JP6333583B2 - 解剖学的ランドマーク及び臨床的オントロジー(ontology)を用いて血管樹形図等を作成する医用画像処理装置及び方法 - Google Patents

解剖学的ランドマーク及び臨床的オントロジー(ontology)を用いて血管樹形図等を作成する医用画像処理装置及び方法 Download PDF

Info

Publication number
JP6333583B2
JP6333583B2 JP2014047706A JP2014047706A JP6333583B2 JP 6333583 B2 JP6333583 B2 JP 6333583B2 JP 2014047706 A JP2014047706 A JP 2014047706A JP 2014047706 A JP2014047706 A JP 2014047706A JP 6333583 B2 JP6333583 B2 JP 6333583B2
Authority
JP
Japan
Prior art keywords
landmarks
anatomical
information
image processing
landmark
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2014047706A
Other languages
English (en)
Other versions
JP2014171908A (ja
Inventor
プール イアン
プール イアン
ロバーツ コリン
ロバーツ コリン
ノーマン ポール
ノーマン ポール
オニール アリソン
オニール アリソン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2014171908A publication Critical patent/JP2014171908A/ja
Application granted granted Critical
Publication of JP6333583B2 publication Critical patent/JP6333583B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/68Analysis of geometric attributes of symmetry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/04Indexing scheme for image data processing or generation, in general involving 3D image data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30172Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

