JP6609330B2 - レジストレーションの基準マーカー、システム、および方法 - Google Patents

Description

本開示は、概して、医用撮像用のシステム、方法、およびデバイスに関し、より詳細には、基準マーカーおよび処理アルゴリズムを使用した医用画像の自動検出および自動レジストレーションに関する。

画像誘導経皮的腫瘍アブレーションは、肝臓ガンおよび腎臓ガンなどのガンを治療するために広く実施される。それらの治療には、冷凍アブレーション、高周波アブレーション（ＲＦＡ）、マイクロ波アブレーション（ＭＷＡ）、レーザアブレーション、および不可逆電気穿孔（ＩＲＥ）が含まれる。有用ないくつかの画像診断技術としては、超音波撮像法、コンピュータ断層撮影法（ＣＴ）、および磁気共鳴画像法（ＭＲＩ）が挙げられる。

超音波法およびＣＴが、しばしば、ターゲットの病巣内へのプローブの誘導および治療効果のモニタリングのための画像診断技術の選択肢となる一方で、ＭＲＩは、電離放射線が使用されないこと、および他の診断技術では腫瘍が周辺組織に対して明白なコントラストを示さない可能性があることから、好まれる場合がある。術中ＭＲＩは、優れた軟組織コントラストを示す高解像度の二次元画像または三次元画像を提供することが可能である。さらに、ＭＲＩは、アブレーション療法の最中における熱的効果のモニタリングにおいて固有の利点をもたらし、冷凍アブレーションでは、「アイスボール」の形成が、ＭＲ画像上で無信号域としてモニタリングされ、ＲＦＡ、ＭＷＡ、およびレーザアブレーションでは、陽子共鳴周波数（ＰＲＦ）シフト法に基づくＭＲ温度測定が、組織における加熱量のモニタリングを可能にする。腫瘍の輪郭を描画し、熱的効果をモニタリングするＭＲＩの能力を組み合わせることにより、医師は、手技中に十分なアブレーションマージンを確保することが可能となり、ひいてはそれが、腫瘍の再発を減少させることにつながる可能性がある。さらに、ＭＲＩは、患者および臨床スタッフを電離放射線にさらさない。

ターゲットの位置特定および治療モニタリングにおけるこれらの利点にもかかわらず、ＭＲＩガイダンスは、技術的難点を有し、典型的なＭＲガントリでは、医師は、画像が取得される場所であるアイソセンタに位置する患者への容易なアクセスを提供されない。したがって、患者は、プローブを配置するためにガントリから外へと移され、撮像するためにガントリ内に戻されることが必要となる。この内外移動アプローチにより、医師は、超音波法およびＣＴ透視検査などの他の画像診断技術とは異なり、プローブを挿入しながらターゲットに対するプローブ位置の視覚的確認を行うことができなくなる。１つの解決策は、オープン構成スキャナ内で患者を治療することである。オープン構成スキャナにより、医師は、スキャン中に患者にアクセスすることが可能となる。しかし、オープン構成スキャナは、従来のクローズドボアスキャナに比べて撮像能力が限定されるため主流とはなっていない。

別の解決策は、プローブガイドデバイスを使用してプローブを誘導することである。プローブガイドデバイスは、ＭＲＩスキャナの機械的外部にプローブ軌道を維持することが可能である。したがって、プローブは、ターゲット位置が変更されないでいる限りはターゲットに挿入され得る。かかるデバイスは、デバイスがどのように固定されるかによって、「台取付け式、ガントリ取付け式、および床取付け式」システムまたは「患者取付け式」システムのいずれかとして分類され得る。患者取付け式システムは、部屋（または画像座標系）ではなく患者の皮膚に直接的に装着され、したがってこれらのシステムは、他のカテゴリのデバイスよりも患者の移動に対する脆弱性が低いと仮定することができる。さらに、患者取付け式システムは、皮膚上のプローブ進入点に取り付けられるように設計され、進入点を中心としてプローブを角度付けるための機構を必要とするに過ぎないため、比較的単純な機構を用いてプローブガイダンスを実現することが可能である。

したがって、治療エリアに対して患者上にデバイスを正確に配置する必要性が依然としてある。さらに、患者取付け式システムを用いる場合でも、患者の移動は依然として考慮されなければならない。身体表面および内部器官はいずれも、個別に移動し、デバイスおよびターゲットの病巣を変位させ得る。プランニングおよびプローブ配置のための撮像が手術中の異なる時点で実施される場合には、手術を通して身体の移動によるデバイスの変位をトラッキングし続ける必要性がある。

基準マーカーが容易化のために使用される一体型ツールであるにもかかわらず、基準マーカーを使用して画像を位置合わせするまたは治療プランニングを支援するための自動化方法は、正確な配置および患者の移動を実現するために使用される場合に、依然として制限され、誤りが起こりやすい。したがって、上述の欠点に悩まされない画像分析および画像レジストレーションを自動化するためのシステムおよび方法を提供することが望ましい。

本発明の少なくとも１つの実施形態によれば、自動レジストレーションの方法を含む装置が提供される。この方法は、（１）医用デバイスの画像データを取得するステップと、（２）画像データ内で基準マーカーオブジェクトを検出するステップと、（３）基準フレームのモデルに基準マーカーオブジェクトを位置合わせするステップとを含む。このレジストレーションに用いられる医用デバイスは、医用デバイス上の基準フレームとして配置された複数の基準マーカーを備え、基準フレームは、基準マーカーの少なくとも２つのクラスタであって、各クラスタが、異なる個数、サイズ、形状（例えば球体、長球体、偏球体、三軸楕円体、円筒体、および管等）、構成、または材料特性（例えば、異なる磁場応答を有する合金）の基準マーカーを備える、基準マーカーの少なくとも２つのクラスタ、リング形状に配置された少なくとも３つの基準マーカーであって、配置が非対称である少なくとも３つの基準マーカー、またはそれらの組合せのいずれかを備える。

画像データ内で基準マーカーオブジェクトを検出するステップは、基準マーカーオブジェクトを強調するために特徴強調を適用するステップと、基準マーカーオブジェクトを抽出するために特徴抽出を適用するステップとを含み、第１のステップは、特徴抽出ステップのロバストネスが不要である実施形態では省略され得る。クラスタリング実施形態については、このステップは、基準マーカーオブジェクトのクラスタを規定するためにクラスタリングアルゴリズムを適用することをさらに含む。各基準マーカーオブジェクトまたは基準マーカーオブジェクトの各クラスタに関する代表点が、次いで規定される。

基準フレームのモデルに基準マーカーオブジェクトを位置合わせするステップであって、このステップは、代表点のポイントツーポイント（point to point）マッチングを行うことを含む。リング形状実施形態については、このステップは、基準マーカーオブジェクトの代表点が基準フレームのモデルにマッチングするまでリング形状を回転させること（および次いでポイントツーポイントマッチングを実施すること）をさらに含む。

また、システムが提供される。このシステムは、基準フレームを備える医用デバイスであって、基準フレームが、基準マーカーの少なくとも２つのクラスタであって、各クラスタが、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを備える、基準マーカーの少なくとも２つのクラスタ、リング形状に配置された少なくとも３つの基準マーカーであって、配置が非対称である少なくとも３つの基準マーカー、またはそれらの組合せのいずれかを備える、医用デバイスを備える。また、システムは、基準レジストレーションの方法を実施するためのコンピュータ実行可能プログラムを格納する非一時的コンピュータ可読記憶媒体を備える。基準レジストレーションの方法は、画像データ内で基準マーカーオブジェクトを検出するステップと、基準フレームのモデルに基準マーカーオブジェクトを位置合わせするステップとを含む。

また、断層撮影で使用するための装置であって、医用デバイスと、医用デバイス上の基準フレームとして配置された複数の基準マーカーとを備える装置が提供される。基準フレームは、基準マーカーの少なくとも２つのクラスタを備え、各クラスタは、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを備える。いくつかの実施形態では、基準マーカーの少なくとも３つのクラスタが存在する。

いくつかの実施形態では、装置は、医用デバイスの種々の穴内に延在ロッドを有するマーカーを移動させるまたは医用デバイス上の種々のディボット内に基準マーカーを配置するのと同様の容易さなどで基準マーカーの構成が配置され得るように、基準マーカーが医用デバイス上に基準フレームを形成するように取外し可能に装着されるように構成される。

本開示のこれらのおよび他の目的、特徴、および利点が、添付の図面および提供される特許請求の範囲と組み合わせて本開示の例示の実施形態の以下の詳細な説明を読むことにより明らかになろう。

