， Ｄｅｃｅｍｂｅｒ， １９９８ Ｃｒｕｍ Ｗ． Ｒ．， Ｈｉｌｌ Ｄ． Ｌ． Ｇ．， Ｈａｗｋｅｓ Ｄ． Ｊ． （２００３） Ｉｎｆｏｒｍａｔｉｏｎ ｔｈｅｏｒｅｔｉｃ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｓ ｉｎ ｎｏｎ−ｒｉｇｉｄ ｒｅｇｉｓｔｒａｔｉｏｎ． ＩＰＭＩ−２００３， ｐｐ．３７８−３８７．

既存の手法に伴うこれらの欠点を考えると、改善された医用画像処理方式を提供すること、特に医用画像データを参照医用画像データに位置合わせる改善された方式を提供することが必要とされている。

目的は、単一のアトラスデータを用いて、より正確に位置合わせ可能な医用画像処理装置、および医用画像処理プログラムを提供することにある。

本実施形態に係る医用画像処理装置は、解剖図譜を示す一つの参照データと複数の訓練データ各々との剛体位置合わせにより発生され、複数の解剖学的標識点各々の位置の統計的分散を表す分散データと、前記参照データと、医用画像データとを記憶する記憶部と、前記参照データと前記医用画像データとの非剛体位置合わせと前記分散データとに基づいて、前記参照データにおける複数のボクセル各々の歪み量を拘束する拘束条件を決定する拘束条件決定部と、前記拘束条件を伴う前記非剛体位置合わせに基づいて、前記非剛体位置合わせに関する前記歪み量を示すワープフィールドを決定するワープフィールド決定部と、前記ワープフィールドを用いて、前記参照データにおける解剖学的領域を、前記医用画像データに配置する配置部と、を具備する。

図１は、従来技術に係り、自動のセグメンテーションの手法の原理を概略的に示す流れ図である。 図２は、本実施形態に係り、診断デバイスおよび関連する機器の例示的なネットワークを示す概略図である。 図３は、本実施形態に係り、ボリュームデータを生成するための汎用のＣＴスキャナを示す図である。 図４は、本実施形態に係り、画像データを処理するためのコンピュータを示す概略図である。 図５は、図４のコンピュータのいくつかの特徴をより詳細に示す概略図である。 図６は、本実施形態による画像を位置合わせする方法を概略的に示す流れ図である。 図７は、本実施形態による参照画像（たとえば、アトラス）データに対する分散データを得る方法を概略的に示す流れ図である。 図８は、本実施形態による医用画像データをセグメントする方法を概略的に示す流れ図である。 図９は、本実施形態による医用画像データをセグメントする方法を表す概略図である。 図１０は、本実施形態による参照画像に対する分散データを得る方法を表す概略図である。 図１１は、本実施形態による参照画像に対する分散データを得る方法を表す概略図である。

本実施形態は、新規医用画像と参照医用画像との間の位置合わせ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提供する。このコンピュータシステムは、新規医用画像および参照医用画像を表すデータ、および参照医用画像における複数の異なる位置に関連し、複数の訓練用医用画像において識別された対応する位置に対する統計的変動を表す分散データを記憶するように適合された記憶システムと、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。機械可読命令が参照医用画像における複数の異なる位置に対する分散データを考慮する方法で、このコンピュータシステムは、新規医用画像と参照医用画像との間で位置合わせマッピングを決定する。

特定の実施形態によれば、位置合わせマッピングは、参照医用画像における複数の異なる位置に対する分散データから決定される正則化拘束条件を必要とする。

特定の実施形態によれば、正則化拘束条件は、参照医用画像における複数の異なる位置に対する位置合わせマッピングに関連する歪み量を拘束するために適用される。

特定の実施形態によれば、正則化拘束条件は、参照医用画像における複数の異なる位置に対する位置合わせマッピングに関連する歪み量の差を拘束するために適用される。

特定の実施形態によれば、正則化拘束条件は、弾性流体拘束条件を備える。

特定の実施形態によれば、正則化拘束条件は、粘性流体拘束条件を備える。

特定の実施形態によれば、分散データはボリュームデータを備える。参照医用画像における分散データに関する複数の異なる位置は、参照医用画像におけるボクセル位置に対応する。

特定の実施形態によれば、参照医用画像は、訓練用医用画像の組合せに基づく。

特定の実施形態によれば、記憶システムは、参照医用画像に関するセグメンテーション情報（解剖学的特徴（領域）を示す情報）を記憶するようにさらに適合される。プロセッサは、決定された位置合わせマッピングを考慮することによって、参照医用画像に関するセグメンテーション情報に基づいて新規医用画像に関するセグメンテーション情報を生成するようにさらに動作可能である。

特定の実施形態によれば、記憶システムは、参照医用画像に関するランドマーク情報を記憶するようにさらに適合される。プロセッサは、決定された位置合わせマッピングを考慮することによって、参照医用画像に関するランドマーク情報に基づいて新規医用画像に関するランドマーク情報を生成するようにさらに動作可能である。

本実施形態は、新規医用画像と参照医用画像との間の位置合わせマッピングを決定するコンピュータ実施方法を提供する。この方法は、新規医用画像と、参照医用画像と、複数の訓練用医用画像において識別された対応する位置間の統計的変動を表す参照医用画像における複数の異なる位置に対する分散データとを得ることと、参照医用画像における複数の異なる位置に対する分散データを考慮することによって、新規医用画像と参照医用画像との間の位置合わせマッピングを決定することとを備える。

本実施形態は、参照医用画像における複数の異なる位置に対する分散データを決定するように動作可能なコンピュータシステムを提供する。分散データは、複数の訓練用医用画像において識別された対応する位置間の統計的変動を表す。このコンピュータシステムは、参照医用画像および複数の訓練用医用画像を表すデータを記憶するように適合された記憶システムと、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、これらの機械可読命令は、参照医用画像における複数の解剖学的特徴の位置の指示およびそれぞれの訓練用医用画像において対応する解剖学的特徴の位置の指示を受け取り、参照医用画像における解剖学的特徴のそれぞれの位置とそれぞれの訓練用医用画像において対応する解剖学的特徴に対する位置との間のオフセット（差異）を決定し、決定されたオフセット（差異）の統計的分析から、参照医用画像における解剖学的特徴のそれぞれの位置に対する分散データを決定する。

特定の実施形態によれば、プロセッサユニットは、参照医用画像における解剖学的特徴の位置に対する分散データに基づく補間によって、参照医用画像における他の位置に対する分散データを決定するようにさらに動作可能である。

特定の実施形態によれば、プロセッサユニットは、分散データを考慮して新規医用画像と参照医用画像との間の位置合わせマッピングを決定するようにさらに動作可能である。

本実施形態は、参照医用画像における複数の異なる位置に対する分散データを決定するコンピュータ実施方法を提供する。分散データは、複数の訓練用医用画像において識別された対応する位置間の統計的変動を表す。このコンピュータシステムは、参照医用画像および複数の訓練用医用画像を表すデータを記憶するように適合された記憶システムを備える。この方法は、参照医用画像における複数の解剖学的特徴の位置の指示およびそれぞれの訓練用医用画像において対応する解剖学的特徴の位置の指示を受け取ることと、参照医用画像における解剖学的特徴のそれぞれの位置とそれぞれの訓練用医療画像において対応する解剖学的特徴に対する位置との間のオフセット（差異）を決定することと、決定されたオフセットの統計的分析から、参照医用画像における解剖学的特徴のそれぞれの位置に対する分散データを決定することとを備える。