関連出願の相互参照
本出願は、2013年3月11日に提出され、参考として本願に組み入れられる米国出願シリアル番号 13/792,572の一部継続出願であり、米国特許法§120に基づき、優先権の利益を主張するものである。
ここで示される実施形態は、概して医用画像処理及び、専用的ではないが特に、三次元画像データセット(ボリュームデータ)中の血管樹形図の経路の自動決定及びラベリングに対する、方法及び装置に関する。
血管解析(分析)は、画像解析技術の一般的な臨床アプリケーションである。例えば、コンピュータ断層撮影(CT)又は磁気共鳴映像法(MRI)技術を利用して取得された血管構造の三次元画像データの解析のために、画像解析技術を使うことは、知られている。公知の技術に従えば、血管構造の異なる分枝(branches)の特定は、例えば、各分枝の先端を手動で特定するなど、手動(マニュアル操作)によって行うことが出来る。分枝の特定後、各分枝に対する定量的三次元情報を提供するための三次元画像データから、各分枝の経路を決定するためのアルゴリズムが実行される。血管構造の異なる分枝を手動でラベル付けすることも、公知である。
しかし、血管と異なる分枝の手動特定及びラベル付けは、操作者に多大な負担と、多くの時間を必要とする場合がある。特に、CTアンギオグラム(CTA)又は磁気共鳴アンギオグラム(MRA)の様な侵襲性診断手続(invasive diagnostic procedure)を実行する際に、或いは、例えば血管形成術を行う時又はステントを宛がう時などの、経皮介入(percutaneous intervention)を実行する際に要求されることがある、リアルタイム又は実質的にリアルタイムでの定量的空間情報の供給を、妨げる可能性がある。
血管構造及びその他分枝構造の検出、追跡、ラベル付けとセグメンテーションは、困難である。患者内の血管構造を自動的に特定するための公知の方法は、一般的に、他の患者内の血管構造に対応する三次元画像データと当該血管構造の三次元画像データとの比較、又は解剖学的アトラスからの基準となる三次元画像データセットに三次元画像データセットを登録することに、信頼を置くものである。血管構造をラベル付けする公知の方法の中には、例えば、血管構造のトポロジーの決定し、当該決定された血管構造のトポロジーと血管構造の典型的なトポロジーとを比較して、血管構造をラベル付けするものが存在する。
血管構造又は他の分枝構造の追跡は、例えば、離れた分枝ポイントから生ずる血管終着点など分枝構造の一部が分枝構造の根元からの末梢部である場合に、特に困難である。この様な分枝構造の末梢部は、より根元に近い分枝構造の主部分よりも大抵細いため、検出し追跡することが困難となるからである。
それにも関わらず、この様な従分枝(sub-branches)の追跡及び特定は、例えば、病理(pathology)に対する血管の検査(具体的には、アテローム性動脈硬化:atherosclerosis、狭窄、動脈瘤)、病理の測定(具体的には、狭窄の場合において血管の直径)、そして治療計画(具体的には、ステント挿入、カテーテル出入り(catheter access))等において、重要であると言える。
上記事情に鑑みて、目的は、従来に比して、三次元画像データセット中の血管樹形図の経路の自動決定及びラベリングを迅速且つ簡単に実行可能な医用画像処理装置及び方法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、対象に関するボリュームデータにおいて複数のランドマークを特定するランドマーク特定ユニットと、前記複数のランドマークから、解剖学的描写情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択するランドマーク選択ユニットと、前記選択された対のランドマークに基づいて、前記ボリュームデータにおける前記対象に関するセグメントの空間的な配置を決定する空間解析ユニットと、を具備し、前記解剖学的描写情報は、複数の解剖学的ランドマークに関する情報と、前記解剖学的ランドマークの関連性に関する情報と、を少なくとも含む臨床的オントロジーを有し、前記ランドマーク選択ユニットは、前記解剖学的ランドマークの関連性に関する情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択する
実施形態は、例にのみ制限されない方法で説明され、以下の図に例示される。
図1は、本実施形態に係る医用画像処理装置のブロック構成図である。 図2は、図1の画像処理システムの作動モードでの処理の流れを示したフローチャートである。 図3は、図1の画像処理システムの作業モードに従う血管ランドマークの検出を概略的に示した図である。 図4(a)及び図4(b)は、図1の画像処理システムの作業モードに従う、CT画像の血管ランドマークの検出を例示している。 図5は、臨床的オントロジーを用いて導出された血管ランドマークにリンクする経路の樹形図を例示している。 図6は、図1の画像処理システムの作業モードに従う、大動脈腸骨分岐点(aorta-iliac bifurcation)と左内側、外側の腸骨分岐点との間の管セグメントの追跡を例示している。 図7は、図1の画像処理システムの作業モードに従い表示された、頸動脈血管を含む血管樹形図の正中線を例示している。 図8は、図1の画像処理システムの更なる作業モードの処理の流れを示したフローチャートである。 図9は、複数のランドマークが特定された頸動脈樹形構造を例示している。 図10は、二つの単一のランドマークのいずれかから種が蒔かれ(seed)、臨床的オントロジーから決定された構造の予測された特質に依存して実行された、冠状動脈構造を追跡する追跡器(tracker)の結果の図である。 図11は、心臓及び冠状動脈の概要図である。 図12は、患者の脈管構造の血管樹形構造のスキャンの結果を表すものである。
特定の実施形態は、格納された解剖学的描写に従って分枝構造の一部に対応するランドマークを特定するための医用画像データセットを処理するよう構成されたランドマーク特定ユニットと、少なくとも分枝構造の一部の空間的配置を決定するための画像データセットを処理するよう構成された空間解析ユニットとを具備する、医用画像処理装置を提供する。少なくとも分枝構造の一部は、ランドマークから末梢部であっても良く、又、空間配置を決定するための画像データセットを処理することは、格納された解剖学的描写からデータに依存して行われても良い。ランドマークから末梢にある分枝構造の一部は、分枝構造の根元から離れた方向のランドマークから末梢である分枝構造の一部になるとして理解され得る。
特定の実施形態は、格納された解剖学的描写に従って分枝構造の一部に対応するランドマークを特定するための医用画像データセットの処理と、少なくとも分枝構造部の空間的配置を決定するための画像データセットの処理を具備する、医用画像処理方法も提供する。
実施形態に係る医用画像処理システム1は、図1に概略的に描かれており、上記に説明される様な方法を実行するよう構成された処理装置2を具備する。図1に示された実施形態において、処理装置2は、パーソナルコンピュータ(PC)又はワークステーションを具備しても良い。処理システム1は、更に以下を具備する。表示デバイス4、CTスキャナ6、そしてユーザー入力デバイス6又は8で、この場合はコンピュータキーボードとマウスである。システム1は、データ格納部9も含む。
