JP6636514B2 - 医用画像相関図のシステム及び方法 - Google Patents

Description

本発明は一般に医療画像に関する。本発明はより具体的には、取得された医用画像における相関図に関する。

磁気共鳴画像（MRI）は、医学で使用される基本的な画像技術である。磁気共鳴画像装置を使用することによって、脳、筋肉および腎臓などの軟部組織の詳細な画像を作成することができる。磁気共鳴画像法では、組織の内部にある水または脂肪のような化合物の特性は画像を生成するために使用される。例えば、強い磁場を受けると、水分や脂肪に富む水素などの核スピン角運動量を有する多数の原子の核磁気モーメントのベクトル和が正味の磁気モーメント 外部から印加される電界と一直線上にある。得られた正味磁気モーメントはさらに印加された磁場に比例する明確な周波数で歳差運動する。高周波パルスによる励起の後、正味の磁化は信号を検出することを可能にする。

取得された信号は、走査される組織の画像が得られる基礎を形成する。前記画像は典型的には走査される組織の身体構造の表示である。得られた画像は、身体構造を関心領域に区切ることによってさらに改善することができる。関心領域を区切ることは、典型的には、1つまたは複数の異なる組織サンプルから以前に得られた一般的なアトラスデータを関連することによって、またはフィールドの専門家の経験に基づいて達成される。しかし、このように得られたデータは、必ずしも現在の組織と同様であるとは限らない。したがって、関心領域に基づいて解剖学的画像を正確に改善する必要がある。

磁気共鳴画像法のためのシステムおよび方法が提供され、このシステムは、先行技術の上記の欠点の少なくとも1つを緩和する。

一態様では、解剖学的画像を区切るコンピュータ実装方法が提供される。この方法は、外因的領域を画定する外因データを受信することを含み得る。少なくとも一つの内因的領域を画定する内因データも受信され得る。各内因的領域は1つの外因的領域に対応されても良い。主要な修正として、内因的領域に対応する少なくとも1つの外因的領域の形状およびサイズを内因的領域の形状およびサイズに基づいて修正することによって、修正された外因データを形成することができる。解剖学的画像は変更された外因データに基づいて区切られた領域に区切ることができる。対応する内因的領域を有する各区切られた領域は、対応する内因的領域に基づく主要修正を表す。

前記方法は、管を含む内因管路データを受け取ることをさらに含み得る。ウェイポイント領域も受信することができ、識別された領域のサブセットを含む識別されたバンドルは、ウェイポイント領域に基づいて識別することができる。ウェイポイント領域は、少なくとも1つのエンドポイント領域を含むことができ、バンドルは、少なくとも1つのエンドポイント領域で終了する神経線維に基づいて識別しても良い。ウェイポイント領域はまた、少なくとも1つのパススルー領域を含むことができ、バンドルは、少なくとも1つのパススルー領域を通過する領域に基づいて識別する。ウェイポイント領域はまた、少なくとも1つのパススルー領域を含むことができ、バンドルは少なくとも1つのパススルー領域を通過する領域に基づいて識別される。

別の態様では、データ処理システムが提供される。データ処理システムは、解剖学的画像、外因的領域を画定する外因データおよび少なくとも1つの内因的領域を画定する内因データを受け取る。各外因的領域は、少なくても1つの外因的領域に対応する。主要な修正として、内因的領域に対応する少なくとも1つの外因的領域の形状およびサイズを内因的領域の形状およびサイズに基づいて修正することによって、修正された外因データを形成することができる。解剖学的画像は変更された外因データに基づいて区切られた領域に区切ることができる。対応する内因的領域を有する各区切られた領域は、対応する内因的領域に基づく主要修正を表す。