本実施形態は、本実施形態による方法を実施する機械可読命令を有する非一時的コンピュータプログラム製品および／または本実施形態による方法を実施する機械可読命令がロードされ、これらの機械可読命令を実行するように動作可能な装置を提供する。

本実施形態について、非一時的媒体上に記憶できるコンピュータ実施システム、方法、およびコンピュータプログラム製品に関して以下に説明する。本実施形態のいくつかについて、コンピュータ、たと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、いくつかの実施形態に関連する機能性を提供させるコンピュータプログラム製品に関連して説明するが、これはいくつかの実施形態の一例のみに関することが、以下の説明から理解されよう。たとえば、いくつかの実施形態では、独立型のコンピュータではなくコンピュータのネットワークを用いて、本実施形態を実施することができる。別法または追加として、本実施形態の機能性の少なくとも一部は、たとえば特殊目的の集積回路（たとえば、特定用途向け集積回路（ＡＳＩＣ））の形態の特殊目的のハードウェアを用いて実施することができる。

図２は、コンピュータ制御式の診断デバイス、独立型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からなる例示的なネットワーク１の概略図である。ネットワーク１は、３つの構成要素を備える。主病院構成要素２、遠隔の診断デバイス構成要素４、および遠隔の単一ユーザ構成要素６が存在する。主病院構成要素２は、患者の画像を獲得するための複数の診断デバイスを備え、この例では、ＣＴスキャナ８と、ＭＲイメージャ１０と、デジタルラジオグラフィ（ＤＲ：ｄｉｇｉｔａｌ ｒａｄｉｏｇｒａｐｈｙ）デバイス１２およびコンピュータラジオグラフィ（ＣＲ：ｃｏｍｐｕｔｅｄ ｒａｄｉｏｇｒａｐｈｙ）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、共通フォーマットのファイルサーバ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。これらの特徴はすべて、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る。

遠隔の診断デバイス構成要素４は、ＣＴスキャナ１１と、共通フォーマットのファイルサーバ１３と、インターネットゲートウェイ１７とを備える。一般に、ＣＴスキャナ１１およびファイルサーバ１３は、インターネットゲートウェイ１７に接続される。インターネットゲートウェイ１７は、インターネットを介して主病院構成要素２内のインターネットゲートウェイ１５に接続される。

遠隔の単一ユーザ構成要素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構成要素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、ユーザによって所望される場合、医用画像データを送信するように構成される。たとえば、ＣＴスキャナ８は、ソースデータ、すなわち３Ｄ画像データを最初に生成し、これを標準的な画像データフォーマットに変換し、ＬＡＮ２５を介してファイルサーバ１８へ伝達してファイルアーカイブ２０上に記憶することができる。続いて、コンピュータワークステーション１６の１つで作業するユーザは、画像データを要求することができ、ファイルサーバ１８は、その画像データをアーカイブ２０から回収し、ＬＡＮ２５を介してユーザに渡す。同様に、主病院構成要素２から離れて、遠隔の診断デバイス構成要素４または遠隔の単一ユーザ構成要素６のいずれかにおいて作業するユーザもまた、アーカイブ２０上またはネットワーク１上の他の場所に記憶されたデータにアクセスして送信することができる。

図３は、患者５の一領域の３ＤのＸ線スキャンを得るための汎用スキャナ、とりわけ図２に表すＸ線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。１つまたは複数の臓器または他の解剖学的特徴を含む患者の腹部、または関心のある身体部分が、スキャナ８の円形の開口７内に配置される。患者の腹部を通って一連（全ビュー）の投影データが取得される。スキャナから生データ（投影データ）が導出され、たとえば１千個の２Ｄの５１２×５１２データサブセットの集合体を備えることができる。これらのデータサブセットに基づいて、ボリュームデータが再構成される。各データサブセットは、検査される患者の領域の１つの投影データを表す。３Ｄ画像データを構成するボリュームデータはボクセルの集合体を備え、各ボクセルは、１つのスライス内のピクセルに対応する。したがって、ボリュームデータは、撮像された特徴の３Ｄ表現であり、この３Ｄ表現から、ユーザが選択した様々な２Ｄ投影図（出力画像）を表示することができる（通常、コンピュータモニタ上）。

通常、異なる撮像モダリティ（たとえば、ＣＴ、ＭＲ、ＰＥＴ、超音波）は、異なる画像分解能（すなわち、ボクセル寸法）を提供し、撮像されたボリュームの全体的な寸法は、検査の性質にさらに依存する。具体的な例として、制限されたボリュームデータは、ｘ軸、ｙ軸、およびｚ軸によって定義される通常のデカルト格子上に構成された５１２×５１２×３２０の１６ビットのボクセルからなるアレイを備えることができ、これらのボクセルは、各軸に沿って０．５ｍｍの間隔で配置される（場合によっては、これらのボクセルは、各軸上で等しく間隔で配置されないこともある）。これは、約２５ｃｍ×２５ｃｍ×１６ｃｍの全体的な撮像ボリュームに対応し、心臓、腎臓、肝臓、腸、脾臓、または膵臓などの当該の臓器を収めるのに十分であることが多い。他のボリュームデータは、より大きくすることができ、たとえば患者の大部分、（いわゆる「全身」画像）を収めることができる。より大きいボリュームデータは、複数のより小さい別個のボリュームデータから構築することができ、または１回の取得で得ることができる。従来どおり、ボリュームデータは通常、横断面、矢状面、および冠状面と位置合わせされる。ｘｙ軸は横断面内に位置し、ｘｚ軸は冠状面内に位置し、ｙｚ軸は矢状面内に位置する。

図４は、一実施形態による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のコンピュータシステム２２を概略的に示す。コンピュータ２２は、中央処理装置（ＣＰＵ）２４と、読取り専用メモリ（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およびマウス４０を有するユーザ入出力（ＩＯ）回路３６とを含む。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はまた、共通バス４２を介して接続されたグラフィックスカード４４を含む。グラフィックスカードは、グラフィックス処理ユニット（ＧＰＵ）と、ＧＰＵに緊密結合されたランダムアクセスメモリ（ＧＰＵメモリ）とを含む。

ＣＰＵ２４は、ＲＯＭ２６、ＲＡＭ２８、またはハードディスクドライブ３０内に記憶されたプログラム命令を実行して、医用画像データの処理を実施することができる。医用画像データは、ＲＡＭ２８またはハードディスクドライブ３０内に記憶することができる。ＲＡＭ２８およびハードディスクドライブ３０は、集合的にシステムメモリと呼ばれる。ＧＰＵはまた、プログラム命令を実行して、ＣＰＵからＧＰＵに渡された画像データの処理を実施することができる。

図５は、図４に示すコンピュータシステムの特徴のいくつかをより詳細に概略的に示す。ＲＡＭ２８およびハードディスクドライブ３０を、集合的にシステムメモリ４６として示す。この図に概略的に示すシステムメモリ内には、図３に示すスキャナ８から得られる医用画像データが記憶される。コンピュータシステム２２の特徴間の異なるデータ伝達経路を示すのを支援するために、図４に示す共通バス４２について、図５では一連の別個のバス接続４２ａ〜ｄとして概略的に示す。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Ｉ／Ｏ３６とＣＰＵ２４との間を接続する。ＣＰＵは、ＣＰＵキャッシュ５０を含む。グラフィックスカード４４は、ＧＰＵ５４とＧＰＵメモリ５６とを含む。ＧＰＵ５４は、加速グラフィックス処理インターフェース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とを提供する回路を含む。処理エンジン６４は、通常は医用画像データの処理に関連するタイプのプログラム命令を最適に実行するように設計される。