患者又はその他の被検体に三次元CT測定を行うことが可能な、適したタイプの如何なるCTスキャナが使われても良く、具体的には東芝メディカルシステムズ株式会社により製造されたスキャナのアキロン(RTM)シリーズのうちの一つである。図1の実施形態はCTスキャンデータに関連して説明されているが、適したタイプの如何なる画像データを生み出す、その他適したタイプの如何なるスキャナも、代替的な実施形態において使われても良く、具体的には、適した形式のMRデータである。
処理装置2は、処理画像データに対して自動的又は半自動的に処理源を提供し、ロードすることと、様々なソフトウェアユニット又は、その他ソフトウェア構成要素を操作することが出来る、中央処理ユニット(CPU)10を具備する。その他ソフトウェア構成要素は、図2を参考に以下で詳細に説明される様な方法を行うよう構成されている。
ソフトウェアユニットは、この場合は血管ランドマークだが、分枝構造中の複数のランドマークを検出するためのランドマーク特定ユニット12を含む。ランドマーク選択ユニット13は一つ又は、それ以上のランドマークの選択のために、各対は分枝構造の異なるセグメントに関連付けられており、ラベル特定ユニット14はセグメントに対するラベルの特定のためであり、そして空間的解析ユニット16は、各セグメントの経路又は正中線の様な、定量的空間的配置を決定するためである。ソフトウェアユニットは、表示デバイス4上のセグメント又は、セグメントのラベルの定量的空間的配置の表示に対する信号を生成するために、グラフィックスユニット18も含む。
処理装置2は、ハードドライブと、RAM、ROM、データバスを含むPCのその他構成要素、様々なデバイスドライバーを含むオペレーティングシステム、グラフィックスカードを含むハードウェアデバイスを含める。この様な構成要素は、図1には簡潔にするために示されていない。その他適した如何なる処理装置が、代替的な実施形態において使われても良い。
図1の実施形態において、三次元画像データセット7は、スキャナ6によるスキャンの取得に次いで、CTスキャナ6から処理装置2によって受信されて、データ格納部9に格納されて、処理装置2によって処理される。
図1の実施形態の変体において、処理装置2は、遠隔データ格納(表されていない)から三次元画像データセットを受信する。遠隔データ格納は、具体的には、写真アーカイビング及びコミュニケーションシステム(Picture Archiving and Communication System、PACS)のデータ格納成形部などの、関連した患者データ付きの延長された期間の時間を超えて、多くの異なるスキャナから得られた大量の異なるデータセットを格納する。
図1のシステムは、図2のフローチャート中に概略を例示した様な、各処理を実行するシーケンスを有する医用画像処理の方法を実行するものである。
第一ステップ20において、処理装置2は、データ格納部9から三次元画像データセット7を受信する。その他の作業モードにおいては、処理装置2は、CTスキャナ6から三次元画像データセットを直接受信しても良い。本実施形態にて示す例では、三次元画像データセットは、CTアンギオグラム(CTA)処理の間にCTスキャナ6によって取得される。他の実施形態では、三次元画像データセットは、他のタイプのCT診断処理の間に、CTスキャナによって取得されるようにしても良い。三次元画像データセットは、例えばMRIスキャナなど他のスキャナのタイプによって、アンギオグラム処理の間など診断又は他のイメージング処理の間に、取得されるようにしても良い。
次ステップの処理22で、ランドマーク特定ユニット12は、三次元画像データセット7において、血管樹形図の分枝ポイントに代表されるランドマークを、自動的に検出する。本実施形態に示す例では、ランドマーク特定ユニット12は、各ランドマークを自動的に検出するための公知の処理を利用することができる。例えば、機械学習処理(machine learning processes)はランドマークの特定によく用いられるが、他適した如何なる処理方法も利用することが可能である。血管ランドマークを自動的に検出するための公知の機械学習処理については、例えば、クリミニシ・A・J・ショットンとS・ブシャレッリ、2009年MICCA 2009,『CTボリュームにおける臓器位置測定のための長距離空間的コンテクスト付き決定森林』(“Decision Forests with Long-Range Spatial Context for Organ Localization in CT Volumes” in MICCA 2009, 2009)に詳しい。解剖学的アトラスへの画像データセット7のレジストレーションに代表される、血管ランドマークの検出に適した種々の方法は、代替的な手法を用いることが可能である。ランドマーク特定ユニット12によってユーザーインターフェイス経由のユーザー入力に基づいたランドマークを特定しつつ、例えば、表示された画像上のランドマーク位置のユーザーによる特定など、ランドマークをマニュアル操作で特定することもできる。
図3は、人間の患者の腹部領域における、様々な血管ランドマークを示した図である。同図において、血管ランドマークは、図3に十字形で示されており、追跡された血管正中線は、破線で示されている。
図4(a)と図4(b)は、図1の画像処理システム1の動作モードに従って、血管ランドマークの検出を描出するCT画像をそれぞれ表している。図4(a)と図4(b)のそれぞれの場合において、ランドマーク特定ユニット12は、過去に取得された少なくとも一つのCT画像(historical CT images)と対象となるCT画像とを比較することで、正しい内部腸骨動脈の発端領域(origin)を検出している。
次ステップの処理24で、処理装置2は、管セグメントに対するラベル付けを行うために、解剖学的描写情報を受信する。この解剖学的描写情報は、血管ランドマークを管セグメントに関連付け、且つ管セグメントについての複数のラベルに管セグメントを関連付けるものである。本実施形態では、解剖学的描写情報は、図1に示したデータ格納部9に格納される。他の実施形態として、解剖学的描写情報は、遠隔データ格納(表されていない)に格納されるようにしても良い。
図1の実施形態では、解剖学的描写情報は、非画像データを使って解剖学的関係を定義し、「解剖学における基礎モデル」(Foundation Model of Anatomy、FMA)の臨床的オントロジーを具備する。他の実施形態として、解剖学的描写は、SNOMEDの臨床的オントロジー、又はRadLex臨床的オントロジー、又はFMA、SNOMED、そしてRadLexの臨床的オントロジー等の任意の組み合わせであっても良い。この様な臨床的オントロジーは、標準化された(standardised)解剖学的用語と管理されたボキャブラリに基づくものとなっている。この様な臨床的オントロジーは、血管ランドマークについての血管トポロジー及び管セグメントラベルの様に、関連性のある非イメージング情報を結び付ける。
解剖学的描写情報は、ランドマークと同等のオントロジー用語との間の結びつきを含むことができる。例えば、オントロジーには、「一部の」(part of)、「支流の」(tributary)、「連続的な」(continuous with)などの、異なるオントロジー用語によって表される異なる節(結節、nodes)を関連付ける、接続性の関係も含めることができる。すなわち、臨床的オントロジーは、複数の解剖学的ランドマークに関する情報と、解剖学的ランドマークの関連性に関する情報(すなわち、オントロジーでの階層構造)と、を少なくとも含むものである。臨床的オントロジーは、関係する概念同士を関連付けて構造化して管理することができる。例えば、医学用語間の関係を階層構造として定義した用語集を医用画像上の解剖学的な情報と関連つけることにより、部位の同定効率の向上、アプリケーション内のワークフローの改善、電子カルテ等とのリンク等を行うことができる。
