JP6598452B2 - 医用画像処理装置及び医用画像処理方法 - Google Patents

Description

本発明の実施形態は、医用画像処理装置及び医用画像処理方法に関する。

最近の医用撮像方法は、医用画像診断装置により収集されたデータから多数の２次元、３次元および４次元画像を生成して解析する。このような画像は、ＣＴ、ＭＲＩ、ＰＥＴ、超音波撮像など、様々な医用撮像方法もしくはモダリティを用いて生成することができる。

３次元の医用画像は、様々な位置または角度で撮られた測定データを組み合わせるために、かつシンプルサーフェスシェーディング（simple surface shading）、または直接ボリュームレンダリングなどの方法を用いて組み合わせたデータから画像をレンダリングするためにソフトウェアを用いて生成することができる。４次元撮像システムでは、様々な時間に得られた時系列の３次元画像が動的にレンダリングされて、例えば、３次元超音波動画など、３次元動画像が生成される。

多くの場合において、医用画像を１つまたは複数の部分領域（セグメント）へと区分することは有益であり、各セグメントは、例えば、特定の組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の生物学的構造などに対応する。領域分割（セグメンテーション：segmentation）は、手動あるいは様々な自動化技法を用いることにより行われる。

ヒトの解剖学的構造、またはヒトの解剖学的構造の特定部分のアトラスを作成することが知られており、それを、患者の画像処理、または解析で使用することができる。通常、画像から識別された特定の解剖学的特徴は、位置合わせ（レジストレーション：registration）手順においてアトラスと照合される。画像における特定の位置が、アトラスにおける当該位置に解剖学的に対応する位置に位置合せされるように、剛体または非剛体レジストレーションを画像に適用することができる。このようなアトラス及びレジストレーション手順を使用することにより、例えば、様々な被検体から得られた画像間で、直接的な比較を行うことが可能になる。

アトラスは、例えば、ピクセルまたはボクセルにより構成される画像を解剖学的な又は他の物質（例えば、特定の組織タイプ、骨、血液など）の様々な解剖学的領域もしくはタイプへとセグメント化することを表すセグメンテーション情報を備えている。例として、セグメンテーション情報は、ビットマスクの形式で表されるが、他の形式のセグメンテーション情報も知られている。各ピクセルまたはボクセルは、例えば、アトラスの座標系内の特定の位置で、画像強度値または他の画像パラメータ値を備えることができる。画像とセグメンテーションとは、例えば、１つまたは複数のデータベースにおける異なるエントリとしてリンクしているが、別個に記憶させることもできる。画像とセグメンテーション情報との組み合わせは、別個に記憶されているか、それとも一緒になっているかに関係なく、アトラスデータセットと呼ばれる。

自動化されたセグメンテーションを実施するための技法としてアトラスベースのセグメンテーションがある。この技法は、通常、アトラスデータセットとして、ラベル付けされた、換言すればセグメント化されたデータセットを使用し、適切なセグメンテーションすなわちラベル付けを求めるために、そのデータセットに対して画像を比較することができる。このような技法は、アトラスデータセットと収集された画像とのレジストレーションを必要とする。

アトラスベースのセグメンテーションにおいて、複数のアトラスを使用する場合、改善された結果が得られるはずである。図１は、従来例に係るアトラスベースのセグメンテーションの典型的な流れを示す図である。図１に示すように、複数のアトラスは、互いに位置合せされ、当該複数のアトラスに基づいて単一の平均化したアトラス（以下、平均アトラスと呼ぶ）に合成される。平均アトラスに対して処理対象画像をセグメント化するために、処理対象画像が平均アトラスに対して位置合せされ比較される。図２は、従来例に係る他のアトラスベースのセグメンテーションの典型的な流れを示す図である。図２に示すように、処理対象画像は、複数のアトラスの各々に対して位置合せされ比較される。これにより処理対象画像の複数のセグメンテーションが生成される。各セグメンテーションは、異なるアトラスを用いて生成される。複数のセグメンテーションは、次いで、最終的なセグメント化された画像を生成するために、例えば、統計的合成処理等により合成される。

画像が各アトラスに対して別々に位置合せされ、その結果が組み合わされる後者の場合、最終的な結果は、多数のアトラスが使用される場合に改善されることが多く、多数の解剖学的な変化を含むことができる。しかし、この場合、計算の負荷が膨大であり、また処理時間が長時間化する虞がある。

特開２００８−０４３７３６号公報 特表２０１２−５２２５５７号公報 特開２０１３−０１５９４５号公報 特開２００４−２２２８６４号公報 特開２０１２−２５２５５９号公報