ユーザは、キーボード３８およびマウス４０と、ディスプレイ３４上に表示されるグラフィカルユーザインターフェース（ＧＵＩ）とを組み合わせて使用して、たとえば可動のスクリーンアイコンと、選んでクリックするためのマウス、トラックパッドなどとの組合せ、タッチスクリーン、または他の知られている技法を使用して、所望の処理パラメータを選択することが可能である。

本明細書に記載の方法は、病院環境内で使用することができる。この場合、これらの方法を一体化して独立型のソフトウェアアプリケーションにすることができ、またはこれらの方法を画像データ保管通信システム（ＰＡＣＳ：Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）と一体化することができることが有用である。ＰＡＣＳは、病院ベースのコンピュータ化されたネットワークであり、異なるタイプの診断画像を表すボリュームデータを、単一の中心アーカイブ内に組織されたデジタルフォーマットで記憶することができる。たとえば、画像をＤＩＣＯＭフォーマットで記憶することができる。アーカイブは、複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、その結果、病院サイト中のユーザが、必要に応じて患者データにアクセスして処理することができる。追加として、サイトから離れたユーザが、インターネットを介して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、専門医、または研究者などのユーザは、ワークステーションから医用画像データにアクセスして、２Ｄまたは３Ｄデータの静止画または４Ｄデータからの動画などの表示画像を生成することができる。

本実施形態によれば、データキャリア上またはメモリ内に記憶するためにコンピュータ実装を用いるコンピュータプログラムコードを使用して、コンピュータシステムのＣＰＵおよびＧＰＵの動作を制御することができる。コンピュータプログラムは、適したキャリア媒体、たとえば固体メモリ、磁気、光、もしくは光磁気ディスク、またはテープベースの媒体などの記憶媒体上で供給することができる。別法として、コンピュータプログラムは、送信媒体、たとえば電話、無線、または光チャネルなどのキャリアを有する媒体上で供給することもできる。

上記のように、新規医用画像データ（検査データ）を参照医用画像データ（アトラスデータ）に位置合わせするプロセスは、医用画像処理の分野で一般的なタスクである。本実施形態は、以下でさらに説明するように、普通なら従来どおりの画像の位置合わせ技法に対する修正を実現する。１つの特定の例について、確立されたアルゴリズムに基づく修正された非剛体位置合わせプロセスに関して説明する。しかし、本明細書に記載の概念は、他の位置合わせプロセスでも適用できることが容易に理解されよう。

大まかに要約すると、本実施形態によれば、新規医用画像と参照医用画像（アトラス）との非剛体位置合わせを実行する方法が提供される。この方法は、参照医用画像の特徴に対する様々な他の医用画像（訓練データ）間で見られる統計的変動を考慮する。

図６は、本実施形態による画像を位置合わせする方法を概略的に示す流れ図である。この位置合わせプロセスは、通常、上述したアルゴリズムに基づいており、新規の医用画像ボリュームデータ（医用画像データ）Ｔを参照医用画像データ（参照画像データ）Ｒに位置合わせするために適用される。このアルゴリズムは、Ｒの各ボクセルからＴの対応するボクセルへの変位を示すワープフィールドと呼ばれるマッピングを演算（発生）する。この方法は、以下の主要なステップを備えるものとして要約することができる。

ステップＳ１−ボリュームＲおよびＴの間に最初のワープフィールドＷを構築する（一般に恒等ワープフィールドであるが、剛体位置合わせを備えることもできる）。

ステップＳ２−この最初のワープフィールドＷをボリュームＴに適用して、最初の「現在の」ボリュームＴを得る（このプロセスは、ボリュームＴおよびワープフィールドＷを反復して更新することに基づいて、各反復に対して更新されたボリュームＴおよびワープフィールドＷは、その反復に対する「現在の」ボリュームＴおよびワープフィールドＷと呼ぶ）。

ステップＳ３−収束基準が満たされるまで、以下のステップを反復する。

・ステップＳ３ａ−ボリュームＲおよび現在のボリュームＴを使用して、Ｒ内の各ピクセル／ボクセル位置における相互情報量の勾配を演算し、ベクトルで構成されるフォースフィールドＦを提供（発生）する。

・ステップＳ３ｂ−フォースフィールドＦに粘性流体拘束条件を適用する（これには、位置合わせプロセス中にボリュームＴの隣接要素を互いから独立して移動させることができる範囲を制限するという効果がある）。すなわち、ステップＳ３ｂにおいて、分散データを用いて、フォースフィールドＦに粘性流体拘束条件を加える。

・ステップＳ３ｃ−フォースフィールドＦをスケーリングして反復ごとの変位を調整する。

・ステップＳ３ｄ−フォースフィールドＦを現在のワープフィールドＷに加算することによって、現在のワープフィールドＷを更新する（すなわち、新しい現在のワープフィールドＷを生成する）。

・ステップＳ３ｅ−現在のワープフィールドＷに弾性流体拘束条件を適用する（これには、ワープフィールドが適用されたときにボリュームＴの要素が移動できる範囲を制限するという効果がある）。すなわち、ステップＳ３ｅにおいて、分散データを用いて、フォースフィールドＦに弾性流体拘束条件を加える。

・ステップＳ３ｆ−更新された現在のワープフィールドＷを元のボリュームＴに適用して、現在のボリュームＴを更新する。

・ステップＳ３ｇ−収束を判定し、収束基準が満たされている場合（または事前に定義された最大数の反復がすでに実行された場合）はステップＳ４へ進み、そうでない場合はステップＳ３ａへ戻る。収束の判定は、たとえば、現在のボリュームＴと参照ボリュームＲとの間の相互情報量の程度が前の反復から大幅に変化しない場合に、このプロセスは収束したと見なすことができるような判定とすることができる。

ステップＳ４−位置合わせ結果を出力する。

本実施形態によれば、上記の概略的な画像の位置合わせプロセスのステップＳ３ｂおよび／またはＳ３ｅは、既存の技法とは異なる方法で実行され、他のステップは通常、既存の技法に従って実行される。この点に関して、本明細書では詳細に説明しない図６に表すステップの態様は、上述したアルゴリズムなどの従来の画像の位置合わせ技法の原理に従って実行することができる。

図６に表す上記の概略的な画像の位置合わせプロセスのステップＳ３ｂおよびＳ３ｅは、非剛体位置合わせプロセス中にボリュームＴを歪曲および変形できる範囲を拘束する。通常、この態様の画像の位置合わせは正則化と呼ばれ、画像データに適用すべきワープフィールドＷ内の途切れ（引き裂き）および他の不連続性を防止することを目的として使用される。

従来の技法によれば、画像の位置合わせプロセスの正則化は、位置合わせされるボリュームデータ全体にわたって均一に実行される。しかしながら、本実施形態は、異なる位置で異なる正則化拘束条件を適用できる画像の位置合わせの代替手法である。特に、本実施形態によれば、画像内で、患者間で空間的配置の変動度がより小さいと見なされる解剖学的特徴に対応する位置と比較すると、患者間で空間的配置の変動度がより高いと見なされる解剖学的特徴に対応する位置に対して、正則化拘束条件は緩和される（より弱くされる）。異なる解剖学的位置に対する患者間の変動度は、たとえば、サンプル母集団からの画像データの統計的分析から確立することができる。