図5は、提供される樹形図描写を例示している。この樹形図描写は、接続性の関係を有するランドマークに結び付けられた用語と関連するオントロジーを介した経路を示している。
臨床的オントロジーを、分枝構造の少なくとも一つの予測される特性を表すデータに結び付けること((例えば、同じタイプの分枝構造の少なくとも一つの基準となる値を分枝構造として結びつけることなど。)ができるのは、本実施形態の特徴の一つである。データは独立したデータベース中、又は、同じデータベース中の独立したエントリー(entries)に、臨床的オントロジーとして格納されていてもよい。
臨床的オントロジーと血管構造の予測される特性を示す少なくとも一つのデータとを結びつけることは、本実施形態の特徴の一つである。ここで、血管構造の予測される特性を示すデータとは、例えば分枝構造として同タイプの分枝構造の特性を示す少なくとも一つの典型的な値等である。当該データは、臨床的オントロジーとして、一つのデータベースの中に、或いは同一のデータベースの中で分離された入力(entry)として、格納されていてもよい。また、予測される特性を表現するデータについての臨床的オントロジーとの結びつきは、上記データベース又は上記複数のデータベース(database or databases)との入力の結びつきを含むものであってもよい。上記データは、例えば、少なくとも血管の直径、分枝の数、ねじれ、オリエンテーション、程度(extent)のうちの少なくとも一つを表しても良い。また、上記データは、例えば、同一の又は同一のタイプの分枝構造に関する過去の測定に基づいて、決定されても良い。上記データは、患者の又は他の被検体の、過去の測定の平均(mean)、中央値(median)を含むようにしても良い。上記データは、相互参照又は関連付けが可能であり、患者データ、例えば特定の同一年齢の集団、性別又は特定の状況を患っている患者に対する、分枝構造又は分枝構造の一部の、媒介変数の予測された又は基準となる値を表すデータ等の選択を可能にするものである。
ステップ24において、ランドマーク選択ユニット13は、FMA中の管セグメントを描写する、対のランドマークを選択する。例えば、各対のランドマークは、FMA中の管セグメントの末梢を表しても良い。
次のステップ26で、空間的解析ユニット16は、三次元画像データセット7からの管セグメントの空間的配置を決定するために、血管追跡アルゴリズムを走らせ、その決定中に補助するために、FMA又はその他の解剖学的描写情報を使っても良い。図1の実施形態では、追跡アルゴリズムにより、図6に描かれている様に、管セグメントの経路又は正中線が定量的に決定される。特定の開始及び終了ポイントが与えられた対比スタディ(contrasted study)中の血管正中線の追跡は、十分に検討された(well constrained)問題であり、発達した(mature)解決策が存在する。例えば、US 7,379,062で説明される様な、血管追跡に適した如何なるアルゴリズムを用いることができる。当該アルゴリズムは、改良されたダイクストラ最小限コスト経路アルゴリズム(modified Dijkstra minimum cost path algorithm)に基づき、ボクセルとしての三次元ベッセルメトリックス(Voxar 3D VesselMetrix)において提供されるものである。
ステップ28で、グラフィックスユニット18は、表示デバイス4を制御し、管セグメントの決定された空間的配置と管セグメントのラベルを表す画像を表示する。当該画像は、管セグメントに対応する三次元画像データセット7の少なくとも一部と共に表示することができる。従って、グラフィックスユニット18は、管セグメントの空間的配置と表示デバイス上4の管セグメントのラベルと、三次元画像データセット7の少なくとも一部との同時観察を可能にする。
ステップ30において、処理装置2は、三次元画像データセット7において、これ以上の管セグメントを探すかどうかを決定する。当該決定は、格納された解剖学的描写を参考にして実行することができる。例えば、既に特定された管セグメントに対し更なるセグメントを介して結び付けられていると予測される決定に基づいて、或いは、位置或いは存在が期待される分岐構造の位置をユーザが入力することによって、更なる管セグメントを探索するか否かを決定する。仮に、適した更なる管セグメントが、格納された解剖学的描写情報において特定された場合には、処理装置2は、例えば、更なる管セグメントが見つからなくなるまで、又は特定の樹形図構造の末端に到達するまで、ステップ24、26、28を繰り返し実行する。
以上、血管正中線の決定の場合と示したが、決定された空間的配置は、例えば、表示への入力又はセグメンテーションステップなど、如何なる所望の目的に対して、ステップ32において用いることができる。ステップ32で示された例では、グラフィックスユニット18は、血管樹形図の各管セグメントと、対応する表示デバイス4上のセグメントラベルに対する正中線とを表示するための信号を生成する。代替的な作業モードでは、決定された血管正中線は、全体の血管を決定するセグメンテーションアルゴリズムへの入力として使用される。また、例えば、単なる正中線だけでなく、血管内腔(vessel lumen)に含まれると考えられる各ボクセルも利用することができる。他の実施形態では、決定された空間的配置は、その他の適応した如何なるステップへの入力として用いることも可能である。
図7は、頸動脈血管を表す血管樹形図の正中線の結果の例を描いている。グラフィックスユニット18は、図7には示していないが、必要であれば、表示デバイス4上に三次元画像データセット7の対応する部分を表示するための信号を生成しても良い。
図1の実施形態、又はその実施形態の変形例によって実行することができるランドマーク特定と血管追跡ステップについて、図8を参考にしながら説明する。上記で説明された図2のステップにおいて、対のランドマークは特定され、血管追跡は特定されたランドマークの対の間で行われる。対照的に、単一のランドマークに基づいて追跡ステップが行われる可能性があることは、図8のステップの特徴である。例えば、ランドマークは、格納された解剖学的描写情報に従って、分枝構造を通して少なくとも一経路に対する分枝構造の根元から最も末梢に位置することになる。
図8に示した各処理の第一ステップ40で、処理装置2は、データ格納部9からの三次元画像データセット7、又は、CTスキャナ6から直接受信する。他の実施形態として、CTスキャナ6に拘泥されず、他のタイプのスキャナから受信するようにしてもよい。
次ステップ42で、ランドマーク特定ユニット12は、図2のステップ22に関連して既に説明した様に、適合するあらゆる技術を用いて、三次元画像データセット7の血管樹形図の分枝ポイントの様なランドマークを、自動的に検出する。
次のステップ44の処理において、ランドマーク選択ユニット13は、解剖学的描写情報を受信し(具体的には、図3のステップ24に関連して、上記で述べた様な臨床的オントロジー又は解剖学的描写情報)、格納された解剖学的描写情報に基づいて、ステップ42で特定される少なくとも一つのランドマークの中から、あるランドマークを選択する。本実施形態においては、当該ランドマークは、格納された解剖学的描写情報に従って、分枝構造を通して少なくとも一経路に対する分枝構造(今の場合、血管樹形図)の根元から最も末梢にあるランドマークであるものが選択される。この例で選択されたランドマークは、最も末梢にあり利用可能な血管ランドマークである。