これらの実施形態と他の態様および利点と共に、以下に詳細に説明される。添付の図面は、実施形態を形成し、図数は対応する部分を指す。

図1は、実施形態による核磁気共鳴画像（MRI）システムの機能的なサブシステムのブロック図を示す。

図2は、実施形態による例示的なデータ処理システムのブロック図を示す。

図3は、実施形態による図1の磁気共鳴画像システムの画像分割方法を示す。

従来の磁気共鳴画像（MRI）システムは、物体の水素原子などのプロトンから磁気共鳴信号の画像を構築するために主に使用されるイメージングモダリティである。医療用MRIでは、典型的な対象信号は組織の主要な水素含有成分である水と脂肪からのMR信号である。

図1は、実施例による磁気共鳴画像（MRI）システムのブロック図100を示す。100で示されたMRIシステムの実施例は、例示的な目的のみのためのものであり、排除および/または追加された構成要素を含む変形が可能である。

図1を参照すると、例示的なMRIシステム100は、データ処理システム105を含む。図2は、画像およびデータを処理するデータ処理システム105の一部となり得るコンピュータシステムの例を示す。データ処理システム105は、プロセッサ210と、1つ以上の入力装置220と、出力装置230と、メモリ240とを備える。データ処理システム105の様々な機能を実行する為に、プロセッサ210はメモリ240に格納された命令またはアプリケーション250を実行する。プロセッサ210は、メモリ240に記憶された命令またはアプリケーション250に基づいて情報を処理する1つまたは複数のマイクロプロセッサ、マイクロコントローラ、デジタルシグナルプロセッサ（DSP）、有限状態機械、論理回路、または任意のデバイスを含む。実施形態によれば、プロセッサ210は、画像取得および処理の実行に関連する様々な機能およびデータを処理する。

入力装置220は、MRIシステム100がオペレータから入力を受け取る任意の装置である。例えば、入力装置220は、キーボード、タッチパッド、ディスプレイのタッチコンポーネント、マイクロフォン、ジェスチャセンサー、ボタン、スイッチ、またはオペレータ入力を受信できる他の装置であってもよい。変形例では、このような装置の組み合わせを使用しても良い。

出力装置230は、オペレータにフィードバックを提供する任意の装置である。したがって、出力装置230は、例えば、スピーカなどの音響装置、バイブレータなどの触覚装置、ディスプレイや発光ダイオード（LED）などの視覚装置の形態であってもよい。 変形例では、このような装置の組み合わせを使用しても良い。

メモリ240は、デジタル情報を記憶する任意の装置または非一時的な媒体である。したがって、メモリ240は、任意の形式のRAM（ランダムアクセスメモリ）またはROM（リードオンリメモリ）、CD-RW（リードライト付きのコンパクトディスク）、ハードディスク ドライブ、DVD-RW（リードライト付きデジタル多用途ディスク）
、フラッシュメモリカード、加入者識別モジュール（SIM）カード、またはデジタル情報を格納するための他の任意の非一時的な媒体を含んでもよい。メモリ240は、アプリケーション250を維持する。アプリケーション250は、オペレータの特定の要求に対応するMRIシステム100の操作（例えば画像取得、データ処理など）に必要な様々なソフトウェアおよび/またはファームウェアプログラムを含む。

データ処理システム105は、スキャンを実行するためにMRIシステム100の制御ユニットおよびハードウェアコンポーネントと通信およびデータ交換するように適合された1つまたは複数のインターフェース260をさらに備え得る。

図1に示すように、例示的なMRIシステム100はまた、主磁場磁石110を含む。主磁場磁石110は、例えば、永久磁石、超伝導電磁石または抵抗磁石として実施される。ハイブリッド磁石のような他の磁石タイプもMRIシステム100に使用することもできる。主磁場磁石110は、強度B0および軸に沿った方向を有する均一な主磁場を作成するように構成される。主磁場は、物体の水および脂肪中の水素プロトンのような原子核がスキャンの準備のために磁気的に整列される画像ボリュームを作成するために使用される。いくつかの実施形態では、データ処理システム105と通信する主界磁石制御ユニット115は主界磁石110の動作を制御する。