図７は、本実施形態による参照画像（たとえば、アトラス）データに関する分散データを得る方法を概略的に示す流れ図である。

ステップＴ１で、参照データ（アトラスデータ）が得られる。本明細書で医用画像データを得ることに言及することは、医用撮像デバイスを使用して患者から最初／元の医用画像データを収集するプロセスのみを意味しようとするものではないことが理解されよう（ただし場合によっては、このプロセスのみを意味することができる）。逆に、「データを得る」という語句および対応する術語は、たとえば、コンピュータ記憶装置から既存のデータを読み取ることも包含するように、広く解釈されるべきである。

本実施形態によれば、アトラスデータは、手近のアプリケーションにとって最も適当であると見なされる単一のアトラスである。単一のアトラスデータは、画像の位置合わせに使用される適当な単一のアトラスデータを決定するための一般的に慣習的な技法に従って選択されてもよい。たとえば、アトラスデータは、典型的な患者と見なされる１人の患者からの実際の医用画像データに対応させることができ、または複数の異なる患者からの医用画像データを組み合わせて一種の平均的な患者データセットを提供することによって生成することができる。たとえば解剖学的構造の一部分をどれだけ包含するか、およびどの部分を包含するかに関して、患者データセットの範囲は、典型的には、手近の特有のアプリケーションに依存する。原則的に、単一アトラスは、全身のアトラスとすることができるが、大部分の場合、単一アトラスは、患者の解剖学的構造の一部分のみを包含してもよい。たとえば、単一アトラスは、当面の検査に対する関心のある心臓領域、肝臓および／もしくは腎臓領域、脳領域、または任意の他の臓器もしくは身体領域を包含してもよい。

ステップＴ２で、アトラスデータにおいて表される解剖学的領域に対応する複数のデータセットが、複数の他の患者に対して得られる。これらのデータセットを、訓練データと呼ぶことができる。最適な性能のために、訓練データが収集される患者は、関心のある母集団（すなわち、アトラスデータとの比較を通じて新規医用画像データが分析される母集団）に対して参照されると予期される解剖学的構造の変動範囲を包含するべきである。たとえば、男性の患者に限られた検査では、アトラスデータおよび訓練データは男性の患者から得られることが最も適当であると考えられる（少なくとも、男性の患者と女性の患者との間の系統的な差を有する解剖学的特徴の場合）。特定の年齢範囲の女性の患者に限られる検査の場合、アトラスデータおよび訓練データは、たとえば特定の年齢範囲内の女性の患者から得ることができる。

ステップＴ３で、アトラスデータにおいて、複数のランドマーク点（解剖学的標識点：アトラスランドマーク）が識別される。これらのアトラスランドマークは、アトラスデータセットを調査する臨床医によって手動で識別された確認可能な解剖学的特徴に対応する。

ステップＴ４で、剛体変換により、それぞれの訓練データがアトラスデータに整合される。このステップに対して、従来の剛体変換技法が使用される。特に、このステップで適用される剛体位置合わせプロセスは、後に新規データ（医用画像データ）とアトラスデータ（参照データ）との比較を初期化するときに使用されるいずれの剛体位置合わせ方法にも対応することができる。

ステップＴ５で、それぞれの訓練データにおいて、アトラスランドマークに対応する解剖学的特徴の位置（ランドマーク位置、解剖学的標識点）が識別される。この場合も、上記識別は、訓練データを調査する臨床医によって手動で実行されてもよい。

ステップＴ６で、ステップＴ４で適用された剛体位置合わせプロセスを考慮して、訓練データにおけるランドマーク位置がアトラスデータにマッピングされる（ステップＴ６が実行されない場合、原則的に、ステップＴ４で訓練データがアトラスデータにすでに剛体位置合わせされた後に、訓練データに対してステップＴ５が実行されてもよい）。

したがって、各アトラスランドマークに対して、この段階までの図７の処理の結果は、対応するランドマークがそれぞれの訓練データにおいて現れる場所に対応し、アトラスデータの空間内における複数の位置である。場合によっては、これらのアトラスランドマークは個々のボクセルに対応してもよく、他の場合、アトラスランドマークは、複数のボクセルに亘る解剖学的特徴に対応してもよい。ランドマークが複数のボクセルに及ぶ場合、そのランドマークに対する空間的な質量中心は、その位置を表すために用いられてもよい。

ステップＴ７で、各アトラスランドマークに対して、（アトラスデータの空間における）訓練データにおいて参照されるようなランドマークに関する対応する位置間の分散の大きさ（分散の強度）が確立される。分散の大きさは、位置分散と呼ばれる。特定の実施形態によれば、位置分散の確立は、アトラスランドマークと訓練データにおいて識別された対応するランドマークとの間のそれぞれのオフセット（差異）を決定することによって、各アトラスランドマークに対して行われてもよい。次いで、このアトラスランドマークに対する位置分散は、オフセットの範囲から、たとえばそれぞれの訓練データにおけるランドマークに対するオフセットの二乗平均の大きさに基づいて決定することができる。

ステップＴ８で、特有のアトラスランドマーク位置に対して確立された位置分散に関する値（位置分散値）から、アトラスデータにおけるすべての位置（すなわち、すべてのボクセル）に対する位置分散値が補間される。特定の例によれば、位置分散値の補間は、完全なアトラスデータのボリューム全体にわたるアトラスランドマーク位置に対する位置分散の間を平滑に補間する薄板スプラインを用いることにより、ボリュームを構築するために実行されてもよい。

これらの位置分散値は、アトラスデータセットに関する分散データと呼ぶことができる。分散データは、ボリュームデータの形態をとってもよい。このボリュームデータは、アトラスデータのボクセルに対応するボクセルの配列を備える。分散データの各ボクセルの信号値は、図７を参照して上述した方法によって確立されたその位置に対する分散から導出される。したがって、この分散データは、標準的な医用画像データのフォーマット、たとえばＤＩＣＯＭフォーマットに従って記憶されてもよい。

たとえば図７に表す方法に対応する方法で、アトラスデータに関する分散データが確立されると、この分散データは、以下でさらに説明するように、後の使用のために記憶されてもよい。この点に関して、所与のアトラスデータに関する分散データは、一度だけ確立されてもよい。しかしながら、他の例では、たとえば訓練データの数の増加を考慮するために、または特定の新規データに関する患者の特性により緊密に整合された訓練データのサブセットに対する分散データを確立するために、分散データは、後に再演算（発生）されてもよい。

図８は、本実施形態による分散データを考慮する画像位置合わせを使用して、新規画像データをセグメントする方法を表す概略的な流れ図である。

ステップＵ１で、参照データ（アトラスデータ）が得られる（たとえば、コンピュータ記憶装置から読み取る）。アトラスデータは、たとえば図１に表す種類のコンピュータで自動化されたセグメントに対する従来の技法に従って、関心のある新規画像データをセグメンテーションするのに適当であるとして選択されることができる。

ステップＵ２で、現在の検査に関するアトラスデータに対する関連するセグメントデータ（アトラスセグメンテーションデータ）が得られる（たとえば、コンピュータ記憶装置から読み取る）。アトラスセグメンテーションデータは、コンピュータで自動化されたセグメンテーションに関する従来の技法に従って、たとえばアトラスデータにおける関心のある解剖学的特徴についての専門家による手動識別に基づいて、確立されてもよい。