本開示のさらなる目的、特徴、および利点が、本開示の例示の実施形態を示す添付の図面と組み合わせて、以下の詳細な説明により明らかになろう。

本開示の一態様による自動画像処理のための一例のプロセスのステップを示す流れ図である。 ナビゲーションソフトウェア、針ガイドロボット、およびＭＲＩスキャナから構成された針ガイドロボットシステムのシステム図である。 二次元表示において針ガイドロボットと患者との間の関係を示すナビゲーションソフトウェアのグラフィカルユーザインターフェースからの画像を示す図である。また、インターフェースは、現位置にあるロボットでターゲットとすることができる範囲を示す。 三次元表示において針ガイドロボットと患者との間の関係を示すナビゲーションソフトウェアのグラフィカルユーザインターフェースからの画像を示す図である。また、インターフェースは、現位置にあるロボットでターゲットとすることができる範囲を示す。 二次元表示において針ガイドロボットと患者との間の関係を示すナビゲーションソフトウェアのグラフィカルユーザインターフェースからの画像を示す図である。また、インターフェースは、現位置にあるロボットでターゲットとすることができる範囲を示す。 二次元表示において針ガイドロボットと患者との間の関係を示すナビゲーションソフトウェアのグラフィカルユーザインターフェースからの画像を示す図である。 リング形状を有する一例の構成可能基準フレームを示す図であり、基準物を含む構成可能基準フレームの画像である。 リング形状を有する一例の構成可能基準フレームを示す図であり、図４ａのフレームのＭＲ画像である。 リング形状を有する一例の構成可能基準フレームを示す図であり、基準フレームを含む針ガイドデバイスのモデルの３Ｄ表現である。 リング形状を有する一例の基準フレームと非対称に配置された基準マーカーとを示す図である。 リング形状を有する一例の基準フレームと非対称に配置された基準マーカーとを示す図である。 基準フレーム内に異なる個数の基準マーカーを有する一例のクラスタリングされた基準フレームを示す図である。 基準フレーム内に異なるサイズの基準マーカーを有する一例のクラスタリングされた基準フレームを示す図である。 基準フレーム内に異なる形状の基準マーカーを有する一例のクラスタリングされた基準フレームを示す図である。 基準フレーム内に異なる構成の基準マーカーを有する一例のクラスタリングされた基準フレームを示す図である。

図面全体を通じて、同一の参照数字および参照文字は、別様のことが特に述べられない限りは、図示する実施形態の同様の特徴、要素、構成要素、または部分を示すために用いられる。さらに、以下において、対象となる開示は、図面を参照として詳細に説明されるが、これは、説明のための例示の実施形態との関連で説明される。添付の特許請求の範囲により定義されるような対象となる開示の真の範囲および主旨から逸脱することなく、説明される例示の実施形態に対して変形および修正を行い得ることが意図される。

これらの実施形態は、画像ベース自動デバイスレジストレーションを利用して患者の移動によるデバイスの変位を適応補償することが可能なソフトウェアシステムを含む、基準マーカー、システム、および方法を提供するという目的に基づくものである。本システムは、患者取付け式であり例えば患者内への進入のために針を送るまたは位置決めすることが可能な医用デバイスと、断層撮影デバイスと、ナビゲーションソフトウェアとを備える。ナビゲーションソフトウェアは、この撮影デバイスから画像を受信し、臨床医が例えば画像上で針挿入経路を決定するのを助けることが可能であり、この経路を針ガイドデバイスに送信する。

Ｉ．撮像デバイスおよび医用デバイス
本明細書において説明されるような基準マーカー、システム、および方法は、任意の断層撮影との組合せにおいて使用される任意の医用デバイスと共に利用され得る。断層撮影は、例えばＭＲＩ、ＣＴ、または超音波などであることが可能である。医用デバイスは、例えば針配置デバイスなどの患者取付け式デバイスであってもよい。

本発明と組み合わせて使用され得る医用デバイスの一例が、米国特許出願公開第２０１４／０２７５９７９号に記載されており、この出願公開は参照によりその全体が本明細書に組み込まれる。この参考文献は、ダブルリング機構を有するＭＲＩと同等の身体取付け式針ガイドデバイスを提供する。

本明細書で説明されるような基準マーカー、システム、および方法を利用し得る他の医用デバイスとしては、診断または手術の支援において針を配置するまたはツールを配置することを目的とした他の自立式医用デバイスまたは患者取付け式医用デバイスが含まれる。例えば、格子穴から構成される針ガイドテンプレートが、画像誘導前立腺バイオプシおよび近接照射療法で病巣内に針を送るためにしばしば使用される。

また、本明細書で説明されるような基準マーカー、システム、および方法は、医療産業以外でも利用され得る。例えば、いくつかの実施形態では、映画用にリアルなコンピュータグラフィックモデルを生成する際などにモーションキャプチャデバイスで使用される三次元トラックセンサなどがある。

本明細書で説明されるようなシステムおよび方法の一実施形態が、図１で説明される。初めに、１０２で医用デバイスが入手される。また、医用デバイスの入手には、例えば手術部位を覆って患者上に配置または固定することなどを含み得る。次に、１０４でデバイスおよび患者の医用画像データが取得される。この画像日付は、例えばＭＲＩデータまたはＣＴデータなどである。次いで、医用画像データから基準マーカーオブジェクトが検出される１０６。これを行うためには、初めに、１０８で微分ベース演算などの特徴強調が、１０８においてデータに適用される。次に、１１０で特徴抽出が適用される。基準物がクラスタとして構成されると、１１２でクラスタリングアルゴリズムが提供される。このステップ（破線により示されるような）は、基準物がリング形状に配置される実施形態では利用されない。次いで、１１４で代表点が規定される。次のステップは、１２０で基準マーカーオブジェクトの位置合わせを含む。基準物がリング形状に配置される実施形態の場合には、１１６でこのリングが回転または反転される。これは、全回転または部分回転または１８０°反転であってもよい。次いで、１１８でポイントツーポイントマッチングが適用される。１２２で、ポイントツーポイントマッチング中のデータから、画像上のターゲットが規定される。１２４で、ターゲット座標は、このレジストレーションに基づきデバイスに対して計算される。次いで、デバイスはターゲットに針を導くように調節される。

ＩＩ．ロボット制御ソフトウェア
いくつかの実施形態では、ナビゲーションソフトウェア２００、論理制御層２０６、および物理制御インターフェース２０８を備える３層のコンポーネントを有するソフトウェアシステムが用意される（図２）。これらのコンポーネントは、独立したソフトウェアプロセスとして実装され、例えばイーサネットおよびユニバーサルシリアルバス（ＵＳＢ）などを介して相互に通信する。しかし、他の実施形態では、さらに２つのこれらのコンポーネントが単一のソフトウェアプロセスに組み込まれる。

これらの３つのコンポーネントの詳細は以下の通りである。

ナビゲーションソフトウェア
ナビゲーションソフトウェア２００は、システム内の最上層コンポーネントであり、図２に例示される。ナビゲーションソフトウェア２００は、例えば医師および／またはオペレータ用の主要ユーザインターフェースなどとして機能する。本明細書で説明されるように、このナビゲーションソフトウェア２００は、オープンソースの医用画像演算処理ソフトウェアである３Ｄスライサ（Ｇｅｒｉｎｇ ２００１、Ａｎｄｒｉｙ ２０１２）用のプラグインモジュールとして実装され、このまたは他のソフトウェアを介してコンソール２１２およびＭＲＩハードウェア２１４を共に備えるＭＲＩシステム２０４から画像を受信する。ナビゲーションソフトウェア２００は、医師による以下のタスクの実施を支援する。

針配置プランニング。医師は、プランニング画像上でターゲットおよび皮膚進入点を指定することにより針配置軌道を規定することが可能である。このソフトウェアは、任意の面に沿ったプランニング画像の断面を表示し、医師がマウスでクリックすることによりそれらの点を指定するのを可能にする。軌道が規定されると、この軌道に沿った面で３Ｄ画像がリスライスされ、それにより医師は、この経路の周囲において有意な構造物または障害物を見つけることが可能となる（図３ａ〜図３ｄ）。この規定された軌道は、ロボット制御サーバに転送される。しかし、アクチュエータを移動させるための最終決定は、好ましくはガントリのそばに立っている医師によりなされ、アクチュエータは、医師がフットスイッチを押した場合にのみ作動され得る。

デバイス−画像間レジストレーション。このソフトウェアは、画像座標系にデバイスを位置合わせするために較正画像内においてデバイスに埋設されたマーカーを自動検出することが可能である。基準マーカーを検出および位置合わせする本発明の一実施形態のアルゴリズムの詳細は、以下の章において説明される。デバイスが位置合わせされると、ソフトウェアは、画像上にデバイスのモデルおよびそのアクセス可能範囲を重畳し、それによりオペレータは、全てのターゲットが範囲内にあることを確認することが可能となる（図３ａ〜図３ｄ）。線形変換行列は、例えばＯｐｅｎＩＧＴＬｉｎｋ ｐｒｏｔｏｃｏｌ（Ｔｏｋｕｄａ ２００９）などを利用してネットワークを介してロボット制御サーバに転送される。

プローブ配置のモニタリングおよび確認。このソフトウェアは、手技中にいつでも３Ｄモデルが画像に重畳された状態でデバイスの現位置および現配向を視覚化するために使用され得る（図３ｂ）。さらに、このソフトウェアは、プランニングされた軌道およびターゲットと共に患者に挿入されたプローブを示す確認画像を表示することも可能である（図３ｃ）。それらの特徴により、医師は、デバイスをモニタリングしプローブ配置を確認することが可能となる。