実施形態の目的は、複数のアトラスを用いるアトラスベースのセグメンテーション処理に関し処理時間を短縮しつつ高精度のセグメンテーション結果を得ることが可能な医用画像処理装置及び医用画像処理方法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、対象部位に関する画像データであって、異なる年令又は病変を有する複数の患者に関する複数のアトラスを記憶する記憶部と、前記複数のアトラスの各々と処理対象画像との間で線形レジストレーションを行い、前記線形レジストレーション後の前記複数のアトラスの各々と前記処理対象画像との１又は複数の解剖学的標識点の位置の類似性に応じて、前記複数のアトラスの中から、前記処理対象画像をセグメント化するために使用される複数の選択アトラスを選択するアトラス選択部と、前記複数の選択アトラスの各々と前記処理対象画像との間で非線形レジストレーションを行い複数の変形場を生成し、前記複数の変形場の統計的組合せにより前記処理対象画像にセグメンテーション処理を施す領域分割部と、を具備する。

複数のアトラスを用いるアトラスベースのセグメンテーション処理の流れを示す図。 複数のアトラスを用いるアトラスベースの他のセグメンテーション処理流れを示す図。 本実施形態に係る医用画像処理装置の構成を示す図。 本実施形態に係る複数のアトラスを用いるアトラスベースのセグメンテーション処理の流れを示す図。

以下、図面を参照しながら本実施形態に係わる医用画像処理装置及び医用画像処理方法を説明する。

本実施形態に係る医用画像処理装置は、対象部位の解剖学的図譜に関する複数のアトラスを記憶する記憶部と、当該複数のアトラスの各々に含まれる１又は複数の解剖学的標識点の位置に応じて、当該複数のアトラスの中から、処理対象画像をセグメント化するために使用される複数の選択アトラスを選択するアトラス選択部と、を備える。

アトラス選択部は、当該複数のアトラスの各々と当該処理対象画像との間で第１のレジストレーションを行う。また、アトラス選択部は、当該複数の選択アトラスと当該処理対象画像との間で第２のレジストレーションを行う。

第１のレジストレーションは、第２のレジストレーションよりも計算量が少ない。第１のレジストレーションは、例えば、線形レジストレーションである。第２のレジストレーションは、例えば、非線形レジストレーションである。

アトラス選択部は、当該複数のアトラスの各々と当該処理対象画像との間で第１のレジストレーションを行い、第１のレジストレーション後の当該複数のアトラスの各々における当該解剖学的標識点の位置に応じて、当該複数のアトラスの中から複数の選択アトラスを選択する。

アトラス選択部は、第１のレジストレーション後の当該複数のアトラスについて当該解剖学的標識点の位置間の距離を計算し、当該距離に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択する。

アトラス選択部は、第１のレジストレーション後の当該複数のアトラスのうちの各対のアトラスについて当該解剖学的標識点の位置間の距離を計算し、当該各対についての当該距離に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択する。

アトラス選択部は、当該距離が最も類似した距離メトリックを有するアトラスを識別することにより、当該複数の選択アトラスを選択する。

アトラス選択部は、第１のレジストレーション後の当該複数のアトラスについて当該解剖学的標識点の位置間の距離の平均を計算し、当該平均に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択する。

アトラス選択部は、当該複数のアトラスの各々に対して、処理対象画像の座標系で当該距離を計算する、請求項８記載の医用画像処理装置。

当該解剖学的標識点の位置は、処理対象画像の座標系における当該解剖学的標識点の位置である。

アトラス選択部は、クラスタリング法を用いて当該複数のアトラスの中から当該複数の選択アトラスを選択する。クラスタリング法は、階層クラスタリングまたはスペクトルクラスタリングである。また、クラスタリング法は、所与の距離に対して最大のクラスタを識別すること、または所与の又は事前設定された個数のアトラスを含む最初のクラスタを識別する。あるいは、クラスタリング法は、各反復において、最も類似した距離を有する２つ以上のアトラスをグループ化することを備える反復クラスタリング法である。

また、本実施形態に係る医用画像処理装置は、当該複数の選択アトラスに基づいて当該処理対象画像をセグメント化する領域分割部をさらに備える。

また、本実施形態に係る医用画像処理方法は、対象部位に関する標準的な解剖学的図譜を示す複数のアトラスを読み出し、複数のアトラスの各々に含まれる１又は複数の解剖学的標識点の位置に応じて、前記複数のアトラスの中から、処理対象画像をセグメント化するために使用される複数の選択アトラスを選択する、ことを具備する。

本実施形態に係る医用画像処理装置は、様々な形態を取ることができる。例えば、医用画像処理装置は、医用画像を生成する医用画像診断装置に組み込まれても良いし、例えば、医用画像診断装置にネットワークを介して接続された他の処理装置であっても良い。さらに、本実施形態に係る医用画像処理装置は、超音波、ＭＲＩ、Ｘ線撮影、コンピュータ断層撮影法（ＣＴスキャナ）、陽電子放射断層撮影法（ＰＥＴスキャナ）および同様のものを含む一連のモダリティを用いて生成された医用画像と共に動作することができる。従って本実施形態は、特定の構成または撮像技法に限定されることはなく、一連の医用画像処理システム構成およびモダリティに対して、広く適用することができる。以下、本実施形態に係る医用画像診断装置は、医用画像診断装置（スキャナ）に接続された処理装置であるとする。