ステップＵ３で、アトラスデータに関する分散データ（アトラス分散）が得られる（たとえば、コンピュータ記憶装置から読み取られる）。アトラスデータに関する分散データ（アトラス分散データ）は、たとえば図７の方法に従って、事前に得たものとすることができる。

ステップＵ４で、新規データ（医用画像データ）が得られる（たとえば、コンピュータ記憶装置から読み取られる）。

ステップＵ５で、アトラス分散データを考慮して、新規データとアトラスデータとの間の位置合わせマッピングが確立される。

本実施形態によれば、ステップＵ５は、図６に概略的に示された位置合わせ手法に続いて実行されてもよい。図６において、分散データは、正則化（たとえば、ステップＳ３ｂおよび／またはステップＳ３ｅ）の局面において考慮される。正則化がボリュームデータ全体にわたって均一に適用されるのではなく、対応する分散データに応じてアトラスデータにおける異なる位置に対して異なって適用されるように、位置合わせ手法は、実行される。特に、分散データが訓練データに対応するサンプル母集団間で比較的高い変動度（位置分散値が高い）を示すアトラスデータの位置に関して、分散データが訓練データ間で比較的低い変動度を示す位置に比べて、より緩和された正則化拘束条件が適用される（すなわち、より大きい変形を可能にする）。

正則化の強度を位置とともに変動させることができる様々な方法がある。たとえば、図６に表すステップＳ３ｂおよびＳ３ｅの正則化拘束条件を適用する１つの確立された技法は、ガウス平滑化によるものである。特に、フォースフィールドＦのガウス平滑化を使用して、ステップＳ３ｂの粘性流体拘束条件を適用することができる。また、ワープフィールドＷのガウス平滑化を使用して、ステップＳ３ｅの弾性流体拘束条件を適用することができる。したがって、本実施形態によれば、アトラスデータにおける各ボクセルの位置（ボクセル位置）に対して、このボクセル位置に対応する分散データに依存して、フォースフィールドＦ（粘性拘束条件正則化）および／またはワープフィールドＷ（弾性拘束条件正則化）に適用されるガウスカーネル平滑化プロセスに対するカーネルを決定することができる。

ガウスカーネル平滑化プロセスのカーネルと分散データとの間の最適化された関数関係は、たとえば、所与の実装に対して、多数の試験データセットに対する性能の経験的評価を通じて、確立されてもよい。１つの可能な手法は、粘性流体拘束条件（図６の例のステップＳ３ｂ）に対応する正則化に対しては、一定のカーネルサイズを維持する。また、弾性流体拘束条件（図６の例のステップＳ３ｅ）に対応する正則化に対しては、患者間のより大きい変動度を示すより大きい分散がある場合に、カーネルサイズがより小さくなるように、カーネルサイズが変動されるであろう。たとえば、弾性拘束条件に対応する正則化を適用するために使用されるカーネルサイズは、アトラスデータにおける各ボクセルに対して、分散の平方根に反比例して決定してもよい。

他の例では、非剛体位置合わせプロセスに関連する正則化拘束条件は、上記の種類のガウス平滑化とは異なるように適用されてもよいことが理解されよう。しかしながら、それにもかかわらず、正則化拘束条件は、所与の実装で適用される。正則化の強度／程度は、上記の種類の対応する分散データに依存してデータにおける位置とともに変動するように等しく適用されてもよい。

分散データの大きさに基づいて正則化の程度を変動させるよりむしろ、その代わりに、特定の実施形態によれば、正則化の程度、たとえばガウスカーネル平滑化手法に対するカーネルサイズは、分散データにおける局所的な勾配に基づいて変動されてもよい。これは、弾性正則化拘束条件のみに再び適用されてもよく、または弾性正則化拘束条件および／または粘性流体正則化拘束条件に適用されてもよい。分散ボリューム（分散データに対応するボリュームデータ）において参照される分散勾配の大きさ（分散の大きさではない）に基づく手法は、異なる患者における複数の高分散領域が依然として局所的に一致していると見なされる場合に、適切である。分散データ勾配に基づく手法は、高い位置分散に関連する領域と低い位置分散に関連する領域との間のワープフィールドにおいてさらなるボクセルの動きを可能にする傾向がある。

したがって、概略的に、本実施形態による図８のステップＵ５は、データの異なる領域に対する患者間の変動度を提示する分散データに依存して、データの異なる領域に関する異なる正則化強度を適用することを備える。依存性は、正則化の量と分散データとの間の関係（分散が小さい場合、正則化はより強くなる）に基づいてもよい。あるいは、依存性は、正則化の量と分散データにおける勾配との間の関係（分散勾配の大きさが小さい場合、正則化はより強くなる）に基づいてもよい。場合によっては、たとえば上記で論じたような逆平方根の関係に基づいて、この関係が連続的であることが適切である。関係の他の形状は、たとえばロジスティック関数（または他のシグモイド関数）に基づいて、使用されることもできる。ロジスティック関数は、２つの別個の正則化強度を比較的狭い平滑遷移で実質的に実現するために使用することができる。ロジスティック関数は、正則化強度が分散データにおいて勾配の大きさに基づくときに最も適切なことがある。

図８のステップＵ５で本実施形態による画像の位置合わせを実行した後、処理はステップＵ６へ進む。

ステップＵ６で、新規データ（医用画像データ）がアトラスデータ（参照データ）に位置合わされた（すなわち、アトラスデータ空間にマッピングされた）後、新規データにアトラスのセグメンテーションが適用される。ステップＵ７で、セグメントされた新規画像データは、たとえば後に分析できるように記憶するために出力され、またはユーザがセグメントされたデータを見ることが可能になるように、ボリュームデータ視覚化アプリケーションへ直接出力される。ステップＵ６およびＵ７は、従来の技法に従って実行することができる。

図８の手法は、他の実施形態によって修正できることが理解されよう。たとえば、上記のように、位置合わせマッピングの正則化拘束条件の特有の適用分野は、異なる実装形態に対して異なるものとすることができる。それにもかかわらず、いずれの場合も、特有の実装アルゴリズムにかかわらず、所定の患者間の変動度に依存してデータにおける異なる位置で異なる正則化拘束条件を使用するという一般概念を適用することができる。

さらに、図８の様々なステップは、異なる方法で実行することができる。たとえば、ステップＵ５の位置合わせマッピングを通じて新規画像データをアトラスデータの空間に変換した後に、アトラスのセグメンテーションを新規画像データに適用するのではなく、独自の空間内で（すなわち、アトラスデータへマッピングすることなく）、セグメンテーションを新規画像データに適用することができ、代わりに、アトラスのセグメンテーションを新規画像データの空間に変換することができる（すなわち、ステップＵ５で確立された位置合わせマッピングの逆を使用する）。