論理制御層
論理制御層（ＬＣＬ）２０６は、システムの中間層に位置し、ナビゲーションソフトウェア２００および低レベル物理制御層（ＰＣＬ）２０８に接続する。この層２０２は、デバイスのハードウェアおよび運動学的構造をカプセル化し、デバイス非依存アプリケーションプログラムインターフェース（ＡＰＩ）を上位層に提供することが可能である。したがって、ＬＣＬ２０６は、以下のサブコンポーネントから構成される。

上位層へのＴＣＰ／ＩＰネットワークインターフェース。このインターフェースを介して、ＬＣＬは、ターゲット位置を含む上方層からハードウェアへの命令を受信し、針ガイドの現位置を含む上位層へのハードウェアの現状態とデバイスの状態とを供給する。また、ＬＣＬは、上位層に運動学演算（以下の運動学エンジンを参照）の結果として必要とされる針挿入深さを供給する。このインターフェースの独自の特徴は、ＬＣＬが、上位層に基準フレームの構成を供給する点であり、基準ベースのデバイス−画像間レジストレーションは、上位層がハードウェアから独立した状態に維持されつつ実施される。この実施形態のネットワークインターフェースは、ＯｐｅｎＩＧＴＬｉｎｋ ｐｒｏｔｏｃｏｌ（Ｔｏｋｕｄａ ２００９）に適合性を有し、したがってＯｐｅｎＩＧＴＬｉｎｋに適合可能な事実上全てのソフトウェアと通信し得る。

運動学エンジン。次いで、上位層から受信したハードウェア非依存命令は、針ガイドデバイスの運動学に基づき個々のアクチュエータのターゲット位置へと平行移動され、ＰＣＬに送信され得る。他方で、ＰＣＩから受信したこの実施形態における個々のアクチュエータの現位置は、針ガイドの位置および配向に平行移動され、上位層に送信される。

下位層へのシリアルインターフェース。ＬＣＬは、ユニバーサルシリアルバス（ＵＳＢ）を介して下位層サブコンポーネントと通信する。この例示のインターフェースを介して、個々のアクチュエータのターゲット位置および他のデバイス固有命令が、ＰＣＬ２０８に送信される一方で、デバイスの現状態および個々のアクチュエータのエンコーダ読取値が、ＬＣＤに送信される。このインターフェースを介して交換される情報は、運動学構造に依存するが、物理ハードウェア（例えばモータドライバおよびエンコーダ）には依存しない。

物理制御層
物理制御層（ＰＣＬ）２０８の役割は、物理入出力（Ｉ／Ｏ）からは独立しているが運動学構造には依存するインターフェースを提供することである。いくつかの実施形態では、ＰＣＩは、デバイス制御サーバとの通信のためのＵＳＢインターフェースと、エンコーダおよびフットスイッチから入力を読み取りモータドライバに個々のモータの目標速度を与えるためのデジタル入出力インターフェースとを備えたＬｉｎｕｘベース組み込み型コンピュータ上で動作する。コントローラが個々のアクチュエータのターゲット位置を受信すると、コントローラは、個々のモータの閉ループＰＩＤ制御を実施して指定位置に２つのリングを位置決めする。任意には、このプロセス中にわたり、ＰＣＬは、リングの現位置および他のデバイス状態の送信をし続けることが可能である。

ＩＩＩ．基準フレーム
基準フレームは、複数の基準マーカーを含む。マーカーは、全てが球状マーカーであるなど、いずれも同一の形状およびサイズであってもよく、または基準フレームは、様々なサイズおよび／または形状を有する基準マーカーを含んでもよい。基準フレーム内における基準マーカーの配置は、リング形状であるか、または２つ以上のクラスタ状であるかのいずれかである。リング形状に配置される場合には、基準マーカーは、非対称的に構成される。クラスタ状に構成される場合には、クラスタはそれぞれ、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを有する。クラスタが、方向性を有する場合には、クラスタの方向性によりクラスタが６自由度（６ＤＯＦ）内で固定され得るように、少なくとも１つのクラスタが存在しなければならない。クラスタが６ＤＯＦ未満のみで固定され得る方向性を有するクラスタの場合には、少なくとも２つのクラスタが存在しなければならない。クラスタが方向性を有さない場合には、少なくとも３つのクラスタが存在しなければならない。いくつかの実施形態では、２つ、３つ、４つ、５つ、６つ、７つ、８つ、９つ、または１０個のクラスタが存在する。医用デバイスが４つの隅部を有するいくつかの実施形態では、デバイスの隅部にほぼ位置決めされた４つのクラスタが存在する。

いくつかの実施形態では、クラスタ内の全ての基準マーカーが、同一平面内に位置する。これらのクラスタは、異なるクラスタ内の基準マーカーと同一個数を有する必要はない。クラスタごとに１つ、２つ、３つ、４つ、５つ、６つ、７つ、８つ、９つ、１０個、１１個、１２個、１３個、１４個、１５個、またはそれ以上の基準マーカーが存在してもよい。クラスタごとの基準マーカーの最大個数およびさらにはクラスタの最大個数は、医用デバイスのサイズに対する基準マーカーおよびクラスタの相対サイズによって限定される（例えばマッチ箱サイズのオブジェクトは多数のビー玉サイズのクラスタを現実的には有さない、なぜならばこれによりオブジェクトが過度に不恰好になるからである）。クラスタの個数は、医用デバイスにとって必要とされる所望のレジストレーション精度に基づき選択されることが可能であり、クラスタ個数がより多い程より高い精度が得られる。いくつかの実施形態では、特に種々の形状の基準マーカーが使用される実施形態では、複数の球状基準マーカーが使用される。

いくつかの実施形態では、医用デバイスまたは医用デバイスの一部が、構成可能クラスタを可能にするように製造される。例えば、医用デバイスが、デバイスのリングの周囲または各エッジにて均等またはランダムに離間された複数のディボットまたは穴を有してもよい。次いで、デバイスのレジストレーションが必要とされる場合に、基準マーカーが、これらのディボットまたは穴のいずれかの中に配置される（穴の場合には、基準マーカーは穴に嵌入するピン形状突出部を有し得る。医用デバイスに対して基準マーカーを取外し可能に固定する他のフォーマットもまた予期される）。基準マーカーの個数および生成されるクラスタの個数は、特定の用途に必要とされる所要のレジストレーション品質に基づき規定され得る。図４ａは、リング形状を有する基準フレームと非対称構成の基準マーカーとの例示の実装形態であり、医用デバイスのリング形状部分により構成可能クラスタもまた可能となる。このフレームは、円形テンプレートに装着された１０個の同一の円筒形状液体容器から構成され、テンプレートは、１１０ｍｍの直径を有する円に沿って６度ごとの位置に６０個の穴を有して、異なるマーカー構成を可能にする。各液体容器は、３Ｄプリントにより製造され、１０ｍｍの直径を有する球状空洞を有し、ガドリニウム−ジエチレントリアミン五酢酸（Ｇｄ−ＤＴＰＡ）溶液で充填される。この溶液がＴ₁−強調ＭＲ画像上で明るい球状オブジェクトとして現れることにより、充填された容器はマーカーとして機能する。図４ｂは、円に対して平行な面に沿ったフレームと、本明細書において説明されるマーカー検出アルゴリズムにより検出されたマーカーの中心点とのＭＲ画像である。図４ｃは、針ガイドデバイス、球状マーカー、および検出された中心点のモデルの３Ｄ表現である。

球状基準マーカー
本明細書で説明される本発明の一実施形態は、球状基準マーカーの使用を含む。本実施形態のためのアルゴリズムは、特定の直径ｄ_Mを有する各基準マーカーの球形状と、基準マーカーの円形構成（例えばリング形状）とに依存する。これは、図５ａおよび図５ｂに例示される。球形状画像日付は、画像処理により容易に検出され得る。また、球状マーカーは、容易に製造され得る。例示の球状基準マーカーは、Ｇｄ−ＤＴＰＡ溶液で充填された３Ｄプリントされた球状液体容器である。

球状マーカーは、所定の直径Ｄ_Fを有する２Ｄ円内に配列されるが、この構成が非対称になるように不規則に離間され、すなわち基準フレームは、中心の周囲で回転および／または円を反転させた後には同様に見えることはない。基準座標枠の原点が円の中心に規定され、そのｚ軸が円に対して垂直であることを前提とすると、第ｉのマーカーの座標は、以下のように定義され得る。
ここで、Ｎ_Mは、球状マーカーの個数である。

非対称要件を達成するための簡単な方法は、以下の条件を満たすことである。
δ_i≠δ_j （０≦ｉ＜ｊ≦Ｎ_M）
ここで、δ_iは、円の中心の周囲におけるマークｉとｉ＋１との間の角度である。
δ_i＝θ_i+1−θ_i （１＜ｉ＜Ｎ_M−１）
δ_N＝２π−θ_N

いくつかの実施形態のための基準マーカーは、球状であるが、この用語は、完全な球形を示すことを意図されない。そうではなく、球形状における誤差量は、以下において本明細書で説明されるように球形状を有しオブジェクトの強調を適用するものとして基準マーカーを定義するアルゴリズムの機能を損なうのに十分な大きさであるべきではない。