図３は、本実施形態に係る医用画像処理装置５の構成を示す図である。図３に示すように、医用画像処理装置５は、ＣＴスキャナ１０に接続されている。ＣＴスキャナ１０としては、例えば、患者または他の被検体に対して３次元ＣＴ測定を行うことのできる任意の適切なタイプのＣＴスキャナを使用することができる。なお、図３において医用画像処理装置５は、ＣＴスキャナ１０に接続されているとしたが、本実施形態はこれに限定されず、任意の他の適切なタイプのスキャナ、例えば、Ｘ線撮影、ＭＲＩ、ＰＥＴ、または超音波スキャナに接続されても良い。

医用画像処理装置５は、医用画像を表示するための主表示部１５と、タッチセンシティブ制御画面を有する制御パネル２０とを有する。医用画像処理装置５は、トラックボール、キーボード、ジョイスティック、マウス、および同様のものなど、当技術分野で知られた１つまたは複数の入力部２５を有する。

医用画像処理装置５は、ＣＴスキャナ１０を用いて生成されたセグメント化すべき処理対象画像を画像処理するための画像処理部３０を有する。画像処理部３０は、ハードドライブ、ＲＡＭ、ＲＯＭ、データバス、様々なデバイスドライバを含むオペレーティングシステム、およびグラフィックスカードを含むハードウェアデバイスなど、１つまたは複数のコンポーネントを含む、または通信する、あるいは実装する。このようなコンポーネントは、明確化のために図３に示していない。

図３で示すように、画像処理部３０は、セグメント化すべき処理対象画像を受け取るためのデータ受信部３５を備える。例えば、データ受信部３５は、処理対象画像として、ＣＴスキャナ１０により収集されたＣＴ画像を受信する。処理対象画像は、２次元のスライス画像であっても良いし、３次元のボリューム画像であっても良い。処理対象画像は、ＣＴスキャナ１０から実時間で受信されても良いし、あるいは事後的に受信されても良い。処理対象画像は、画像を表す任意のデータであっても良いし、画像を生成するために処理できる任意のデータであっても良い。

画像処理部３０は、マルチアトラスセグメンテーションプロセスを用いて処理対象画像を領域分割（セグメンテーション：segmentation）するように構成される。マルチアトラスセグメンテーション処理は、複数のアトラスを利用して処理対象画像に領域分割処理（セグメンテーション処理）を施す画像処理である。ここでアトラスとは、任意の対象部位の標準的な解剖学的図譜を示す画像データである。具体的には、解剖学的図譜とは、対象部位に関する、形態的及び機能的に分割された複数の解剖学的領域が模式的に描出された解剖学的画像データである。同一部位に関して事前に収集された複数のアトラスのデータが記憶部４５に記憶されている。なお、対象部位としては、脳や心臓、胸部、頭部、上半身、下半身、全身等の人体のあらゆる部位が含まれるものとする。記憶部４５は、複数のアトラスのデータや処理対象画像のデータを記憶する記憶装置である。記憶部４５としては、ＨＤＤ（hard disk drive）やＳＳＤ(solid state drive)等の記憶装置が用いられると良い。画像処理部３０は、領域分割処理で使用されるアトラスのセットを選択するためのアトラス選択部７５と、処理対象画像に含まれる被検体領域を領域分割（セグメンテ−ション処理）するための領域分割部４０を実装する。

アトラス選択部７５は、当該複数のアトラスの各々に含まれる１又は複数の解剖学的標識点の位置に応じて、当該複数のアトラスの中から、処理対象画像をセグメント化するために使用される複数のアトラス（以下、選択されたアトラスを選択アトラスと呼ぶことにする）を選択する。選択アトラスは、領域分割部４０によるセグメンテーション処理に利用される。具体的には、アトラス選択部７５は、当該複数のアトラスの各々と当該処理対象画像との間で第１のレジストレーションを行う。また、アトラス選択部７５は、当該複数の選択アトラスと当該処理対象画像との間で第２のレジストレーションを行う。第１のレジストレーションは、第２のレジストレーションよりも計算量が少ない。第１のレジストレーションは、線形レジストレーションである。第２のレジストレーションは、非線形レジストレーションである。

より詳細には、アトラス選択部７５は、当該複数のアトラスの各々と当該処理対象画像との間で第１のレジストレーションを行い、第１のレジストレーション後の当該複数のアトラスの各々における当該解剖学的標識点の位置に応じて、当該複数のアトラスの中から複数の選択アトラスを選択する。アトラス選択部７５は、第１のレジストレーション後の当該複数のアトラスについて当該解剖学的標識点の位置間の距離を計算し、当該距離に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択する。より詳細には、アトラス選択部７５は、第１のレジストレーション後の当該複数のアトラスのうちの各対のアトラスについて当該解剖学的標識点の位置間の距離を計算し、当該各対についての当該距離に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択する。また、アトラス選択部７５は、当該距離が最も類似した距離メトリックを有するアトラスを識別することにより、当該複数の選択アトラスを選択する。