図９は、いくつかの点で図８に表すプロセスに類似している本実施形態によるセグメンテーションプロセスを概略的に表す図である。図８のステップＵ１、Ｕ２、およびＵ３で言及したものに対応するアトラスデータ（参照ボリューム）と、アトラス分散（分散データ：分散ボリューム）と、アトラスのセグメンテーションとが、図９の上方に表される。図９の下部部分の左側には、図８のステップＵ４で得られるものなどの新規データ（医用画像データ）が表される。図９の残り部分に概略的に示すように、位置合わせステップ（たとえば、図８のステップＵ５に対応する）は、新規ボリュームに適用され、参照ボリュームと分散ボリュームとの両方を考慮する。位置合わせマッピングの結果は、図９にワープフィールドとして表すマッピング変換である。本実施形態および上記で論じた原理によれば、アトラス分散がより大きい場合（これらの領域がより弱い正則化を受けるため）、位置合わせマッピングを表すワープフィールドにおけるワープ（歪み）の大きさを大きくすることができることが重要である。図９の例では、ワープフィールドを使用して、アトラスのセグメンテーションを参照ボリュームデータの空間から新規画像データの空間へ変換する。変換されたアトラスのセグメンテーションを新規ボリュームに適用して、図９の下部部分の右側に概略的に表すように、セグメントされた新規画像データ（新規セグメンテーション）を提供する。

図１０および図１１は、本実施形態による分散データを確立する２つの手法を概略的に表す。

図１０は、図７に表すプロセスに類似のプロセスを概略的に表す。しかし、図１０の手法は、補間が適用される段階で、図７に表す手法とは異なる。上記のように、図７のステップＴ８の補間は、アトラスランドマークで確立された分散データに基づいてアトラスデータ全体に対応する領域にわたって分散データを決定するために使用される。図７の手法における補間対象は分散データであって、分散データが補間される。しかしながら、図１０の手法では、補間対象はオフセット（差異）であって、ランドマーク位置（解剖学的標識点の位置）に対して導出されたオフセット値から各訓練データにおける各位置のオフセット値を提供するために、各訓練データと参照データとにおけるランドマーク位置を示すボクセルの間のオフセットが補間される。次いで、各ボリュームにおけるオフセットを組み合わせて、図７のステップＴ７を参照して上述したように、分散データを提供することができる（ただしここでは、単にランドマーク位置ではなくボクセルに対して実行される）。

したがって、図１０の上列は、２つの訓練データ（左側および中央）と、アトラスデータ（右側）（参照データ）とを概略的に表す。３つのアトラスランドマーク（概略的にｒ、ｇ、ｂのラベルで示す）に対応する位置は、各データにおいて臨床医によって手動で識別される。各訓練データは、（剛体位置合わせ後）アトラスデータと比較される。次いで、各ランドマーク位置に対するオフセットが確立される。続いて、ボリュームデータにおける他の位置（ボクセル）に対するオフセットは、たとえば薄板スプライン補間によって確立される。これらのオフセットは、参照データからそれぞれの訓練データへの変換を示すワープフィールド（概略的に図１０の中間の列に表す）を表すとみなされる。次いで、これらのワープフィールドをともに組み合わせて、分散データを生成することができる。たとえば、各ボクセルにおける分散データの値は、その位置に対するそれぞれの訓練データに関連するワープフィールドの二乗平均の大きさに対応することができる。

図１１は、図７に表すプロセスに類似のプロセスを概略的に表す（すなわち、オフセットではなく分散データに補間が適用される）。

したがって、図１１の上列は、３つの訓練データを概略的に表す（図７のステップＴ２）。３つのアトラスランドマーク（概略的にｒ、ｇ、ｂのラベルで示す）に対応する位置は、各データにおいて臨床医によって手動で識別される（図７のステップＴ５）。各訓練データは、アトラスデータと比較され（剛体位置合わせ、すなわち図７のステップＴ４後）、各ランドマーク位置に対するオフセットが確立され、図１１の中間列に概略的に表すように、各アトラスランドマークに対して確立されたオフセットに対する分散測定値が決定される（図７のステップＴ７）。アトラスデータにおける他の位置（たとえば、ボクセルがアトラスランドマークから離れている）における分散データに関する値は、図１１の下列に概略的に表すように、それらのランドマーク位置に対して決定された分散データ値の補間によって、決定することができる（図７のステップＴ８）。

（実施形態）
本医用画像処理装置は、機能構成として、記憶部と、拘束条件決定部と、ワープフィールド決定部と、配置部と、表示部と、入力部とを有する。なお、本医用画像処理装置は、セグメント情報発生部と、剛体位置合わせ部と、差異決定部と、分散データ発生部とをさらに有していてもよい。また、本実施形態は、参照データを発生する参照データ生成部をさらに有していてもよい。

記憶部は、例えば、図４のＲＯＭ２６、ＲＡＭ２８、ＨＤＤ３０、図５のシステムメモリ４６、ＧＰＵメモリ５６、ＣＰＵキャッシュ５０などに対応する。セグメント情報発生部と、剛体位置合わせ部と、差異決定部と、分散データ発生部と、拘束条件決定部と、ワープフィールド決定部と、配置部と、参照データ生成部とは、例えば、図４、図５のＣＰＵ２４、ＧＦＸ４４などに格納される。

表示部は、図４、図５におけるディスプレイ３４に対応する。入力部は、例えば、図４、図５におけるキーボード３８とマウス４０とに対応する。

記憶部は、解剖図譜を示す一つの参照データと複数の訓練データ各々との剛体位置合わせにより発生され、複数の解剖学的標識点各々の位置の統計的分散を表す分散データと、参照データと、画像データとを記憶する。分散データは、例えば、複数の解剖学的標識点各々の位置の統計的分散の強度の分布を示すデータ（ボリュームデータ）である。

なお、記憶部は、参照データにおける解剖学的領域を示す参照領域情報を記憶してもよい。、また、記憶部は、参照データにおける解剖学的標識点を示す参照標識点情報を記憶してもよい。また、記憶部は、分散データの発生に用いられる複数の訓練データを記憶していてもよい。訓練データとは、例えば、分散データの発生に用いられるデータである。訓練データは、参照データに関連するデータである。訓練データにおける解剖学的特徴は、参照データにおける解剖学的特徴に包含される。

また、記憶部は、図６における収束基準を記憶してもよい。なお、収束基準が反復回数である場合、入力部を介して適宜変更可能である。また、記憶部は、本実施形態に係る複数の機能を実行する医用画像処理プログラム、分散データの発生に係る分散データ発生プログラム等を記憶してもよい。

参照データ生成部は、複数の訓練データの組み合わせに基づいて、参照データを生成する。参照データは、例えば、単一のアトラスデータである。アトラスデータは、例えば、解剖図譜を示すボリュームデータである。

剛体位置合わせ部は、参照データと訓練データ各々との剛体位置合わせを実行する。以下、説明を簡単にするために、相互情報量を用いて、参照データに訓練データを剛体位置合わせする場合について説明する。剛体位置合わせ部は、例えば、参照データに対して訓練データを、所定の大きさで並進および回転させる毎に、参照データと訓練データとにおける相互情報量を計算する。剛体位置合わせ部は、相互情報量が最大となる並進及び回転を特定する。剛体位置合わせ部は、特定された並進および回転に対応する剛体変換行列を決定する。剛体位置合わせ部は、複数の訓練データ各々について剛体変換行列を特定する。剛体位置合わせ部は、複数の訓練データにそれぞれ対応する複数の剛体変換行列を、差異（オフセット）決定部に出力する。

差異決定部は、解剖学的標識点各々において、剛体位置合わせ（剛体変換行列）に基づいて、参照データにおける解剖学的標識点（アトラスランドマーク）の位置と、訓練データにおける解剖学的標識点の位置との間の差異（オフセット）を決定する。差異決定部は、決定した差異（オフセット）を、分散データ発生部に出力する。