磁気共鳴画像システム100はさらに、3つの垂直勾配軸に沿って主磁場における空間情報を符号化するために使用される勾配コイル120を含む。勾配磁場コイル120の寸法は、均一な直線勾配を作成するように構成される。例えば、主磁場磁石110内に配置された3つの直交電流通電コイルは、直線勾配磁場を作成するように構成され得る。

いくつかの実施例では、勾配コイル120は遮蔽され、一次遮蔽コイル対を形成され、一次勾配コイルによって生成された勾配磁場に対抗するための逆磁場を生成するシールドコイルの外層を含む。このようなコイル対において、「主コイル」は勾配磁場を作成し、「遮蔽コイル」は撮像ボリュームの外側の一次コイルの漂遊磁場を低減する。勾配コイル120の一次コイルおよび遮蔽コイルは、直列に接続されてもよい。遮蔽された勾配コイルを共に形成する任意の勾配軸に対して2つ以上のコイル層を有することも可能である。遮蔽された勾配コイル120は、渦電流およびスキャンされた画像にアーチファクトを引き起こす他の干渉を低減することができる。渦電流は、主として、撮像ボリューム（フリンジフィールド）の外側の磁場によって引き起こされるMRIシステム100の導電性構成要素に流れるため、勾配コイル120によって生成されるフリンジ電界を低減することにより、干渉が低減され得る。したがって、勾配コイル120の外側の正味磁場ができるだけゼロに近づくように、一次遮蔽コイル対の形状およびサイズ、導体ワイヤのパターンおよびサイズ、電
流振幅およびパターンを選択することができる。例えば、円筒形磁石の場合、2つのコイルは同心の円筒の形態で配置し、垂直磁場磁石の場合は、2つのコイルを同軸ディスクに配置することができる。

勾配コイル120の導電性構成要素は、遮蔽されているかどうかにかかわらず、一次コイルおよび遮蔽コイルを含み、電気導体（例えば、銅、アルミニウムなど）で構成されても良い。内部電気的接続は、電位差が勾配コイル120の端子に印加されると、電流が所望の経路を流れるように構成することができる。一次勾配コイルおよび勾配遮蔽コイルの3つの勾配軸の導電性構成要素は、物理的分離および/または非導電性障壁によって絶縁され得る。

逐次的に勾配コイル120によって生成された磁場は、一次磁場に重畳されて、撮像ボリューム内の対象の選択的な空間励起が生じる。勾配コイル120は、空間励起を可能にすることに加えて、画像体積内にある原子核に空間的に特定の周波数および位相情報を付加し、得られたMR信号を有用な画像に再構成する。データ処理システム105と通信する勾配コイル制御装置125は、勾配コイル120の動作を制御するために使用される。

MRIシステム100のいくつかの実施例では、シムコイル、均一な静磁場オフセットコイル、（一般的には2次以上の高調波の磁場プロファイルを作成するが、これに限定されるものではない）、 または任意の他の補正電磁石のような追加の電磁石コイル（図示せず）が含まれる。アクティブシミング（異なる物体がシステム内またはその周囲に置かれたときに導入される場歪みを補正すること）を実行するために、シムコイルのような修正電磁石は、主磁場を均一な磁場になるように電流を運ぶ磁場を提供する。例えば、生成された磁場によって、主磁石110の不完全性、外部強磁性物体の存在、撮像領域内の材料の感受性の差異、またはその他の静的または時間的に変化する現象などの不均一性を補正することができる。

MRIシステム100は、無線周波数（RF）コイル130をさらに備える。RFコイル130は、核スピンを励起する強度BのRF磁場を作成するために使用される。RFコイル130はまた、撮像される対象物内の基底状態のスピンから放出される信号を検出することができる。したがって、RFコイル130は、送信モードと受信モードとを切り替えるためのスイッチング機構を備えた別々の送信コイルと受信コイルの組み合わせ、または送信と受信の組み合わせのコイルのいずれかを提供されても良い。