あるいは、アトラス選択部７５は、第１のレジストレーション後の当該複数のアトラスについて当該解剖学的標識点の位置間の距離の平均を計算し、当該平均に基づいて当該複数のアトラスの中から当該複数の選択アトラスを選択しても良い。アトラス選択部７５は、当該複数のアトラスの各々に対して、処理対象画像の座標系で当該距離を計算する。

当該解剖学的標識点の位置は、処理対象画像の座標系における当該解剖学的標識点の位置である。

領域分割部４０は、アトラス選択部７５により選択された複数の選択アトラスを利用して処理対象画像にセグメンテーション処理を施す。セグメンテーション処理の結果として、処理対象画像に基づく領域分割された画像、すなわち、セグメント画像が生成される。具体的には、領域分割部４０は、所与の基準に対応する処理対象画像の部分領域（セグメント）を識別する。例えば、領域分割部４０は、特定の組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の解剖学的構造を表す画像の部分領域を識別する。このように、領域分割部４０は、例えば、識別された組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の生物学的構造に関して、処理対象画像を、様々な基準に対応する複数のセグメントに自動的に分割する。領域分割部４０がセグメントを識別した場合、当該セグメントに、例えば、注釈を付ける、新たに着色する、強調する、輪郭を描く、コントラストもしくは輝度を変えるなどにより、当該セグメントを強調する。このような、セグメント処理後の画像をセグメント画像と呼ぶことにする。セグメント画像は、次いで、当該セグメント画像に含まれる各セグメントを容易に識別できるように、例えば、主表示部１５に表示される。領域分割部４０は、セグメント画像、またはセグメンテーションを表すデータを、他の画像プロセス、または診断もしくは他のプロセスへの入力として提供することができる。

本実施形態に係る医用画像処理装置５は、図３に示すように、画像処理部３０有するとした。しかしながら、本実施形態に係る医用画像処理装置５はこれに限定されない。例えば、画像処理部３０は、例えば、パーソナルコンピュータやワークステーション等の別個のコンピュータ装置であっても良い。また、データ受信部３５は、例えば、コンピュータ可読媒体にアクセスするためのネットワークインターフェースやデバイスを備えても良い。

スキャナ１０がネットワークを介して医用画像処理装置５に接続された場合、処理対象画像および任意の関連するデータは、ネットワークを介して画像処理部３０に供給される。画像および関連データは、直接、画像処理部３０に供給される必要はなく、スキャナ１０に含まれる、又はスキャナ１０に接続されたローカルなデータ記憶装置、ネットワーク化されたデータ記憶装置に記憶されても良い。また、画像および関連データは、サーバに備えられた、接続された、もしくはサーバがアクセスできるデータ記憶装置に記憶されても良い。さらに画像および関連データは、インターネットやＩＳＰ等によりアクセスされる遠隔のデータ記憶装置、あるいは画像処理部３０に備えられた、もしくは画像処理部３０に接続されたローカルなデータ記憶装置に記憶されても良い。当該データ記憶装置は、ハードドライブもしくはハードドライブのバンク、固体記憶装置もしくは半導体ドライブ、テープドライブなどの磁気記憶装置など、任意の適切なデータ記憶機構を備えることができる。あるいは、画像データおよび任意の関連するデータは、既存の方法により、コンピュータ可読媒体を用いて移送されても良い。

各データ記憶装置は、関連する患者データと共に、ある期間に亘り多くの様々なスキャナから得られた多数の様々なデータセットを記憶することができる。データ記憶装置は、多量の患者データを記憶するサーバとすることができ、また例えば、医用画像管理システム（ＰＡＣＳ）の一部をなしても良い。

処理対象画像が取得された場合、領域分割部４０は、当該処理対象画像を解析し、かつ同じ組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の生物学的構造に属するものなど、所与の基準に対応する画像領域を画定する。領域分割部４０は、次いで、処理対象画像から、注釈が付された、または修正されたセグメント画像を生成し、生成されたセグメント画像を、各基準に関連する画像領域を個別に強調する、又は表示するために（例えば、様々な組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の生物学的構造などを強調するために）セグメント化することができる。領域分割部４０は、実時間で、または前に収集されかつ記憶された画像を、自動的に、または半自動的にセグメント化する。

具体的には、画像処理部３０は、複数のアトラスを使用するアトラスベースのセグメンテーション技法、すなわち、マルチアトラスベースのセグメンテーションを実施する。特に、画像処理部３０は、対応する複数のレジストレーションを生成し、次いで、複数のレジストレーションを統計的に組み合わせるために、処理対象画像を、複数のアトラスのそれぞれに対して位置合せする。この手法は、画像を単一のアトラスに対して位置合せすることを含む技法よりも、良好な結果を与えることが知られている。セグメンテーションプロセスの結果は、使用するアトラスの数を増加させたとき、あるいは多数の解剖学的変化がアトラスに反映される場合、さらに改善される。しかし、このような場合、セグメンテーションを実行するのに必要な時間がしばしば膨大になるおそれがある。