分散データ発生部は、解剖学的標識点各々における差異（オフセット）に対する統計解析により、参照データにおける解剖学的標識点の位置各々において、解剖学的標識点の統計的分散を示す分散データを発生する。具体的には、分散データ発生部は、参照データにおける解剖学的標識点各々における統計的分散の値を用いて、参照データにおける解剖学的標識点の位置の間の複数のボクセル各々における分散値を補間することにより、分散データを発生する。分散データは、例えば、図７、図１０、図１１に示す手順で発生される。分散データ発生部は、発生した分散データを、記憶部に出力する。

拘束条件決定部は、参照データと医用画像データとの非剛体的位置合わせと分散データとに基づいて、参照データにおける複数のボクセル各々の歪み量を拘束する拘束条件を決定する。非剛体位置合わせとは、位置合わせされる対象の医用画像（例えば、参照データ（アトラスデータ））を、非剛体的に局所領域毎に変形させることにより実行される位置合わせである。非剛体位置合わせに関する局所領域毎の変形は、ワープフィールドにより規定される。

拘束条件決定部は、ワープフィールドに対して、拘束条件を決定する。拘束条件は、例えば、図６の各処理に従って決定される。拘束条件は、ワープされる画像データにおいて、複数の局所領域各々と局所領域各々に隣接する隣接局所領域との間で、途切れ（引き裂き）および不連続性を生じさせないために、ワープフィールドに設定される条件（正則化拘束条件）である。

正則化拘束条件とは、例えば、弾性流体拘束条件と粘性流体拘束条件とのうち少なくとも一方である。弾性流体拘束条件は、ワープフィールドを適用したデータの要素（例えばボリュームデータにおけるボクセル）の移動可能範囲を制限する。粘性流体拘束条件は、ワープフィールドを適用したデータの要素の隣接要素（隣接ボクセル）を互いに独立して移動可能な範囲を制限する。なお、拘束条件決定部は、互いに隣接するボクセルにおける歪み量の差を制限するために、正則化拘束条件を決定してもよい。

ワープフィールド決定部は、拘束条件を伴った医用画像データと参照データとの非剛体位置合わせに基づいて、非剛体位置合わせに関する歪み量を示すワープフィールドを決定する。すなわち、ワープフィールド決定部は、拘束条件決定部により決定された拘束条件を有するワープフィールドを決定する。具体的には、図６に示すように、ワープフィールドは、拘束条件とともに決定される。ワープフィールド決定部により決定されたワープフィールドは、配置部およびセグメント情報発生部に出力される。

セグメント情報発生部は、ワープフィールドと参照領域情報とに基づいて、医用画像データにおいて解剖学的領域を区分する領域区分情報を発生する。セグメント情報発生部は、発生した領域区分情報を、配置部に出力する。なお、領域区分情報は、記憶部に出力されてもよい。このとき、領域区分情報は、記憶部に記憶される。

セグメント情報発生部は、ワープフィールドと参照標識点情報とに基づいて、医用画像データにおいて解剖学的標識点を区分する標識点区分情報を発生する。セグメント情報発生部は、発生した標識点区分情報を、配置部に出力する。なお、標識点区分情報は、記憶部に出力されてもよい。このとき、標識点区分情報は、記憶部に記憶される。

配置部は、ワープフィールドを用いて、参照データにおける解剖学的領域を、医用画像データに配置する。なお、配置部は、領域区分情報を用いて、参照データにおける解剖学的領域を、医用画像データに配置してもよい。また、配置部は、標識点区分情報を用いて、参照データにおける解剖学的標識点を、医用画像データに配置してもよい。また、配置部は、参照データにおける解剖学的領域を、ワープフィールドを用いてマッピングすることにより、医用画像データ上に解剖学的領域を重畳させてもよい。配置部は、参照データの解剖学的領域および解剖学的標識点を配置（重畳）した医用画像データ（以下、解剖学的特徴マッピングデータ）を、表示部に出力する。

表示部は、配置部から出力された解剖学的特徴マッピングデータに基づいて、医用画像上に参照データの解剖学的領域および解剖学的標識点を配置（重畳）した画像を表示する。

入力部は、ユーザなどからの各種指示・命令・情報・選択・設定などをＣＰＵ２４、ＧＦＸ４４などに入力する。なお、入力部は、ディスプレイ３４における表示画面を覆うタッチパネルでもよい。入力部は、参照データにおける解剖学的標識点（アトラスランドマーク）、解剖学的領域等を、ユーザにより入力してもよい。これにより、参照領域情報、参照標識点情報は、参照データと関連づけて記憶部に記憶される。また、入力部は、訓練データ各々における解剖学的特徴（標識点）の位置を、ユーザにより入力してもよい。訓練データにおける解剖学的標識点の位置は、差異決定部、記憶部などに出力される。

以上に述べた構成によれば、以下の効果を得ることができる。
本実施形態に係る医用画像処理装置によれば、単一の参照データ（アトラスデータ）と、複数の解剖学的標識点各々の位置の統計的分散を表す分散データとに基づいて、参照データと医用画像データとの非剛体的位置合わせにおける複数のボクセル各々の歪み量を拘束する拘束条件を決定し、決定された拘束条件を伴う非剛体位置合わせに基づいて、非剛体位置合わせに関する歪み量を示すワープフィールドを決定し、決定されたワープフィールドを用いて、参照データにおける解剖学的領域を、医用画像データに配置することができる。すなわち、本実施形態によれば、複数の過去画像（訓練画像）を対象とした位置合わせ処理（剛体位置合わせ）により、ランドマークの分散分布（分散データ）を発生することができる。次いで、分散データを用いて裂け目および不連続を防止する拘束条件を伴って非剛体位置合わせに関するワープフィールドを決定し、決定したワープフィールを用いて、医用画像データにおいて解剖学的領域のセグメンテーションを実行することができる。

これらのことから、本実施形態によれば、患者間において解剖学的領域および解剖学的標識点に対して生理学的な大幅な変動があったとしても、あらゆる患者にとって等しく十分に機能できる非剛体位置合わせプロセスを実行することができる。すなわち、本実施形態によれば、非剛体位置合わせにおいて、必要とされる領域（複数のボクセル）に対してより大きな移動を可能とするため、従来の単一アトラスデータを用いる手法に比べて、より正確なセグメンテーションが可能となる。

加えて、本実施形態に係る医用画像処理装置によれば、分散データに基づいて適切な拘束条件をボクセル毎に決定できるため、非剛体位置合わせが実施されたデータにおいて、途切れ（引き裂き）および不連続性の発生を防止することができる。さらに、本実施形態に係る医用画像処理装置によれば、セグメンテーションは単一のアトラスデータ（参照データ）に対して定義されるため、複数のアトラスデータを用いるセグメンテーションに比べて、メモリに係るコスト、処理時間等を低減させることができる。

上記の説明は、いくつかの実施形態のみに焦点を当てており、多くの変形形態が可能であることが理解されよう。

たとえば、上記の説明は、いくつかの点で、自動化されたセグメンテーションの対象に対して新規／検査医用画像データを参照データ（アトラス）と位置合わせするプロセスに焦点を当てたが、他の例によれば、位置合わせは、他の理由で、たとえばランドマークの配置を支援するために実行することもできる。

本実施形態は、撮像アプリケーション、たとえばボリュームレンダリングアプリケーションにおける構成要素として本明細書に記載した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。