例えば、ある特定の血管樹形図、又は他の分枝構造の最も末梢で特定されたランドマークを特定するとは簡単であり、例えば臨床的オントロジーの様な解剖学的表現の特徴であると言える。なぜなら、解剖学的描写情報は、例えば特定のランドマークに関連する(特定のランドマークに繋がる或いは特定のランドマークから繋がる)血管或いは他の構造の様な、異なるランドマーク間の関係を表すデータ、或いは、特定の複数のランドマークが血管や他の構造物と繋がっているか否か、どのように繋がっているかを表すデータ等、を含むことができるからである。
次ステップ46で、種が蒔かれた(seeded)血管樹形図追跡処理は、特定された末梢のランドマークに関連する情報と共に、血管樹形図追跡アルゴリズムを実行させる空間的解析ユニット16によって行われる。本実施形態における血管樹形図追跡アルゴリズムは、血管樹形図又はその他の分枝構造の根元から離れる方向における血管の経路、正中線、その他の構造を決定する。
血管樹形図追跡アルゴリズムには、特に限定はない。例えば、図2のステップ26に関連して既に説明した様に、改良されたダイクストラ最小限コスト経路アルゴリズム(modified Dijkstra minimum cost path algorithm)に基づくボクセル的な三次元ベッセルメトリックス(Voxar 3D VesselMetrix)等を用いることができる(US7,379,962等参照)。或いは、使用可能で好適な他の血管樹形図追跡アルゴリズムとして、例えば、輝度或いは強度(intensity)が最大になる方向を追跡するアルゴリズム(クリーディ追跡とも呼ばれる)、領域形成(region-growing)アルゴリズム等を採用することも可能である。さらに、例えば、最小費用経路(minimum-cost path)アルゴリズム、レベルセット法、粒子フィルタに基づくアルゴリズム等も採用可能である。
図8に示す実施形態においての特徴的な点は、追跡アルゴリズムが、例えば、ランドマークと関連付けられる血管構造又は他の分枝構造の基準値を表すデータなど、格納された解剖学的描写情報からのデータに依存して行われることである。すなわち、追跡アルゴリズムは、予測される血管樹形図の直径、分枝の数、程度(extent)、ねじれ、オリエンテーション、樹形図の大きさ等、典型的な或いは予測される血管特性について以前に得られた知識(prior knowledge)を利用するものであってもよい。
臨床的オントロジーからの情報又は他の解剖学的描写情報を使って血管樹形図追跡アルゴリズムを通知することで、血管樹形図をより正確に決定することができ、血管樹形図追跡処理を迅速且つ効果的に実行することができ、樹形図上の単一のポイントのみが起点として使われることがあったとしても、血管追跡アルゴリズムを、好適に実現することができる。
図9は、頸動脈樹形図構造のスキャンを例示したものであり、当該スキャンにおいて、複数のランドマーク(図中では、濃い点50に対応)が特定された場合の例を示している図である。当該例において、5つのランドマーク52a、52b、52c、52d、52eのそれぞれについて追跡アルゴリズム(この場合では、領域増大アルゴリズム)が実行される。その結果、上記スキャンと並行して、図9において実線で示した(結果として生じる)血管正中線、臨床的オントロジーから得られた情報が、提示されることになる。
図10は、2つの単一ランドマークのうちのどちらか(同図の例では、右側冠状動脈或いは左側冠状動脈の始点)から種を蒔かれ、臨床的オントロジーから決定された構造の期待される特性に依存して行われた冠状動脈構造を、グリーディー追跡によって追跡し、その結果得られる出力を示した図である。
選択されたランドマークは、分枝構造を通して少なくとも一つの経路に対する分枝構造の根元から最も末梢に存在するランドマークであり得るという点は、既に述べた通りである。それにも関わらず、ランドマークは分枝構造の根元又はその近くである場合がある。例えば、スキャンデータから単一のランドマークのみが特定された場合、又は、臨床的オントロジー又は他の解剖学的描写情報が、ある特定の分枝構造に対して単一のランドマークのみを含む場合等である。
血管樹形図の根元で種が蒔かれる点が与えられるような、拘束条件のあるケースにおいての血管追跡は、困難である可能性がある。なぜなら、樹形図の大きさ、分枝の密度、血管のねじれや血管の基準となる直径といった特性において、血管樹形図の間で通常はかなりの差異が存在するからである。図8に示した処理での特性の一つは、選択されたランドマークが根元又は根元付近に存在する場合であっても、分枝構造の空間的配置又は、分枝構造の一部の決定に使用することが可能な点である。追跡アルゴリズムは、具体的には、少なくとも一つの血管の直径、分枝の数、ねじれ、オリエンテーション、程度(extent)などの予測された又は基準となる特性に関する情報を含む臨床的オントロジーからの情報、又は他の解剖学的描写情報によって、再び実行される。また、他の実施形態として、これらの必要な情報は、解剖学的描写情報、又は患者の少なくとも一つの特性に基づいた他の臨床的オントロジーから選択するようにしてもよい。例えば、解剖学的描写情報、又は患者の年齢或いは性別に基づく情報、特定の状況を患っている患者であるかどうか等の情報を、他の臨床的オントロジーからの情報より選択するようにしてもよい。
図11は、右側の冠状動脈の根元にある一方のランドマーク60と、左側の冠状動脈の根元にある他方のランドマーク62との2つのランドマークと、心臓及び冠状動脈の概略を示した図である。この例では、図8の処理は、右側の冠状静脈の空間的配置、及び右側の冠状静脈の従分枝(sub-branches)を決定するために用いられる。ここで、従分枝とは、臨床的オントロジーからの情報又は他の解剖学的描写情報によって通知された、ランドマーク60からの血管追跡を基準とするものである。同様に、図8の処理は、左側の冠状静脈の空間的配置、及び冠状静脈の従分枝(sub-branches)を決定するために用いられる。従分枝とは、臨床的オントロジーからの情報又は他の解剖学的描写情報によって通知された、ランドマーク62からの血管追跡を基準とするものである。
図12は、他の実施形態を示した図である。当該例は、末梢にあるランドマークの開始点から、図8に示した処理を用いて、血管樹形図構造を追跡可能とするものである。当該例では、血管樹形図構造は、肝臓の脈管構造を具備し、さらに、上腸間膜動脈(the superior mesenteric artery, SMA)、左側肝臓動脈(the left hepatic artery, the LHA)、右側肝臓動脈(the right hepatic artery, the LHA)、腹腔動脈(coeliac artery, CA)を含むものとなっている。肝臓の脈管構造の末梢部分追跡は、例えば、肝臓TACE(トランスカテーテル動脈化学療法塞栓形成、Transcatheter Arterialc Chemo Embolisation)など、有用である可能性がある。
以上、血管構造の管セグメントの空間的配置の決定について説明した。当該例に拘泥されず、他の実施形態として、代替的な分枝構造の他のタイプのセグメントの空間的配置を決定することも可能である。その場合のランドマークは、上記代替的な分枝構造に関連づけられるランドマークとすることが好ましい。代替的な分枝構造としては、例えば、リンパシステム構造、気道構造、神経構造、又は分枝構造のその他適した如何なるタイプ分枝構造であってもよい。