本実施形態に係る画像処理部３０は、複数のアトラスからサブセットを選択する。例えば、相互情報量などの類似性のメトリックを使用して、使用されるアトラスのサブセットを選択することができる。他の例として、関連する患者データ（年令、性別など）から導かれるヒューリスティックを使用することもできる。しかしながら、本実施形態によれば、最適なアトラスを選択する手順が提供される。

図４は、画像処理部３０によるマルチアトラスセグメンテーション処理の典型的な流れを示す図である。ステップ１０５で示すように、データ受信部３５は、処理対象画像を受け取る。ステップ１１０で示すように、Ｎ個のアトラスはアトラス記憶部４５に記憶される。Ｎ個のアトラスは、アトラス選択部７５により読み出される。

ここで、Ｎ個（ただし、Ｎ＞１であり、１よりもはるかに大きいことが好ましい）のアトラスが提供される。アトラスは、特定の組織タイプ、臓器もしくはその下位の構成要素、脈管、骨もしくは骨の一部、または他の生物学的構造などを示す画像部分を含む。また、アトラスは、解剖学的標識点を識別するための関連データとして、例えば、専門家により手動でマーク付けされ、注釈が付される。また、アトラスは、当該関連データが提供される体もしくは体の一部に関する医用画像が関連づけられても良い。なお、解剖学的標識点は、点だけでなく、複数の点からなる画像領域を含むものとする。解剖学的標識点は、様々な病変または解剖学的な変化の間を区別するために使用される。このように、アトラスは、参照データセットとして機能する。画像処理部３０に利用可能なアトラスが、１つまたは複数の様々な病変に関連する１つまたは複数のアトラスを含む。

アトラス選択部７５は、図４のステップ１１５で示すように、第１のレジストレーション法を用いて、処理対象画像に対して複数のアトラス各々を位置合せする。図４の実施形態では、第１のレジストレーション法としては、例えば、後で述べる第２のレジストレーション法と比較して、より低い計算負荷を有するものなど、制限されたレジストレーションを実施することを備える。例えば、第１のレジストレーション法は、計算負荷を低減させるために、いくつかの前提や簡単化プロセスを使用したり、低い解像度で実行されたりしても良い。

処理対象画像にアトラスの線形レジストレーションを使用することは、第１のレジストレーション法として適切である。しかし、線形レジストレーションとしては、剛体レジストレーションや、例えば、他のアフィンタイプのレジストレーションなど、当業者には明らかであると思われる他の適切な、計算上効率の良い技法が用いられる。

線形レジストレーションは、処理対象画像に含まれるデータ点を、アトラスに含まれるデータ点に位置合せするために、処理対象画像を回転、平行移動、拡大、縮小を行うためのレジストレーションである。本実施形態に係るアフィンレジストレーションは、処理対象画像に含まれるデータ点を、アトラスに位置合せするために、回転、平行移動、拡大／縮小、剪断変形を行うためのレジストレーションである。すなわち、線形レジストレーションは、アフィンレジストレーションの特定タイプである。

アトラス選択部７５は、次いで、各レジストレーションに従って、各アトラスデータの解剖学的標識点の位置を変換し、かつ図４のステップ１２０で示すように、Ｎ個の提供されたアトラスにおけるアトラスの各対に対して距離メトリックを計算する。例えば、アトラス選択部７５は、Ｎ個のアトラスから解剖学的標識点を取得し（ステップ１２５）、線形レジストレーション法を用いて、処理対象画像の座標系における各アトラスからの解剖学的標識点の位置を算出し、Ｎ個のアトラスの中の様々なアトラスの対から導出された解剖学的標識点の位置間の距離（例えば、平均した対ごとのユークリッド距離）を用いてＮ×Ｎの距離行列Ｍを生成する。

アトラス選択部７５は、処理対象画像に最も良く一致するアトラスを決定する。このために、アトラス選択部７５は、解剖学的標識点間の平均距離値または相互距離に基づいて複数のアトラスをグループ分けする。すなわち、各グループに属する複数のアトラスは、互いに平均距離値または相互距離が類似する。グループ分けは、例えば、階層クラスタリングなどのクラスタリングを用いることにより行われる（ステップ１３０）。クラスタリング法においてグループはクラスタという用語で表現される。アトラス選択部７５は、複数のグループのうちの最適なグループに含まれる複数のアトラスの集合をサブセットと呼ぶことにする。