検出されたマーカーのクラスタリングおよびクラスタの識別
我々の基準ベースレジストレーション方式は、各基準マーカーがトモグラフィ画像内で視認可能であり、本明細書で説明されるように容易に強調および検出され得る球形状を有することを要件とする。これらの球状マーカーは、少なくとも３つのクラスタを形成するように構成される。クラスタリングを単純化するために、同一クラスタ内の任意の所与の２つのマーカー間の距離がＬ_C以下となり、一方で異なるクラスタ内のマーカー間の距離がＬ_Cｍｍ超となるように、クラスタが定義される。第ｉのクラスタ内の第ｊのマーカーの位置をｐ_ijとした場合には、

｜｜ｐ_ij−ｐ_kl｜｜≦Ｌｃ，ここでｉ＝ｋ

｜｜ｐ_ij−ｐ_kl｜｜＞Ｌｃ，ここでｉ≠ｋ （１）

各クラスタ内の基準マーカーの個数は、他と重複せず、そのためクラスタは、クラスタ内で識別されるマーカーを計数することにより容易に識別され得る。

検出された基準マーカーをクラスタリングするために数式（１）で定義される基準マーカーの構成に関する予備知識。クラスタの個数をＮ_Cとし、同一クラスタ内の点間の最大距離をＬ_Cとした場合に、検出される点ｐ₁，ｐ₂，・・・，ｐ_nは、以下のステップでＣ₁、・・・、Ｃ_NCへとクラスタリングされる。
１．Ｃ₁にｐ₁を割り当て、現点の指数をｉ＝２とする。
２．ｐ_iと各クラスタの第１の点との間の距離を計算する（第１の点が既に割り当てられている場合）。ｐ_iとクラスタＣ_jの第１の点との間の距離がＬｃ未満である場合には、Ｃ_jにｐ_iを割り当てる。いずれのクラスタもｐ_iからＬ_C内に位置する第１の点を有さない場合には、いずれの点もまだ割り当てられていないクラスタの中の１つにｐ_iを割り当てる。
３．ｉを１だけ増加させる。ｉ≦ｎの場合には、ステップ２を繰り返す。
これらのステップの終了までに、全ての点がクラスタＣ₁、・・・、Ｃ_NCへと割り当てられているものとする。

各クラスタが他と重複しない基準マーカーの個数を有するように基準マーカーが構成されていることにより、各クラスタは、クラスタに割り当てられた点の個数に基づき識別され得る。

代替的には、クラスタ分析で使用される他の周知のクラスタリングアルゴリズムが使用されてもよい。例えば、階層的クラスタリングまたはｋ平均クラスタリングが利用され得る。階層的クラスタリングでは、アルゴリズムは、１つの点を有するクラスタから開始され、クラスタの個数が所定の個数になるまでクラスタ間の距離同士の間の距離に基づきそれらのクラスタを漸進的に結合する。ｋ平均クラスタリングは、「クラスタ内距離二乗和」が最小になるように検出された点を所与の個数のクラスタに分割する。クラスタ内二乗和は各クラスタ内の各点と最も近い点平均との間の距離の二乗和として定義される。

基準マーカーのクラスタリング
いくつかの実施形態では、医用デバイスで使用される基準フレームは、クラスタリングされた基準マーカーを備える。１つ、２つ、３つ、４つ、５つ、６つ、７つ、８つ、またはそれ以上のクラスタが存在してもよい。各クラスタは、各クラスタが異なる個数の基準マーカー、異なるサイズの基準マーカー、異なる形状の基準マーカー、異なる構成でクラスタ内に配置された基準マーカー、または異なる材料特性を有する基準マーカーを有するため、各他のクラスタと識別可能である。

クラスタは、種々の個数の基準マーカーを含み得る。図６ａに例示するように、基準フレームは、各クラスタが異なる個数（２つ、３つ、および４つ）の基準マーカーを有する３つの異なるクラスタを有する。クラスタが、単一の基準マーカーを含んでもよく、または２つ、３つ、４つ、５つ、６つ、７つ、８つ、またはそれ以上の基準マーカーを含んでもよい。この個数は、基準物が配置される医用デバイスと比較した場合の基準物の相対サイズのみによって制限される。

クラスタは、種々のサイズの基準物を含み得る。図６ｂに例示するように、基準フレームは、２つのクラスタが小さな基準マーカーを有し、２つのクラスタがより大きな基準マーカーを有する４つの異なるクラスタを有する。複数サイズの基準マーカーが使用される場合に、基準マーカーは、画像データ内で明確に識別されるのに十分に異なるサイズを有さなければならない。

クラスタは、種々の形状の基準物を含み得る。図６ｃに例示するように、基準フレームは、基準物の形状が球体、楕円体（偏球体、長球体、もしくは三軸楕円体）、円筒体、または管（例えばリング、螺旋等を形成する）である４つの異なるクラスタを有する。いくつかの実施形態では、長いまたは短いものを含む異なる形状の円筒体が、別個の形状として使用され得る。

クラスタは、異なる構成で配置され得る。図６ｄに例示するように、基準フレームごとに３つの球状基準マーカーを有する３つのクラスタが示される。この図では、１つのクラスタの基準物は、正三角形を形成する一方で、他のクラスタの基準物は、鋭角三角形および鈍角三角形を形成する。個々の構成が、幾何学形状を形成する必要はなく、代替的にランダムであることが可能である。しかし、クラスタは、個々のクラスタが相互に識別され得るように構成された基準マーカーを有さなければならない。

クラスタは、基準マーカーオブジェクトがＭＲＩ画像または強調ＭＲＩ画像内で識別可能になるように異なる材料特性を有する基準物を含み得る。例えば、別個のＭＲＩ造影剤または別個のＭＲＩ造影剤濃度が、基準物を生成するために使用されてもよい。

いくつかの実施形態では、クラスタは、これらの相違の中の２つ以上を含んでもよい。例えば、いくつかのクラスタが、異なるサイズの基準マーカーを有し、他のクラスタが、異なる形状の基準マーカーを有することが可能である。

ＩＶ．基準マーカーの検出
特徴強調
以下のステップにおける特徴抽出によるマーカー検出成功率を改善するために、球状マーカーの形状を用いて画像オブジェクトを強調することができる。特徴強調を実施する方法は多数存在する。画像オブジェクトの強調のための１つの共通するアプローチは、微分ベース演算であり、隣接し合うボクセルの一次空間導関数または二次空間導関数が、画像の特定の特徴を強調または除去するために計算される。

いくつかの実施形態では、特徴強調は、いわゆるキャニーエッジ検出と呼ばれる微分ベース演算であり（Ｃａｎｎｙ，Ｊ、「Ａ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ａｐｐｒｏａｃｈ Ｔｏ Ｅｄｇｅ Ｄｅｔｅｃｔｉｏｎ」ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ、８（６）：６７９〜６９８頁、１９８６年）、ガウス一次導関数が、画像上のオブジェクトのエッジを抽出するために各ボクセルにて計算される。キャニーエッジ検出後に、画像上のあらゆる形状が、輪郭処理され、したがって特定形状の検出のために以下のステップで検討され得る。

いくつかの実施形態では、特徴強調は、Ｆｒａｎｇｉにより提案されたフィルタである微分ベース演算である（Ｆｒａｎｇｉ ＡＦら、「Ｍｅｄ． Ｉｍａｇｅ Ｃｏｍｐｕｔ．Ｃｏｍｐｕｔ．Ｉｎｔｅｒｖ」（ＭＩＣＣＡＩ’９８）、Ｌｅｃｔ．Ｎｏｔｅｓ Ｃｏｍｐｕｔ．Ｓｃｉ．Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ；１９９８年、１３０−１３７頁）。これは、ＳａｔｏらおよびＬｏｒｅｎｚらにより提案された「ヴェッセルネスフィルタ（vesselness filter）」の一般化形態であり、ヘシアン行列の固有値に基づきグレースケール画像中の各領域に管状構造物、板状構造物、または小球状構造物が存在する可能性を判定する（Ｙ．Ｓａｔｏら「Ｐｒｏｃ． ＣＶＲＭｅｄ−ＭＲＣＡＳ’９７，ＬＮＣＳ」２１３〜２２２頁、１９９７年；Ｃ．Ｌｏｒｅｎｚら「Ｐｒｏｃ．ＣＶＲＭｅｄ−ＭＲＣＡＳ’９７，ＬＮＣＳ」２３３〜２４２頁、１９９７年）。「ヴェッセルネス」関数は、以下のように定義された。
ここで、ｓは、所与の位置ｘにおける元画像のヘシアン行列のスケールであり、λ₁、λ₂、およびλ₃は、ヘシアン行列の第１の固有値、第２の固有値、および第３の固有値であり（｜λ₁｜≦｜λ₂｜≦｜λ₃｜）、Ｓは、フロベニウス行列ノルム
であり、
である。