セグメントのラベル及び正中線は、セグメントのラベルと正中線の間の結びつきを保存するために、データ格納部9及び遠隔データ格納(図示せず)に格納されても良い。加えて、各セグメントに対応する三次元画像データセットの少なくとも一部分は、ラベル、正中線とセグメントの三次元画像データとの間の結びつきを保存するために、データ格納部9及び遠隔データ格納(図示せず)に格納されても良い。これらの情報を格納することにより、格納されたラベルと正中線とを検索することができ、また任意で、特定のセグメントのラベルを含む捜索要求に応じて、対応する三次元画像データを検索できるようにしても良い。この様にして、処理装置2は、狭窄や動脈瘤の様な解剖学的構造と病理の可視化を支援し、迅速にデータ照会される(interrogated)、データベースを作成するようにしても良い。処理装置2は、脈管構造又は他の構造を可視化する医用画像モダリティに対し、解剖学の広い範囲に亘ってラベル付けされた樹形図を提供しても良い。これにより、医用画像診断の精度及び影響をより向上させることができる。
他の実施形態として、空間的配置は、各管セグメントの大きさ、形、位置、オリエンテーション、断面図、視野計、セグメントされた領域(domain)、ボクセルセット、次元(dimension)、直径のうちの少なくとも一つを含むようにしても良い。
処理装置2は、定量化され、個々の管セグメントに割り当てられた狭窄或いは動脈瘤を対象とすることも可能である。自動ねじれ測定の様なさらに高度な測定は、自動的に特定された管セグメント上で実行される可能性がある。処理装置2は、例えばステントのデザインやステントを配置する計画、他の経皮処置の計画や実行に用いられる血管コンピュータ援助病理検出器(vascular Computer Aided Detection of pathology、CAD)にも、適用可能である。
他の実施形態として、解剖学的描写情報は、典型的な(基準となる)分枝構造の特性を定義しても良く、空間的解析ユニット16は、典型的な分枝構造の上記特性を用いることで、三次元画像データセットからのセグメントの空間的配置の決定を補助するようにしても良い。特に、解剖学的描写情報は、典型的な分枝構造に関連する定量的データ、典型的な構造直径等を含んでも良い。ステップ26において、空間的解析ユニット16によって実行される追跡アルゴリズムは、追跡ステップを改善し実行するために、典型的な分枝構造の上記の特性を利用するようにしても良い。
さらに、処理装置2は臨床的オントロジーの利用に依存している。このため、処理装置2は、標準解剖学的用語を用いた、セグメントとセグメントラベルの定量的空間的配置を格納するデータベースを生成するようにしても良い。この様なデータベースは、データ採掘(data mining)及び統計的解析を、医用スタディ(medical studies)或いは医用調査をサポートする定量的データの膨大なボリューム上において実現させるようにしてもよい。
以上述べた各実施形態においては、脈管構造又は他の構造を可視化する医用画像モダリティに対し、解剖学の広い範囲に亘ってラベル付けされた樹形図を提供しても良い。これにより、医用画像診断の精度及び影響をより向上させることができる。
他の実施形態として、三次元医用データセット中の血管の従樹形図(sub-tree)の自動的な位置決めやラベル付けを行うようにしても良い。当該構成では、臓器又は関心の解剖学的領域に関する、鍵となる血管ランドマークの検出と、血管ランドマークを血管名(vessel names)に関連付けるグラフの作成と、血管樹形図、樹形図根元の特定の(given)種が蒔かれる点の追跡等が実行されることになる。追跡ステップは、追跡されている従樹形図の公知の解剖学的な前後関係(anatomical context)によって実行されるようにしてもよい。解剖学的な前後関係とは、例えば、基準となる血管の直径、分枝ポイントの数、最大程度(maximum extent)等である。これらの方法は、血管解析の目的のために、血管観察の表示の目的のために、CTA又はMRAデータセットに適用されても良い。
実施形態の方法を行うために実行可能な、コンピュータが読み取れる指示を有するコンピュータプログラムの方法によって、特定の機能性を発揮しても良い一方で、その分野の通常のスキルを有する人によって、十分理解されるであろう。そのコンピュータプログラムとは、ハードウェア(具体的には、CPU又は一つかそれ以上のASICs(アプリケーション特定統合回路、application specific integrated circuits))、FPGAs(分野プログラマブルゲート配列、field programmable gate arrays)GPUs(グラフィック処理ユニット、graphic processing units)又は、ハードウェアとソフトウェアの組み合わせによって、機能的に実行される可能性がある。
ここで説明されてきた特定のユニットの一方で、代替的な実施形態では、一つかそれ以上のそれらのユニットの機能性は、単一のユニット、処理源又はその他の構成要素によって提供される可能性があり、又は、単一のユニットによって提供された機能性は、二つかそれ以上のユニット又はその他の構成要素の組み合わせによって、提供される可能性がある。単一のユニットに関して、あのユニットの機能性を提供する複数の構成要素を含み、その様な構成要素が互いに離れているかどうかではない。又、多様な構成要素に関して、あれらのユニットの機能性を提供する単一の構成要素を含む。具体的には、実施形態の中には、請求された発明の範囲内において、ランドマーク特定ユニットとランドマーク選択ユニットは、単一のユニット、処理源又はその他の構成要素として提供されても良い。
以上述べた本実施形態によれば、例えば血管追跡とラベリングを行う場合において、ランドマークの集合とランドマーク間の関係性(すなわち、オントロジーでの階層構造)を予備知識として使い、与えられたボリュームデータからランドマークを抽出し、二つランドマークを取り出して解剖情報とオントロジーからの情報を対応させながら、その間をトラッキングする。また、これらの動作を繰り返すことで、オントロジーでの階層構造に従って全体の解剖学的な構造を作り上げることができる。従来においても、血管のラベリングについては解剖学的情報をもとに一部自動化がされていた。しかしながら、多くの場合、ユーザがマニュアル操作によって所望の対象を選択しなければならなかった。本実施形態によれば、広範囲に階層化されている豊富な医学用語集上の単語とリンクして、セグメンテーション結果のラベリングを自動化することができる。また、臨床的オントロジーとして使用する用語集は、IHE(医療情報システムの標準化のための一種のフレームワーク)で標準化されつつあるので、検出しラベリングした結果を電子カルテ等でリンクさせて使用することができる。
なお、上記実施形態において、樹形図とは、ランドマークの連結関係を表した図と捉えることもできる。
特定の実施形態説明はされてきた一方で、これらの実施形態は、実例の方法によってのみ表されてきており、本願発明の範囲を限定することを意図としているものではない。実際に、ここで説明された新たな方法とシステムが、その他の様々な形式で実施されても良い。更には、ここで説明された方法とシステムの形式において、様々な省略、置換、そして変更が、本願発明の真意から乖離することなく行われても良い。それに付随する請求項及びそれら相当物は、本願発明の範囲内において、その様な形式や修正を含むことを意図としている。
1…医用画像処理システム、2…処理装置、4…表示デバイス、6…CTスキャナ、8…ユーザ入力デバイス、9…データ格納部、10…中央処理ユニット(CPU)、12…ランドマーク特定ユニット、13…ランドマーク選択ユニット、14…ラベル特定ユニット、16…空間的解析ユニット、18…グラフィックスユニット。