この方法を実施する機械可読命令を有するコンピュータプログラム製品が開示される。

この方法を実施する機械可読命令がロードされ、これらの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。上記の方法を実施する機械可読命令を有するコンピュータプログラム製品の例には、図４の大容量記憶デバイスＨＤＤ３０、図４のＲＯＭ２６、図４のＲＡＭ２８および図５のシステムメモリ４６、ならびに図２のサーバ１３、１８がある。他の形態のコンピュータプログラム製品には、ＣＤまたはＤＶＤなどの回転ディスクベースの記憶デバイス、またはＵＳＢフラッシュメモリデバイスが含まれる。

上記の方法を実施する機械可読命令がロードされ、これらの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には、図４のコンピュータ、図５のコンピュータ、および個々の要素があり、たとえば、図２に示すコンピュータネットワークシステムの端末または集合的に複数の要素、たとえばサーバ１３、１８の１つと医用撮像デバイスを備える端末またはコンピュータの１つまたは複数とを組み合わせたものがある。

上記の方法を実施する機械可読命令を有するコンピュータプログラム製品の例には、図４の大容量記憶デバイスＨＤＤ３０、図４のＲＯＭ２６、図４のＲＡＭ２８および図５のシステムメモリ４６、ならびに図２のサーバ１３、１８がある。他の形態のコンピュータプログラム製品には、ＣＤまたはＤＶＤなどの回転ディスクベースの記憶デバイス、またはＵＳＢフラッシュメモリデバイスが含まれる。

この方法について、従来のＣＴスキャナによって収集されるＣＴ医用画像データを参照して主に説明したが、本明細書に記載の原理は、より一般的に、他の２Ｄおよび３Ｄデータセットに適用することができ、またいわゆる４Ｄデータ、すなわち時系列のボリュームデータにも適用することができる。たとえば、この方法は、医用分野で使用される、モダリティと呼ばれる他の撮像タイプに適用することができる。特に、本明細書に記載の方法は、ＭＲ画像とＰＥＴ画像とに適用することができ、ＣＴおよびＰＥＴなど、２つのモダリティから合成されたデータの画像に適用することもできる。

特定の実施形態について説明したが、これらの実施形態は、例示のみを目的として提示されるものであり、本実施形態の範囲を限定しようとするものではない。本実施形態に関連して上述した本実施形態の特徴および態様は、等しく適用することができ、本実施形態の他の実施形態の他の特徴および態様と適宜組み合わせることができることが理解されよう。本明細書に記載の新規な方法、コンピュータ、ならびにコンピュータプログラム製品およびデバイスは、様々な他の形態で実施することができ、さらに、本実施形態の精神から逸脱することなく、本明細書に記載の方法およびシステムの形態に様々な省略、置換え、および変更を加えることができる。添付の特許請求の範囲およびそれらの均等物は、本実施形態の範囲および精神の範囲内に入るそのような形態または修正を包含するものとする。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１…ネットワーク、２…主病院構成要素、４…遠隔の診断デバイス構成要素、５…患者、６…遠隔の単一ユーザ構成要素、７…開口、８…ＣＴスキャナ、１０…ＭＲＩイメージャ、１１…ＣＴスキャナ、１２…デジタルラジオグラフィ（ＤＲ：ｄｉｇｉｔａｌ ｒａｄｉｏｇｒａｐｈｙ）デバイス、１３…ファイルサーバ、１４…コンピュータラジオグラフィ（ＣＲ：ｃｏｍｐｕｔｅｄ ｒａｄｉｏｇｒａｐｈｙ）デバイス、１５…インターネットゲートウェイ、１６…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…ファイルサーバ、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…コンピュータシステム、２５…ローカルエリアネットワーク、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…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、４２ｂ…第２のバス接続、４２ｃ…第３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、５６…ＧＰＵメモリ、６０…加速グラフィックス処理インターフェース、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６６。

Claims (10)

1. 解剖図譜を示す一つの参照データと複数の訓練データ各々との剛体位置合わせにより発生され、複数の解剖学的標識点各々の位置の統計的分散を表す分散データと、前記参照データと、医用画像データとを記憶する記憶部と、
   前記参照データと前記医用画像データとの非剛体位置合わせと前記分散データとに基づいて、前記参照データにおける複数のボクセル各々の歪み量を拘束する拘束条件を決定する拘束条件決定部と、
   前記拘束条件を伴う前記非剛体位置合わせに基づいて、前記非剛体位置合わせに関する前記歪み量を示すワープフィールドを決定するワープフィールド決定部と、
   前記ワープフィールドを用いて、前記参照データにおける解剖学的領域を、前記医用画像データに配置する配置部と、
   を具備する医用画像処理装置。
2. 前記拘束条件決定部は、前記ワープフィールドを用いた前記医用画像データへの前記解剖学的領域の配置において、前記解剖学的領域の引き裂きおよび不連続性を防止する正則化拘束条件を、前記拘束条件として決定する請求項１に記載の医用画像処理装置。
3. 前記拘束条件決定部は、互いに隣接する前記歪み量における差を制限するために、前記正則化拘束条件を決定する請求項２に記載の医用画像処理装置。
4. 前記正則化拘束条件は、弾性流体拘束条件と、粘性流体拘束条件とのうち少なくとも一方を有する請求項２に記載の医用画像処理装置。
5. 前記参照データは、前記訓練データの組み合わせに基づいて生成される請求項１に記載の医用画像処理装置。
6. 前記記憶部は、前記参照データにおける前記解剖学的領域を示す参照領域情報をさらに記憶し、
   前記ワープフィールドと前記参照領域情報とに基づいて、前記医用画像データにおいて前記解剖学的領域を区分する領域区分情報を発生するセグメント情報発生部をさらに具備する請求項１に記載の医用画像処理装置。
7. 前記記憶部は、前記参照データにおける前記解剖学的標識点を示す参照標識点情報をさらに記憶し、
   前記ワープフィールドと前記参照標識点情報とに基づいて、前記医用画像データにおいて前記解剖学的標識点を区分する標識点区分情報を発生するセグメント情報発生部をさらに具備する請求項１に記載の医用画像処理装置。
8. 前記参照データと前記訓練データ各々との剛体位置合わせを実行する剛体位置合わせ部と、
   前記解剖学的標識点各々において、前記剛体位置合わせに基づいて、前記参照データにおける前記位置と、前記訓練データにおける前記位置との間の差異を決定する差異決定部と、
   前記差異に対する統計解析により、前記参照データにおける前記位置において、前記解剖学的標識点の前記統計的分散を示す前記分散データを発生する分散データ発生部と、
   をさらに具備する請求項１に記載の医用画像処理装置。
9. 前記分散データ発生部は、前記参照データにおける前記解剖学的標識点各々における前記統計的分散の値を用いて、前記参照データにおける前記位置の間の複数のボクセル各々における分散値を補間することにより、前記分散データを発生する請求項８に記載の医用画像処理装置。
10. コンピュータに、
    解剖図譜を示す一つの参照データと複数の訓練データ各々との剛体位置合わせにより発生され、複数の解剖学的標識点各々の位置の統計的分散を表す分散データと、前記参照データと、医用画像データとを記憶させ、
    前記参照データと前記医用画像データとの非剛体位置合わせと前記分散データとに基づいて、前記参照データにおける複数のボクセル各々の歪み量を拘束する拘束条件を決定させ、
    前記拘束条件を伴う前記非剛体位置合わせに基づいて、前記非剛体位置合わせに関する前記歪み量を示すワープフィールドを決定させ、
    前記ワープフィールドを用いて、前記参照データにおける解剖学的領域を、前記医用画像データに配置させること、
    を具備する医用画像処理プログラム。