α、β、およびｃは、測定の感度Ｒ_A、Ｒ_B、およびＳを制御するしきい値である。ヴェッセルネス関数Ｖ₀（ｓ）に応答する構造物の形状およびコントラストは、固有値間の関係に依存する。例えば、Ｖ₀（ｓ）は、｜λ₁｜≒０、｜λ₁｜＜＜｜λ₂｜、λ₂≒λ₃、λ₂＞０、およびλ₃＞０である場合に明るい管状構造物を強調する。関数Ｖ₀（ｓ）に応答する構造物のサイズは、スケールパラメータｓに依存する。

これらの実施形態の一実現例は、Ｉｎｓｉｇｈｔ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｔｏｏｌｋｉｔ（ＩＴＫ）におけるＣ＋＋クラスとしてＡｎｔｉｇａ（Ａｎｔｉｇａ ２００８）により実現されたＦｒａｎｇｉアプローチを利用する。この実現例では、Ｒ_AおよびＲ_Bは、Ｎ次元画像内のＭ次元構造物として上述の構造物を処理するようにさらに一般化された（すなわち小球はＭ＝０、管はＭ＝１、および板はＭ＝２）。

球状マーカーがフレーム内で使用される場合には、ヴェッセルネス関数は、明るい球状構造物を強調するためにＭ＝０を用いて基準フレームの画像に適用される。管状マーカーがフレーム内で使用される場合には、ヴェッセルネス関数は、それらのマーカーを強調するためにＭ＝１を用いて適用される。

いくつかの実施形態では、基準マーカーオブジェクトは、特徴強調演算を適用するステップを伴わずに検出される。特徴強調演算を適用するステップおよび他のオブジェクト強調ステップは、特徴抽出のロバストネスを上昇させるために利用される。しかし、いくつかの実施形態では、ロバストネスのかかる上昇は不要である。かかる実施形態では、特徴抽出アルゴリズムが、このステップを行うことなく他のオブジェクトからマーカーを識別することが可能であり得る。したがって、いくつかの実施形態では、画像データ内の基準マーカーオブジェクトを検出するステップは、基準マーカーオブジェクトを抽出するために特徴抽出を適用することと、各基準マーカーオブジェクトまたは基準マーカーオブジェクトの各クラスタについて代表点を規定することとを含むことが予期される。

特徴抽出
次に、いくつかの形状の基準マーカーを有する画像オブジェクトが、形状ベース特徴抽出を利用して検出される。

特徴抽出の一例は、しきい値処理であり、所与の強度範囲内のボクセルのみがオブジェクトとして抽出される。このアプローチは、マーカーオブジェクト内のボクセルの強度範囲が既知であるか、または任意の他のオブジェクトよりも高いボクセル強度をマーカーが示すと想定することが可能である場合には有用である。

特徴抽出の別の例は、テンプレートマッチングである。このアプローチでは、テンプレート画像と呼ばれるターゲット形状の小画像が使用される。テンプレート画像と所与の画像との間の画像類似度が、各点にて評価された。高い類似度を有する点は、検出特徴中心として識別される。

特徴抽出の別の例は、ハフ変換である。特徴抽出の一例が、ハフ変換である。したがって、いくつかの実施形態では、ヴェッセルネス関数により強調されるオブジェクト構造物は、次いでハフ変換アルゴリズムにより検出される（Ｄｕｄａ ＲＯ、Ｈａｒｔ ＰＥ「Ｃｏｍｍ．ＡＣＭ」１９７２年、１５：１１〜１５頁）。ハフ変換アルゴリズムは、直線、円、および楕円などのパラメータセットにより表される特定形状を用いて画像オブジェクトを抽出するために広く利用される。このアルゴリズムは、３Ｄ画像内の球状オブジェクトの検出に適用され得る。

球状オブジェクトの場合に、球体の表面は、以下のようにパラメータ化され得る。
（ｘ−ａ）²＋（ｙ−ｂ）²＋（ｚ−ｃ）²＝ｒ² （７）

ここで、ａ、ｂ、ｃ、およびｒは、３Ｄ画像中の球体のサイズおよび位置を規定するパラメータである。ハフ変換アルゴリズムの第１のステップは、いわゆる「アキュムレータ空間」を利用した投票手続きである。球状オブジェクトの検出におけるアキュムレータ空間の次元は、４であり、アキュムレータ空間上の各点は、元画像中の球状オブジェクトに対応する。投票手続きでは、アルゴリズムは、元画像中の候補オブジェクト（すなわち、高濃度エリア）内の各点を検討し、所与の点を含む表面を有する球体の全てのパラメータセット（ａ，ｂ，ｃ，ｒ）を計算する。次いで、各パラメータセットは、「投票」のためにアキュムレータ空間中に点としてマッピングされる。したがって、アキュムレータ空間上の（ａ，ｂ，ｃ，ｒ）におけるこれらの点の濃度は、全ての点が検討された後に、（ａ，ｂ，ｃ，ｒ）を所与とする球体表面が元画像上に高濃度エリアを含む可能性を表し、アキュムレータ画像上の高濃度点に対応する球体は、検出すべきオブジェクトである可能性が高い。我々の基準マーカー検出では、ｒをｒ＝ｄ_M／２に制約した。ハフ変換後に、各球状オブジェクトごとの質量中心位置が計算される。

ハフ変換は、オブジェクトがパラメータにより表され得る分析形状を有する他の実施形態で使用することが可能である。楕円形、円筒形、または他の形状を含む分析形状の例が使用されることにより、オブジェクトの表面は、球体に対して記述されるものと同様にパラメータ化され得る。当然ながら、いくつかのかかるオブジェクトについては、使用されるパラメータの個数は、３Ｄ画像中のオブジェクトのサイズおよび位置を特に記述するために増加されなければならない。

代表点の規定
各オブジェクトまたはクラスタごとに、代表点が決定される。この代表点は、質量中心であり得る。代表点を規定する他の方法は、例えば各基準マーカーオブジェクトの最上点を選択する、焦点を計算する、頂点（例えば円錐の）を計算する、または同様の方法などである。かかる方法は、当技術において一般的に知られている。

Ｖ．基準マーカーの位置合わせ
基準マーカーレジストレーションプロセスのこの実施形態で論じられる最後のステップは、検出されたマーカーにマーカーのモデルをマッチングすることである。このステップは、４つのサブステップ、すなわち、１）検出されたマーカーに二次元平面をフィッティングし、２）検出されたマーカーが位置合わせされる円を推定し、３）推定された円にモデル円をマッチングし、４）モデルおよび検出されたマーカーをマッチングする回転を見つけることから構成される（図７）。第１のサブステップは、主成分分析（ＰＣＡ）により達成される。ＰＣＡは、最大分散が第１の軸に沿って現れ、２番目に大きな分散が第２の軸に沿って現れ、最小分散が第３の軸に沿って現れる新たな座標系に点を変換する。したがって、点に対してフィッティングされる面は、新たな座標系により規定される。検出されたマーカーの座標は、Ｘ＝（ｘ₁，ｘ₂，・・・，ｘ_N）とする。主成分分解は、３×３行列Ｗを利用して求められ得る。
ここで、Ｔは、新たな空間に変換されたマーカーの座標を表すＮ×３行列であり、
である。Ｗの第ｋの列は、
の第ｋの固有ベクトルに対応し、これは新たな座標空間内における第ｋの軸に対する法線ベクトルを表す。第３の軸が、最小分散を有するため、全てのマーカーは、第１の軸および第２の軸により規定される面内に位置する。

マーカーの中心は、円上の３つの異なる点により規定される２つの弦の垂直二等分線の交差により推定され得る。我々の実現例では、全ての_NＣ₃点組合せから計算される二等分線は、マーカーの中心を推定するために平均化される。３つのマーカーが検出されたマーカーＰ₁、Ｐ₂、およびＰ₃から選択されるとすると、Ｍ₁₂およびＭ₂₃により表されるＰ₁Ｐ₂およびＰ₂Ｐ₃の二等分点は、
ｍ₁₂＝（ｐ₁＋ｐ₂）／２
ｍ₂₃＝（ｐ₂＋ｐ₃）／２
により求めることが可能となり、ここでｐ₁、ｐ₂、およびｐ₃は、Ｐ₁、Ｐ₂、およびＰ₃の二次元位置ベクトルである。Ｐ₁Ｐ₂およびＰ₂Ｐ₃の垂直二等分線に関する法線ベクトルは、
ｎ₁₂＝Ｒ₉₀°ｖ₁₂
ｎ₂₃＝Ｒ₉₀°ｖ₂₃
であり、ここで、
ｖ₁₂＝ｐ₂−ｐ₁であり、ｖ₂₃＝ｐ₃−ｐ₂であり、Ｒ₉₀°は、ｘ原点を中心とした９０度の反時計回り回転である。
Ｈ₁₂により表される垂直二等分線Ｐ₁Ｐ₂上へのＭ₁の投影は、
ｈ₁₂＝ｍ₁₂＋｛（ｍ₂₃−ｍ₁₂）・ｎ₁₂｝・ｎ₁₂
により計算される。