適切な階層クラスタリング技法の一例では、アトラス選択部７５は、各アトラスを１つのクラスタに割り当てる。アトラス選択部７５は、次いで、反復させて継続されるが、各反復において、最も近いエントリ、すなわち、最も近い距離メトリック（例えば、解剖学的標識点の対間の平均距離）を有するアトラスが集められる。このように、各反復において共に集合させるためのエントリは、対応する解剖学的標識点の対間の距離の平均の類似性に従って選択される。反復クラスタリング法は、最も低い相互距離を有するクラスタが、少なくとも事前設定された又は閾値の最小数のアトラスを有するまで続けられる。事前設定された又は閾値の最小数は、計算時間とセグメンテーション処理の品質とがバランスするように選択される。

特定の階層クラスタリング法を使用する例が上記で示されているが、アトラスのサブセットを求めるためには、様々な技法を使用できる。例えば、階層クラスタリングのための最終的なクラスタ選択は、所与の距離に対する最大のクラスタとすることができるが、あるいは所与の数のアトラスを得る最初のクラスタとすることもできる。さらに、階層クラスタリング法に代えて、スペクトルクラスタリング技法、または他のクラスタリング技法を使用することもできる。

アトラスのサブセットが求められると、領域分割部４０により第２のレジストレーションが実行される（ステップ１３５）。第２のレジストレーションにより、最適クラスタに含まれる複数のアトラス、すなわち、サブセットを処理対象画像に位置合せされる。第２のレジストレーション法としては、第１のレジストレーション法に対して完全な、またはより高い解像度もしくは精度のレジストレーション法が用いられる。例えば、第２のレジストレーション法としては、非線形レジストレーション、より詳細には、非剛体レジストレーションが用いられる。非線形レジストレーションにより、高密度変形場（dense deformation field）が生成される。さらなるレジストレーションの結果は、次いで、最終的なセグメント画像を生成するために、統計的セグメンテーション処理により統計的に組み合わされる（ステップ１４０）。

非剛体レジストレーションは、自由形式のレジストレーションを備えることができ、データセットを他のデータセットに位置合せするために、１つのデータセットにおけるデータ点の座標は、柔軟な、自由形式の変換を受ける。自由形式の変換は、３次元データセットにおける各ボクセルに対して個々の変位を規定する密ベクトル（dense vector）場として定義することができる。自由形式の変換はまた、例えば、Ｂスプライン関数または薄板スプライン関数を用いるなど、他のフィールドまたは関数を用いて定義することもできる。

実施形態のアトラス選択法の１つの利点は、アトラスのサブセットを求めるために、新しいデータセット中でマーク付けされた、または検出された標識点に依存しないことである。

上記のセグメンテーション装置および方法の具体的な適用例は、１００を超える脳領域を識別するための脳回マッピングに関して以下で述べる。年令と共に脳内には大幅な変化が生じており、アトラスは、通常、単一の患者に基づいている。したがって、脳の解剖学的構造に関しては、異なる年令の患者、または異なる病変を有する患者に対応する広範囲なアトラスが存在する可能性があり、アトラス選択が特に重要なものになっている。

この特定の例では、２８個のアトラスが利用可能である（すなわち、Ｎ＝２８）。この場合、２８個の全てのアトラスに対して完全なレジストレーションを単純に実施すると、２８個のアトラスの全てを位置合せするためには、１アトラス当たり約２０秒、すなわち合計でほぼ１０分が必要になる。

この特定の例では、画像処理部３０は、剛体レジストレーションの形の第１のレジストレーション法を用いて、２８個のアトラスすべてに対して、処理対象画像のレジストレーションを実施する。

アトラス選択部７５は、剛体レジストレーション法を用いて、処理対象画像の座標系におけるアトラスの各対から、対応する標識点間の平均距離を求める。この場合の結果は、ゼロエントリを備えるだけの対角線に関して対称な２８×２８行列Ｍである。

距離行列Ｍで表されるデータは、上記で述べた階層クラスタリング法に対する唯一の入力として使用され、その場合、画像データの参照フレームにおける解剖学的標識点の間の最も近い距離平均を有するアトラスが、各反復でグループ化される、すなわち、クラスタに加えるためのアトラスは、平均距離値の類似性に基づいて選択される。クラスタリングは、最も低い相互距離を有するクラスタが、少なくともアトラスの所定の閾値数を有するまで継続される。脳回セグメンテーションの場合、７個のアトラスの閾値数が、セグメンテーション品質に対する実行時間の良好なバランスを与えることが分かってきている。しかし、他の用途の場合には、閾値数が変わる可能性のあることが理解されよう。