Claims (11)

  1. 対象に関するボリュームデータにおいて複数のランドマークを特定するランドマーク特定ユニットと、
    前記複数のランドマークから、解剖学的描写情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択するランドマーク選択ユニットと、
    前記選択された対のランドマークに基づいて、前記ボリュームデータにおける前記対象に関するセグメントの空間的な配置を決定する空間解析ユニットと、
    を具備し、
    前記解剖学的描写情報は、複数の解剖学的ランドマークに関する情報と、前記解剖学的ランドマークの関連性に関する情報と、を少なくとも含む臨床的オントロジーを有し、
    前記ランドマーク選択ユニットは、前記解剖学的ランドマークの関連性に関する情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択する
    医用画像処理装置。
  2. 前記空間的な配置が決定されたセグメントについてのラベルを特定するラベル特定ユニットを更に具備する請求項1記載の医用画像処理装置。
  3. 前記対象は、血管構造、リンパシステム構造、気道構造、神経構造のうちの少なくとも一つを具備する請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  4. 前記空間解析ユニットは、前記解剖学的描写情報に基づいて、前記対象の構造に対応する経路を追跡する請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  5. 前記解剖学的描写情報は、前記セグメントの基準となる直径、分枝の数、ねじれ、オリエンテーション、程度のうちの少なくともいずれかを含む請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  6. 前記解剖学的描写情報は、「解剖学における基礎モデル」(Foundation Model of Anatomy)(FMA)、SNOMED、RadLexのうち、少なくとも一つを含む請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  7. 前記解剖学的描写情報は、前記対象の分枝構造の特性を定義する情報、前記対象の分枝構造と定量的データとを関連付ける情報、前記対象の構造直径のうち、少なくとも一つを含む請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  8. 前記セグメントの前記空間的な配置は、前記セグメントの経路、正中線、大きさ、形、位置、オリエンテーション、断面図、視野計、次元、直径のうちの少なくとも一つを含む請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  9. 前記セグメントのラベルと、前記セグメントの前記空間的配置と、前記セグメントを含む前記ボリュームデータとを、の関連を示す情報を記憶する記憶ユニットをさらに具備する請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  10. 前記セグメントの前記空間的配置と、前記セグメントのラベルとを示す情報を含む画像を生成し表示するグラフィックユニットをさらに具備する請求項1乃至のうちいずれか一項記載の医用画像処理装置。
  11. 対象に関するボリュームデータにおいて複数のランドマークを特定し、
    前記複数のランドマークから、解剖学的描写情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択し、
    前記選択された対のランドマークに基づいて、前記ボリュームデータにおける前記対象に関するセグメントの空間的な配置を決定すること、
    を具備し、
    前記解剖学的描写情報は、複数の解剖学的ランドマークに関する情報と、前記解剖学的ランドマークの関連性に関する情報と、を少なくとも含む臨床的オントロジーを有し、
    前記ランドマークを選択することは、前記解剖学的ランドマークの関連性に関する情報に従って前記対象の分枝構造のセグメントに対応する対のランドマークを選択する
    医用画像処理方法。
JP2014047706A 2013-03-11 2014-03-11 解剖学的ランドマーク及び臨床的オントロジー(ontology)を用いて血管樹形図等を作成する医用画像処理装置及び方法 Active JP6333583B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201313792572A 2013-03-11 2013-03-11
US13/792,572 2013-03-11
US13/963,346 US9189866B2 (en) 2013-03-11 2013-08-09 Vascular tree from anatomical landmarks and a clinical ontology
US13/963,346 2013-08-09