２つの垂直二等分線の交差Ｃは、スケーラパラメータａを使用して繰り返され得る。
ｃ＝ｍ₂₃＋ａ・ｎ₂₃

Ｍ₂Ｈに対するＣの投影は、Ｈでなければならないため、

この関係を利用して、スケーラパラメータａは、
として計算され得る。

したがって、
となる。

検出されたマーカーにモデル内の円をフィッティングする変換は、
Ｔ_c+（ｐ）＝Ｒ_C+・ｐ＋ｃ
であり、ここで、Ｒ₊＝（ｗ₁ ^T、ｗ₂ ^T、ｗ₃ ^T）である。また、円は、反転（またはｘ軸またはｙ軸を中心とした１８０度の回転）の後にモデルにフィッティングされ得る。この場合に、変換は、
Ｔ_c-（ｐ）＝Ｒ_C-・ｐ＋ｃ＝Ｒ_C+・Ｒ_x,180°・ｐ＋ｃ
であり、ここで、Ｒ_x,180°は、ｘ軸を中心とした１８０度の反時計回り回転である。

最終ステップは、変換Ｔ_c+またはＴ_c-後に検出されたマーカーに対して全てのモデルマーカーをフィッティングする円の軸を中心とした回転を見つけることである。ｚ軸を中心とする回転角度をθとすると、最終変換は、
Ｔθ（ｐ）＝Ｒ_C・Ｒ_z（θ）・ｐ＋ｃ
として記述することが可能であり、ここで、
Ｒ_C＝Ｒ_C+またはＲ_C＝Ｒ_C-＝Ｒ_C+・Ｒ_x,180°
である。

我々は、適合度を変換されたモデルマーカーと検出されたマーカーとの間の最も近い点の平均二乗距離として定義した。

この適合度を利用して、我々の問題は、
として記述することが可能となる。

θは、連続パラメータである場合に、我々は、変換されたモデルマーカーの中の１つが検出されたマーカーの中の１つに常にマッチングすると想定することによって探索空間を限定することが可能となる。第１の検出されたマーカーに対して第１のモデルマーカーをマッチングするためには、
ｑ_l＝Ｔθ_1,l（ｐ₁）＝Ｒ_C・Ｒ_Z（θ_1,l）・ｐ₁＋ｃ
Ｒ_Z（θ_1,l）・ｐ₁＝Ｒ_C ^-1（ｑ_l−ｃ）

したがって、θ_1,lは、ｐ₁と
ｑ_l ^'＝Ｒ_C ^-1（ｑ_l−ｃ）との間の回転角度である。θ_1,lを利用することにより、適合度Ｅを最小限に抑えるθは、
として記述し直すことが可能となる。

最後に、レジストレーション変換は、Ｔθ（ｐ）に解θを代入することにより計算され得る。

現実世界における用途では、マーカーの検出および後の処理ステップにおいてエラーが存在する。マーカー検出エラーの影響を最小限に抑えるために、レジストレーション行列は、Ｔθ（ｐ）により規定されるモデルと検出されたマーカーとの間におけるマーカー同士の対応に基づくポイントツーポイントレジストレーションによってさらに最適化される。

検出された基準マーカーに対する基準マーカーモデルのレジストレーションは、レジストレーションの初期推定のためのクラスタ間マッチングと、推定されたレジストレーションの洗練のためのポイントツーポイントマッチングとからなる。クラスタ間マッチングの場合には、各クラスタの基準マーカーの平均位置が、基準マーカーモデルおよび検出された基準マーカーの両方について計算される。モデルおよび検出された基準マーカーの平均位置は、ポイントツーポイントレジストレーションアルゴリズムを使用してマッチングされる。ポイントツーポイントレジストレーションは、レジストレーション行列の初期推定をもたらす。モデル内のクラスタおよび検出された基準マーカーがマッチングされると、個々のマーカーは、反復最近接点（ＩＣＰ）アルゴリズムを利用してマッチングされる。ＩＣＰが、モデルマーカーと検出された基準マーカーとの間の距離を最小限に抑えつつそれらの中の点をマッチングすることにより、マーカーは、個別に識別される必要がなくなる。

ＶＩ．用途
本明細書で説明されるような基準マーカー、システム、および方法の適用は、二重リング針ガイドデバイスを使用することで適用可能となる。米国特許出願公開第２０１４／０２７５９７９号に記載されるように、２自由度ＲＣＭ運動は、二重リング機構により実現され、この機構は、固定角度で連結された２つのリング形状回転ステージからなる。これらのリング形状ステージは、超音波アクチュエータなどのモータにより手動的に回転または駆動され得る。２つのステージを個別に回転させることにより、遠隔中心の周囲において２方向に針ガイドを回転させることが可能となる。また、これらのステージは、ＰＩＤ制御のための内蔵エンコーダを有する。下方回転ステージおよび上方回転ステージの目標角度θ₁およびθ₂は、以下により計算され得る。
ここで、ｒは、上方回転ステージの半径であり、ｐ_tは、目標位置であり、ｐ_nは、上方回転ステージおよび針ガイド軸の交差点であり、ｐ_vは、上方回転ステージおよび下方リングの軸の交差点である。ｘ_nおよびｙ_nは、ｐ_nのｘ要素およびｙ要素である。針ガイドの入口からの針挿入深さは、
ｄ＝｜ｐ_n−ｐ_t｜ （３）

臨床ワークフロー
上述の二重リングデバイスを使用した一例の臨床ワークフローを説明する。この実施形態では、二重リングデバイスの能動的２自由度機構が、所与の皮膚進入点の周囲において受動的針ガイドを傾斜させることにより、患者の３Ｄ術中画像上で識別される病巣への経路に針を位置合わせする。ＭＲＩガイダンスの下でターゲットの病巣にアブレーションプローブを導入するための臨床ワークフローが提示される。患者は、手技の最中にわたって手術台上に留まることが可能であり、画像が取得される場合にのみスキャナのガントリ内に移動され、他のステップはガントリ外部で実施され得る点に留意されたい。
１．第１の三次元（３Ｄ）画像（プランニング画像）が取得され、ナビゲーションソフトウェアに転送される。
２．進入点およびターゲット点が、ナビゲーションソフトウェア上で規定される。
３．針ガイドデバイスが、その遠隔運動中心（ＲＣＭ）点が既定の進入点に対して与えられるように患者の身体上に取り付けられる。
４．第２の３Ｄ画像（較正画像）が取得され、ナビゲーションソフトウェアに転送される。
５．ナビゲーションソフトウェアが、デバイスに装着された基準マーカーを自動的に検出および位置特定する。
６．ナビゲーションソフトウェアは、コントローラが画像システムからデバイス座標系にターゲット座標を送信し得るように、デバイスコントローラにデバイスと画像座標系との間の空間関係を送信する。
７．ナビゲーションソフトウェアが、デバイスコントローラにターゲット点および進入点の座標を送信する。
８．デバイスコントローラが、アクチュエータを駆動して指定された軌道へと針ガイドを位置合わせさせる。
９．医師が、ガイドを使用してターゲットに向かってプローブを挿入する。このターゲットに向ける行為は、手動または自動のいずれかによる。
１０．３Ｄ画像（確認画像）が、プローブ配置を確認するために取得される。
１１．ステップ９および１０が、複数のプローブが適切に配置されるまで繰り返され得る。

プローブが、プランニングされた位置に配置されると、冷凍アブレーションが実施される。ターゲットの腫瘍に関する凍結組織の度合いは、凍結融解サイクル全体を通じて取得されるＭＲ画像によりモニタリングされる。

本明細書に提示されるシステムおよび方法は、米国特許出願公開第２０１４／０２７５９７９号に記載されている二重リング機構を有するＭＲＩ比較可能な身体取付け式針ガイドデバイスとの組合せにおいて説明される。この出願公開は、参照によりその全体が本明細書に組み込まれる。しかし、本明細書で説明されるようなシステムおよび方法は、任意の断層撮影との組合せにおいて使用される任意の医用デバイスと共に使用され得る。

デバイス−画像間レジストレーション
シミュレーション実験および撮像実験を利用することにより我々のレジストレーションアルゴリズムを試験した。目的は、種々のデバイス位置および配向、空間分解能、信号対雑音比（ＳＮＲ）、および基準マーカーの構成を含む、様々な撮像条件下において提案するレジストレーション方法の精度、速度、およびロバストネスを評価することである。

シミュレーション
αおよびγの平行移動パラメータ（−π，π）とβの平行移動パラメータ（−π／２，π／２）とに対して、３つの平行移動パラメータ（ｘ，ｙ，ｚ）と（−１５０ｍｍ，１５０ｍｍ）の範囲を有するオイラー角（α，β，γ）とを生成することによって、ランダム剛体変換を生成した。この変換の行列表現は、
Ｔ＝Ｒｐ＋ｔ
であり、ここでｔ＝（ｘ，ｙ，ｚ）であり、
である。