アトラスの必要な閾値数に達した最初のクラスタが求められた後、非剛体レジストレーションの形の第２のレジストレーション法が、次いで、選択されたサブセット中の７個のアトラス（すなわち、識別されたクラスタ中のアトラス）の間で行われる。非剛体レジストレーションの結果は、次いで、統計的に組み合わされて、最終的なセグメンテーションが求められる。複数のレジストレーション結果の統計的な組合せは、マルチアトラスセグメンテーションの分野で知られている。多数決および期待値最大化アルゴリズム（例えば、Ａｓｈｂｕｒｎｅｒ，Ｊ．、＆ Ｆｒｉｓｔｏｎ，Ｋ．（１９９７）、「Ｍｕｌｔｉｍｏｄａｌ ｉｍａｇｅ ｃｏｒｅｇｉｓｔｒａｔｉｏｎ ａｎｄ ｐａｒｔｉｔｉｏｎｉｎｇ−ａ ｕｎｉｆｉｅｄ ｆｒａｍｅｗｏｒｋ」ＮｅｕｒｏＩｍａｇｅ、６（３）、２０９〜１７頁、ｄｏｉ：１０．１００６／ｎｉｍｇ．１９９７．０２９０を参照のこと）は、特に適していることが分かっている２つの統計的な組合せ技法である。あるいは、ＳＴＡＰＬＥアルゴリズム（Ｗａｒｆｉｅｌｄ，Ｓ．Ｋ．、Ｚｏｕ，Ｋ．Ｈ．、＆ Ｗｅｌｌｓ，Ｗ．Ｍ．（２００４）、「Ｓｉｍｕｌｔａｎｅｏｕｓ Ｔｒｕｔｈ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｌｅｖｅｌ Ｅｓｔｉｍａｔｉｏｎ（ＳＴＡＰＬＥ）：Ａｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ ｔｈｅ Ｖａｌｉｄａｔｉｏｎ ｏｆ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ」、２３（７）、９０３〜９２１頁）が使用されても良い。

セグメンテーションが求められた後、セグメント画像を生成するために、セグメント化すべき元の処理対象画像に対して、注釈付けまたは強調が行われる。

本実施形態によれば、多数のアトラスの中から、選択されたアトラスのサブセットだけを使用する完全なレジストレーションが使用されるが、アトラスのサブセットは、距離メトリックを用いて求められている。具体的には、使用されるアトラスのサブセットを求めるために使用される距離メトリックを計算するために、解剖学的な標識点が使用される。このようにして、関連する解剖学的構造を選択することができる。また、関連しない解剖学的構造は無視される。さらに、類似性の尺度またはヒューリスティックなどの他の可能な選択方法と比較して、改善されたアトラスを選択することができる。

クラスタリング技法を用いることにより、平均化などの他の技法で時々生ずる可能性のあるサンプル構成に起因する偏倚（biasing）を低減する、または回避しながら、最も適切なアトラスを識別することが可能になる。

本実施形態においては、所定の機能を、実施形態の方法を実施するように実行可能なコンピュータ可読命令を有するコンピュータプログラムにより実施できるが、コンピュータプログラムの機能は、ハードウェアで（例えば、ＣＰＵにより、または１つまたは複数のＡＳＩＣ（特定用途向けＩＣにより））、またはハードウェアとソフトウェアを組み合わせたものにより実施されても良い。

特定のユニットが本実施形態において述べられているが、１つまたは複数のこれらのユニットの機能は、単一のユニット、処理資源、または他のコンポーネントにより提供されても良いし、あるいは単一のユニットにより提供される機能を、２つ以上のユニットもしくは他のコンポーネントを組み合わせて提供しても良い。単一ユニットに対する参照は、そのユニットの機能を提供する、例えば、ユニットなどの複数のコンポーネントを、このようなコンポーネントが互いに遠隔にあるかどうかにかかわらず包含し、また複数のユニットに対する参照は、これらのユニットの機能を提供する、例えば、ユニットなどの単一のコンポーネントを包含する。

いくつかの特徴が、サーバやネットワーク化された記憶装置もしくは他のデバイスに関して述べられ、またいくつかの特徴が、医用画像処理装置に関して述べられてきたが、サーバ、ネットワーク化された記憶装置、または他のネットワーク化された機能に関して述べられた１つまたは複数の特徴は、画像処理部３０で提供することができ、その逆も同様である。

さらに、本実施形態においてサーバまたは医用画像処理装置は、単一の装置である必要はなく、分散アレイなど、複数の関連するユニットを備えても良い。

さらに、制限された、または低減された処理オーバヘッドのレジストレーション法の例として、剛体変換又は剛体レジストレーション法が上記で述べられてきたが、低い処理負担を有する他のレジストレーションまたは変換法も使用しても良い。

さらに、サブセットに対するアトラスを選択するために、階層クラスタリングが上記で与えられた例で使用されているが、スペクトルクラスタリングまたは他のクラスタリング法などの他の技法をそれに代えて使用されても良い。

アトラスのサブセットを識別するために、アトラスの閾値数を含む最初のクラスタが使用される実施形態が上記で述べられているが、所与の距離に対する最大のクラスタなど、他の基準が使用されても良い。

本実施形態によれば、マルチアトラスセグメンテーションにおいてアトラスを選択する方法を提供することができる。選択方法は、新規のアトラスデータセットと各アトラスデータセットとの間の限定されたパラメータ空間に対してレジストレーションを行うこと、解剖学的標識点を使用して、新規のものと、すべての可能な対のアトラスとの間のレジストレーションのために距離メトリックを計算すること、ならびに距離及びクラスタリング法を使用して、正確なレジストレーションに使用するアトラスを識別することを含む。