Publications (2)

Publication Number Publication Date
JP2014171908A JP2014171908A (ja) 2014-09-22
JP6333583B2 true JP6333583B2 (ja) 2018-05-30

Family

ID=51487897

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014047706A Active JP6333583B2 (ja) 2013-03-11 2014-03-11 解剖学的ランドマーク及び臨床的オントロジー(ontology)を用いて血管樹形図等を作成する医用画像処理装置及び方法

Country Status (3)

Country Link
US (1) US9189866B2 (ja)
JP (1) JP6333583B2 (ja)
CN (1) CN104042232B (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110182493A1 (en) * 2010-01-25 2011-07-28 Martin Huber Method and a system for image annotation
CN105167849B (zh) * 2015-05-19 2017-07-25 上海大学 一种基于蚁群算法的血管三维路径规划方法
JP6780936B2 (ja) * 2016-01-13 2020-11-04 ザイオソフト株式会社 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム
US10806516B2 (en) * 2016-06-20 2020-10-20 General Electric Company Virtual 4D stent implantation path assessment
WO2018002333A1 (en) 2016-06-30 2018-01-04 Koninklijke Philips N.V. Information retrieval apparatus
JP2019524200A (ja) 2016-06-30 2019-09-05 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. カテーテルタイプの選択
US10813699B2 (en) 2017-06-14 2020-10-27 Canon Medical Systems Corporation Medical image-processing apparatus, medical diagnostic-imaging apparatus, and medical image-processing method
JP7298949B2 (ja) * 2017-06-22 2023-06-27 株式会社根本杏林堂 医用画像処理装置、医用画像処理システムおよび医用画像処理方法
WO2020054019A1 (ja) * 2018-09-13 2020-03-19 株式会社Pfu 画像処理装置、画像処理方法、及びプログラム
DE102019214212B3 (de) * 2019-09-18 2021-03-11 Siemens Healthcare Gmbh Verfahren zur Unterstützung eines Auswerters bei der Auswertung eines Computertomographiedatensatzes, Recheneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
CN112132818B (zh) * 2020-09-29 2023-04-07 北京航空航天大学 基于图卷积神经网络构建的肺结节检测和临床分析方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE500572T1 (de) 2003-08-21 2011-03-15 Koninkl Philips Electronics Nv Vorrichtung und verfahren zur erzeugung eines dreidimensionalen gefässmodelles
US20050256400A1 (en) * 2003-12-03 2005-11-17 Bhargav Raman Method to identify arterial and venous vessels
US7532748B2 (en) 2004-11-24 2009-05-12 General Electric Company Methods and apparatus for selecting and/or labeling vessel branches
US7379062B2 (en) 2005-08-01 2008-05-27 Barco Nv Method for determining a path along a biological object with a lumen
US20110206248A1 (en) 2007-08-16 2011-08-25 Koninklijke Philips Electronics N.V. Imaging method for sampling a cross-section plane in a three-dimensional (3d) image data volume
US8155411B2 (en) * 2008-07-22 2012-04-10 Pie Medical Imaging B.V. Method, apparatus and computer program for quantitative bifurcation analysis in 3D using multiple 2D angiographic images
US7941462B2 (en) * 2008-09-24 2011-05-10 Toshiba Medical Visualization Systems Europe, Limited Method and apparatus for classification of coronary artery image data
US8687857B2 (en) * 2008-11-07 2014-04-01 General Electric Company Systems and methods for automated extraction of high-content information from whole organisms
JP5748520B2 (ja) * 2011-03-25 2015-07-15 富士フイルム株式会社 内視鏡挿入支援装置およびその作動方法、並びに内視鏡挿入支援プログラム
JP5785120B2 (ja) * 2012-03-15 2015-09-24 富士フイルム株式会社 医用画像診断支援装置および方法並びにプログラム

Also Published As

Publication number Publication date
CN104042232B (zh) 2016-08-24
CN104042232A (zh) 2014-09-17
US20140254906A1 (en) 2014-09-11
JP2014171908A (ja) 2014-09-22
US9189866B2 (en) 2015-11-17

Similar Documents

Publication Publication Date Title
JP6333583B2 (ja) 解剖学的ランドマーク及び臨床的オントロジー(ontology)を用いて血管樹形図等を作成する医用画像処理装置及び方法
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
US8630467B2 (en) Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method
JP5478171B2 (ja) 冠動脈画像データの分類のための方法及び装置
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
JP5802175B2 (ja) 画像処理装置
JP5820117B2 (ja) データセットを選択式及び対話式に処理する方法
JP6657210B2 (ja) テキスト認識に基づくテキストイメージリンキングを伴うピクチャアーカイビングシステム
US10685438B2 (en) Automated measurement based on deep learning
JP5571654B2 (ja) 肺動脈のセグメント化
JP5934071B2 (ja) 管状構造の最短経路探索装置および方法並びにプログラム
JP2010075403A (ja) 情報処理装置およびその制御方法、データ処理システム
JP2014171889A (ja) 画像分割装置、医用画像診断装置及び画像分割方法
US10275946B2 (en) Visualization of imaging uncertainty
US8638999B2 (en) Methods for generating a reconstructed tree structure from medical image data
CN112862833A (zh) 血管分段方法、电子装置和存储介质
JP5539478B2 (ja) 情報処理装置および情報処理方法
EP3975115A1 (en) Method and system for analyzing a plurality of interconnected blood vessels
Chapman et al. Automated generation of directed graphs from vascular segmentations
US20170322684A1 (en) Automation Of Clinical Scoring For Decision Support
Nadeem et al. An iterative method for airway segmentation using multiscale leakage detection
US20110242096A1 (en) Anatomy diagram generation method and apparatus, and medium storing program
KR20200048746A (ko) 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법
US20220398735A1 (en) Method and system for automated processing, registration, segmentation, analysis, validation, and visualization of structured and unstructured data

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160512

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20161221

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20171027

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171226

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180327

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180425

R150 Certificate of patent or registration of utility model

Ref document number: 6333583

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150