次いで、ランダム剛体変換を、基準マーカーのモデルとして設定した点に適用した。次いで、変換基準マーカーの合成３Ｄラスタ画像が、変換点セットから所与の空間分解能を有する３Ｄ画像中でレンダリングされる。このレンダリングステップにおいて、マーカーの境界におけるボクセルの信号強度を計算するために部分容積効果を考慮した。部分容積効果は、ボクセルサイズよりも小さな精度を実現するためにレジストレーションアルゴリズムにとって非常に重要である。最後に、シミュレーションされた基準画像が、合成３Ｄ画像に可変標準偏差を有するガウス雑音等の雑音を加えることにより生成される。シミュレーションされた基準マーカーが生成されると、画像にデバイス−画像間レジストレーションを適用することにより基準フレームの変換を推定した。推定された変換を、合成画像を生成するために使用される元の変換と比較した。

撮像実験
また、人体模型のＭＲ画像を使用してレジストレーションアルゴリズムを評価した。ガントリ内の既知の位置および配向にてデバイスおよび基準マーカーを配置することが可能なステージを生成した。各位置および配向にて三次元ＭＲ画像を取得し、デバイスの位置および配向を推定するために提案するアルゴリズムを使用してデバイス−画像間レジストレーションを実施し、次いでそれらの推定値をステージにより与えられる位置および配向と比較した。ボディマトリクスコイルおよびマルチスライスＴ２強調Ｈａｌｆ−Ｆｏｕｒｉｅｒ Ａｃｑｕｉｓｉｔｉｏｎ Ｓｉｎｇｌｅ−ｓｈｏｔ Ｔｕｒｂｏスピンエコー（ＨＡＳＴＥ）シーケンスを用いた３Ｔ ＭＲＩスキャナ（ＭＡＧＮＥＴＯＭ Ｖｅｒｉｏ、Ｓｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ、Ｅｒｌａｎｇｅｎ、Ｇｅｒｍａｎｙ）において画像を取得した。

患者の移動によるターゲット設定エラーを評価するためのシミュレーション
臨床手技中に想定され得るデバイスの変位を試験した。この移動は、腎臓のＭＲ誘導冷凍アブレーション中に取得される３Ｄ画像を使用することによる皮膚表面および内部器官の移動に起因し得る。これらの画像を、プローブ配置プロセスの最中に定期的に取得し、したがってこれらの画像によりそれらの構造物の変位が示される。皮膚上の進入点にて配置されている場合にデバイスの想定され得る位置および配向がどのようなものであったかを推定するために使用されるようなデバイス配置シミュレータである。

撮像プロトコル
デバイス−画像間レジストレーションの実証のために撮像調査と同一のスキャナを使用して全ての画像を取得した。本明細書で説明されるような一実施形態において、同一のボディマトリクスコイルおよびマルチスライス二次元ＭＲＩを使用してプローブ配置プロセスの最中にマルチスライスＴ２強調ＭＲ画像を取得した。

想定されるデバイス変位およびターゲット変位の推定
身体取付け式デバイスの具体的な１つの難点は、ロボットの位置および配向が、患者上に物理的に取り付けられるまで不明である点である。「臨床ワークフロー」の章で説明したように、デバイスは、プランニング画像を点検している間は患者の上に存在しない。この制約により、デバイスの誤配置が引き起こされる場合があり、ターゲットは、配置後にアクセス可能範囲外に位置することが判明する。デバイスが患者上にどのように配置されたかを医師が予想することが可能となるように、我々は、デバイスを患者上に物理的に取り付ける前にデバイスの想定され得る位置および配向を推定するために単純な方法を実施した。

我々の方法は、医師によりプランニングされる皮膚進入点と、手技の開始時に取得されるプランニング画像から生成される患者の３Ｄ表面モデルとに基づく。３Ｄ表面モデルを生成するために、画像内の患者の身体は、しきい値で画像を２値化処理することによりセグメント化される。次いで、セグメント化された身体の表面が、マーチングキューブアルゴリズムを使用して多角形モデルとして抽出される。表面モデルおよび皮膚進入点の座標を使用して、身体取付け式デバイスに接触する患者の身体エリアを推定する。この推定において、我々は、デバイスがベースのリング形状内方エッジにて皮膚に最も接触し、リング内のエリアはほぼ平坦面であると仮定する。これらの仮定の下で、デバイスの配向は、リング内の皮膚状のエリアにおける多角形の法線ベクトルにより近似化され得る。デバイスの位置は、配向を維持しつつ皮膚進入点にデバイスのＲＣＭをマッチングすることにより計算される。

各３Ｄ画像が、想定されるデバイス変位およびターゲット変位を推定するために分析される。患者の身体を、オープンソース医用画像計算ソフトウェアである３Ｄスライサを使用することにより手動的にセグメント化した。初めに、画像は、しきい値で２値化し、次いで描画ツールで編集した。セグメント化された画像は、ラベル画像として保存し、マーチングキューブアルゴリズムを使用して３Ｄ表面モデルに変換した。また、皮膚上のプローブ挿入点を、元の３Ｄ画像上で識別し、表面モデル上にマッピングした。プローブ挿入点および患者身体の３Ｄ表面モデルに基づき、前章で説明した方法を用いてデバイスの想定される位置および配向が推定される。

ターゲットの変位を、初期画像と異なる時点に取得された他の画像との間の腎臓領域の画像レジストレーションを利用して分析した。腎臓と共に移動されるターゲットの移動および腎臓の移動が剛体レジストレーションとして近似化されることを前提とした。これは、腎臓に焦点を当てるために、手動により大マーカーに考慮され、それによりマスクを生成しそのマスクを使用して２つの画像の類似度を評価する領域を制限した。剛体レジストレーションは、相互情報量の最大化に基づいた。同一手順における全ての画像が分析された後に、針配置プロセスの過程にわたるデバイスの元の位置からの変位量を計算した。ターゲットおよび腎臓の推定される変位量に基づき、針ガイドデバイスに対するターゲットの相対位置を想定される位置エラーとして計算した。

また、本発明の実施形態は、上述の実施形態の中の１つまたは複数の機能を実施するために記憶媒体（より完全には「非一時的コンピュータ可読記憶媒体」とも呼び得る）に記録されたコンピュータ実行可能命令（例えば１つまたは複数のプログラム）を読み出し実行する、および／または上述の実施形態の１つまたは複数の機能を実施するために１つまたは複数の回路（例えば特定用途向け集積回路（ＡＳＩＣ））を備えるシステムまたは装置のコンピュータによって、ならびに例えば上述の実施形態の中の１つまたは複数の機能を実施するために記憶媒体からコンピュータ実行可能命令を読み出し実行する、および／または上述の実施形態の１つまたは複数の機能を実施するために１つまたは複数の回路を制御することなどによりシステムまたは装置のコンピュータにより実施される方法によって実現され得る。コンピュータは、１つまたは複数のプロセッサ（例えば中央演算処理装置（ＣＰＵ）、マイクロプロセッシングユニット（ＭＰＵ））を備えてもよく、コンピュータ実行可能命令を読み出し実行するために別個のコンピュータまたは別個のプロセッサのネットワークを備えてもよい。コンピュータは、例えばＭＲＩハードウェアおよびコンソールを含むＭＲＩシステムなどと組み合わされてもよく、または撮像システムとは別個であってもよい。コンピュータ実行可能命令は、例えばネットワークまたは記憶媒体などからコンピュータに供給され得る。記憶媒体は、例えばハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、分散コンピュータシステムのストレージ、光ディスク（コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、もしくはブルーレイディスク（ＢＤ）（商標）など）、フラッシュメモリデバイス、およびメモリカード等の中の１つまたは複数などを備えてもよい。

定義
本説明の参照において、具体的詳細が、開示される例の完全な理解を促すために示される。他の例では、周知の方法、手順、構成要素、および回路は、本開示を不要に冗長化しないために詳細には説明されていない。

本明細書において、要素または部分が別の要素または部分「の上に」ある、「に対接して」いる、「に連結され」る、または「に結合され」るものとして言及される場合には、これは、他の要素または部分に対して直接的に上にある、対接している、連結される、または結合されることが可能であり、または介在要素もしくは介在部分が存在し得る点を理解されたい。対照的に、ある要素が別の要素または部分「の上に直接的に」ある、「に直接的に連結され」る、または「に直接的に結合され」るものとして言及される場合には、介在要素または介在部分は存在しない。「および／または」と言う用語は、使用される場合、挙げられた関連項目の中の１つまたは複数のあらゆる組合せを、そのような記載がある場合には含む。

本明細書では、「の下」、「の下方」、「下」、「下方」、「の上」、「上方」、「近位」、および「遠位」等の空間相対用語は、様々な図面に示されるようなある要素または特徴の別の要素または特徴に対する関係を説明するために説明の容易化を目的として使用され得る。しかし、空間相対用語は、図面に示す配向に加えて使用または動作におけるデバイスの種々の配向を包含するように意図される点を理解されたい。例えば、図面内のデバイスが反転された場合には、他の要素または特徴の「下」または「下方」として説明される要素は、他方の要素または特徴の「上方」に配向されることとなる。したがって、「下」などの相対空間用語は、上配向および下配向の両方を包含し得る。デバイスは、別様に配向されてもよく（９０度または他の配向に回転される）、本明細書で使用される空間相対記述語は、それ相応に解釈されるべきである。同様に、相対空間用語「近位」および「遠位」もまた、該当する場合には互換的であり得る。