距離メトリックは、制限されたレジストレーションの結果を用いて、解剖学的標識点を新規のデータセットの座標へと変換することにより、アトラスのｉ番目とｊ番目の対に対して計算する。メトリックは、対応する解剖学的標識点間の離間距離の平均を有する。クラスタが、所与の距離に対する最大のクラスタとして識別された場合、または所与の数のアトラスを含む最初のクラスタである場合に、階層クラスタが使用される。スペクトルクラスタリングが使用されても良い。最初のレジストレーションは剛体変換が好適である。正確なレジストレーションは、非剛体変換が好適であり、高密度変形場が生成される。

かくして、本実施形態によれば、複数のアトラスを用いるアトラスベースのセグメンテーション処理に関し処理時間を短縮しつつ高精度のセグメンテーション結果を得ることが可能な医用画像処理装置及び医用画像処理方法を実現することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

５…医用画像処理装置、１０…スキャナ、１５…主表示部、２０…制御パネル、２５…入力部、３０…画像処理部、３５…データ受信部、４０…領域分割部、４５…アトラス記憶部、７５…アトラス選択部

Claims (12)

1. 対象部位に関する画像データであって、異なる年令又は病変を有する複数の患者に関する複数のアトラスを記憶する記憶部と、
   前記複数のアトラスの各々と処理対象画像との間で線形レジストレーションを行い、前記線形レジストレーション後の前記複数のアトラスの各々と前記処理対象画像との１又は複数の解剖学的標識点の位置の類似性に応じて、前記複数のアトラスの中から、前記処理対象画像をセグメント化するために使用される複数の選択アトラスを選択するアトラス選択部と、
   前記複数の選択アトラスの各々と前記処理対象画像との間で非線形レジストレーションを行い複数の変形場を生成し、前記複数の変形場の統計的組合せにより前記処理対象画像にセグメンテーション処理を施す領域分割部と、
   を具備する医用画像処理装置。
2. 前記線形レジストレーションは、前記非線形レジストレーションよりも計算量が少ない、請求項１記載の医用画像処理装置。
3. 前記アトラス選択部は、前記線形レジストレーション後の前記複数のアトラスのうちの全ての各対のアトラスについて同一の解剖学的標識点間の距離を計算し、前記各対についての前記距離に基づいて前記複数のアトラスの中から前記複数の選択アトラスを選択する、請求項１記載の医用画像処理装置。
4. 前記アトラス選択部は、前記距離が前記処理対象画像の距離に最も類似した距離メトリックを有するアトラスを識別することにより、前記複数の選択アトラスを選択する、請求項３記載の医用画像処理装置。
5. 前記アトラス選択部は、前記同一の解剖学的標識点間の前記距離の平均を計算し、前記平均に基づいて前記複数のアトラスの中から前記複数の選択アトラスを選択する、請求項３記載の医用画像処理装置。
6. 前記アトラス選択部は、前記各対のアトラスについて、前記処理対象画像の座標系で前記距離を計算する、請求項３記載の医用画像処理装置。
7. 前記解剖学的標識点の位置は、前記処理対象画像の座標系における前記解剖学的標識点の位置である、請求項１記載の医用画像処理装置。
8. 前記アトラス選択部は、クラスタリング法を用いて前記各対についての前記距離に基づいて前記複数のアトラスの中から前記複数の選択アトラスを選択する、請求項３記載の医用画像処理装置。
9. 前記クラスタリング法は、階層クラスタリングまたはスペクトルクラスタリングである、請求項８記載の医用画像処理装置。
10. 前記クラスタリング法は、最大の個数のアトラスを含むクラスタを識別すること、または事前設定された個数のアトラスを含む最初のクラスタを識別する、請求項８記載の医用画像処理装置。
11. 前記クラスタリング法は、各反復において、最も類似した前記距離を有する２つ以上のアトラスをグループ化することを備える反復クラスタリング法である、請求項８記載の医用画像処理装置。
12. 対象部位に関する画像データであって、異なる年令又は病変を有する複数の患者に関する複数のアトラスを読み出し、
    前記複数のアトラスの各々と処理対象画像との間で線形レジストレーションを行い、前記線形レジストレーション後の前記複数のアトラスの各々と前記処理対象画像との１又は複数の解剖学的標識点の位置の類似性に応じて、前記複数のアトラスの中から、前記処理対象画像をセグメント化するために使用される複数の選択アトラスを選択し、
    前記複数の選択アトラスの各々と前記処理対象画像との間で非線形レジストレーションを行い複数の変形場を生成し、前記複数の変形場の統計的組合せにより前記処理対象画像にセグメンテーション処理を施す、
    ことを具備する医用画像処理方法。

Images