本明細書において、「約」という用語は、例えば１０％以内、５％以内、またはそれ未満などを意味する。いくつかの実施形態では、「約」という用語は、測定誤差内を意味し得る。

第１の、第２の、第３の等の用語は、本明細書では様々な要素、構成要素、領域、部分、および／またはセクションを説明するために使用され得る。これらの要素、構成要素、領域、部分、および／またはセクションは、これらの用語により限定されるべきではない点を理解されたい。これらの用語は、ある要素、構成要素、領域、部分、またはセクションを別の領域、部分、またはセクションから識別するためにのみ使用されている。したがって、以下で論じられる第１の要素、構成要素、領域、部分、またはセクションは、本明細書における教示から逸脱することなく第２の要素、構成要素、領域、部分、またはセクションと呼ぶことが可能である。

本明細書において、基準マーカーのクラスタを識別する文脈で使用されるような「識別可能な」は、物理フレーム上のマーカーのクラスタと画像上で検出されるクラスタとの間の１対１の対応を少なくとも確立する確実性を伴った状態で、様々なクラスタの構成（個数、サイズ、形状、構成、または材料特性）が他のクラスタのいずれとも異なり得ることを意味する。クラスタが識別されると、画像座標系内でフレームを位置特定することが可能となる。

本明細書で使用される術語は、特定の実施形態の説明のみを目的とし、限定的なものとなるようには意図されない。本明細書において、単数形「１つの（ａ、ａｎ）」および「その（ｔｈｅ）」は、文脈が別様のことを明示しない限りは複数形をも含むように意図される。さらに、本明細書で使用される場合に、「含む」および／または「含んでいる」という用語は、述べられた特徴、完全体、ステップ、動作、要素、および／または構成要素の存在を明示するが、明示されない１つまたは複数の他の特徴、完全体、ステップ、動作、要素、構成要素、および／またはそれらの群の存在または追加を排除しない点を理解されたい。

図面に示す例の実施形態の説明において、特定術語が明瞭化のために使用される。しかし、この特許明細書の開示は、かように選択された特定術語に限定されるようには意図されず、各具体的な要素は、同様に動作する全ての技術的均等物を含む点を理解されたい。

例示の実施形態を参照として本開示を説明したが、本開示は、開示される例示の実施形態に限定されない点を理解されたい。以下の特許請求の範囲は、全てのかかる修正および均等構造物および均等機能を包含するように最大限の範囲の解釈を与えられるべきである。

Claims (18)

1. 医用デバイスの画像データを取得するステップであって、前記医用デバイスは、前記医用デバイス上の基準フレームとして配置された複数の基準マーカーを備え、前記基準フレームは、
   （ａ）基準マーカーの少なくとも２つのクラスタであって、各クラスタが、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを備える、基準マーカーの少なくとも２つのクラスタ、
   （ｂ）リング形状に配置された少なくとも３つの基準マーカーであって、配置が非対称である少なくとも３つの基準マーカー、または
   （ｃ）（ａ）および（ｂ）の組合せ
   を備える、ステップと、
   前記画像データ内で基準マーカーオブジェクトを検出するステップであって、
   前記基準マーカーオブジェクトを強調するために前記画像データに特徴強調を適用し、
   前記基準マーカーオブジェクトを抽出するために特徴抽出を適用し、
   基準マーカーの前記少なくとも２つのクラスタを備える前記医用デバイスの画像データに関して、前記基準マーカーオブジェクトのクラスタを規定するためにクラスタリングアルゴリズムを適用し、
   前記抽出された各基準マーカーオブジェクトまたは基準マーカーオブジェクトの各クラスタに関して代表点を規定する
   ことにより検出するステップと、
   前記基準フレームのモデルに前記基準マーカーオブジェクトを位置合わせするステップであって、
   （ａ）基準マーカーの前記少なくとも２つのクラスタを備える前記医用デバイスの画像データに関して、前記基準フレームの前記モデルと各クラスタの前記代表点のポイントツーポイントマッチングを行うこと、または
   （ｂ）前記リング形状に配置された前記少なくとも３つの基準マーカーの画像データに関して、前記基準マーカーオブジェクトの前記代表点が前記基準フレームの前記モデルにマッチングするまで前記リング形状を回転させること
   を含む、ステップと
   を含む、自動レジストレーションの方法。
2. 前記特徴強調は、ヘシアン行列を含む、請求項１に記載の方法。
3. 前記基準マーカーオブジェクトに属する可能性のあるボクセルを強調するために前記ヘシアン行列の固有値を使用するステップをさらに含む、請求項２に記載の方法。
4. 前記ヘシアン行列の前記固有値は、方向性を含み、前記基準マーカーオブジェクトに関する形状情報を規定する、請求項３に記載の方法。
5. 前記特徴抽出は、ハフ変換アルゴリズムを含む、請求項１に記載の方法。
6. 代表点を規定することは、各基準マーカーオブジェクトまたは基準マーカーオブジェクトのクラスタごとの質量中心を計算することを含む、請求項１に記載の方法。
7. 前記基準フレームの前記モデルと前記クラスタ代表点のポイントツーポイントマッチングを行った後に、各基準マーカーオブジェクトのポイントツーポイントマッチングを行うステップをさらに含む、請求項１に記載の方法。
8. 前記複数の基準マーカーは、球状である、請求項１に記載の方法。
9. 前記基準マーカーの少なくとも２つのクラスタは、クラスタごとに１〜６個の基準マーカーを備え、各クラスタは、異なる個数の基準マーカーを有する、請求項１に記載の方法。
10. クラスタごとに２〜６個の基準マーカーを備える基準マーカーの２〜１０個のクラスタを有し、各クラスタ内の基準マーカーの空間配置が明瞭である、請求項１に記載の方法。
11. ３つまたは４つのクラスタを有する、請求項１０に記載の方法。
12. クラスタごとに１〜６個の基準マーカーを備える基準マーカーの少なくとも３つのクラスタを備え、各クラスタは、異なるサイズを有する少なくとも１つの基準マーカーを備える、請求項１に記載の方法。
13. 前記複数の基準マーカーは、球体、長球体、偏球体、三軸楕円体、円筒体、および管の中の少なくとも３つを含む、請求項１に記載の方法。
14. 前記基準フレームは、リング形状に配置された少なくとも３つの基準マーカーを備え、前記基準マーカーの配置は、非対称である、請求項１に記載の方法。
15. 前記医用デバイスは、
    身体表面上に配置されるように構成されたベースと、
    前記医用デバイスを介した前記身体表面への視覚的および物理的なアクセスを与えるための開口であって、リング形状に配置された前記基準マーカーが前記医用デバイスの前記開口を囲む、開口と
    をさらに備える、請求項１４に記載の方法。
16. 前記基準フレームは、基準マーカーの少なくとも２つのクラスタを備え、各クラスタは、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを備える、請求項１に記載の方法。
17. 基準フレームを備える医用デバイスであって、前記基準フレームは、
    （ａ）基準マーカーの少なくとも２つのクラスタであって、各クラスタが、異なる個数、サイズ、形状、構成、または材料特性の基準マーカーを備える、基準マーカーの少なくとも２つのクラスタ、
    （ｂ）リング形状に配置された少なくとも３つの基準マーカーであって、配置が非対称である少なくとも３つの基準マーカー、または
    （ｃ）（ａ）および（ｂ）の組合せ
    を備える、医用デバイスと、
    基準レジストレーションの方法を実施するためのコンピュータ実行可能プログラムを格納する非一時的コンピュータ可読記憶媒体であって、前記方法は、
    前記医用デバイスの画像データを取得するステップと、
    前記画像データ内で基準マーカーオブジェクトを検出するステップであって、
    前記基準マーカーオブジェクトを強調するために前記画像データに特徴強調を適用し、
    前記基準マーカーオブジェクトを抽出するために特徴抽出を適用し、
    基準マーカーの前記少なくとも２つのクラスタを備える前記医用デバイスの画像データに関して、前記基準マーカーオブジェクトのクラスタを規定するためにクラスタリングアルゴリズムを適用し、
    前記抽出された各基準マーカーオブジェクトまたは基準マーカーオブジェクトの各クラスタに関して代表点を規定する
    ことにより検出するステップと、
    前記基準フレームのモデルに前記基準マーカーオブジェクトを位置合わせするステップであって、
    （ａ）基準マーカーの前記少なくとも２つのクラスタを備える前記医用デバイスの画像データに関して、前記基準フレームの前記モデルと各クラスタの前記代表点のポイントツーポイントマッチングを行うこと、または
    （ｂ）前記リング形状に配置された前記少なくとも３つの基準マーカーの画像データに関して、前記基準マーカーオブジェクトの前記代表点が前記基準フレームの前記モデルにマッチングするまで前記リング形状を回転させること
    を含む、ステップと
    を含む、非一時的コンピュータ可読記憶媒体と
    を備える、システム。
18. 前記医用デバイスは、身体表面上に配置されるように構成されたベースと、前記医用デバイスを介した前記身体表面への視覚的および物理的なアクセスを与えるための開口であって、リング形状に配置された前記基準マーカーが前記開口を囲む、開口とをさらに備える、請求項１７に記載のシステム。