RFコイル130は、表面コイル（典型的に受信コイルのみ）として実施されても良く、および/または受信と送信する体積コイルとして実施されても良い。RFコイル130は、主磁場磁石110のボアに一体化しても良い。代替的には、RFコイル130は
、頭部のような被走査物のより近くに実装しても良く、密着型ヘルメットのような被検体の形状に近似する形状をとっても良い。データ処理システム105と通信するRFコイル制御装置135を使用することによって、RFコイル130の動作を制御することができる。

T1およびT2強調画像を含んで、MRIシステム100を使用して画像を取得する技術が多い。MRIシステム100の機能の簡略化した図を提供するために、プロトン密度強調画像を得るための単純化された操作が非限定的な例として説明される。例示的な図解に従って画像を生成するために、大きな磁場に曝すことによってMRIシステム100は対象物内の水または脂肪中の水素プロトンのような対象物におけるスピン角運動量を含む原子核の存在を検出する。この実施例では、主磁場はB0の強度を有し、スピン角運動量を含む原子核は水素陽子である。主磁場は、主磁石110の撮像ボリュームにある対象物中の水素陽子を部分的に偏極させる。次いでにプロトンは適切に同調されたRF放射で励起され、例えばB1の強度を有するRF磁場を形成する。最後に、励起された陽子からの弱いRF放射信号が、磁気相互作用から陽子が「緩和する」ので、MR信号として検出される。

信号を得る対象物の断面は、一次磁場の磁場値が対象物の様々な位置に沿って変化するように、対象物を横切る磁場勾配を作成することによって選択することができる。信号周波数が生成された変化した磁場に比例すると仮定すると、その変化は、特定の信号周波数および位相を物体内の位置に割り当てることを可能にする。 したがって、得られたMR信号には、従来のMRI画像の基礎である陽子分量に関して対象の解剖学的マップを構築するのに十分な情報が見いだされる。 例えば、陽子密度は組織のタイプによって変化するため、組織の様々な変化は、得られた信号が処理された後に画像コントラスト変動としてマッピングされ得る。

変形例では、取得された画像は、様々な他の画像化システムおよび方法を使用して取得されても良い。 例えば、幾つかの変形例では、コンピュータ断層撮影（CT）スキャンから解剖学的画像を取得する。 CTスキャンで得られた解剖学的画像は、骨などのより密度の高い組織に対して敏感であり、したがって、関心組織がより密度の高い組織である場合に使用するために適切である。 しかし、CTスキャンはMRIシステムが利用できない軟組織イメージングにも使用され得る。画像を取得する他の方法も請求の範囲内である。

取得された画像は、2次元画像または3次元画像であってもよい。 例えば、典型的なMRI画像は、スキャンされる組織の2次元スライスである。 勾配コイル120は、走査すべき組織の特定のスライスの選択を可能にする。 同様に、典型的なCT画像は、X線画像法で得られた2次元スライスである。 MRIまたはCTスキャンに
よって得られた2次元画像は、脳または脳の一部などの関心組織の体積を表す3次元画像を形成するために、様々な画像処理技術によって組み合わせることができる。 他の画像技術は、異なる次元を有する画像を得ることを可能にする。 例えば、脳波計EEGの画像は、典型的に脳の表面に沿って特定の深さまでの電気的活動を表す画像である。

対象の組織などの対象を表す画像が取得されると、取得された画像の領域分割を可能にするデータの使用によって取得画像を強調することができる。例えば、いくつかの実施態様では、取得された画像を分割して、異なる関心領域を示すことができる。

関心領域は、様々な特徴に基づいて定義されても良い。例えば、領域は、解剖学的構造に基づいて定義する。例えば、脳画像は、海馬、小脳および脳室を識別するために分割することができる。あるいは、肺像を分割して、肺胞および気管支を示すことができる。他の実施態様では、組織機能に基づいて領域を定義しても良い。例えば、脳については、一次視覚野、運動野、一次聴覚野、または他の画像領域を識別することができる。

関心領域を定義するデータは、様々な情報源から得られる。機能的MRI（fMRI）画像はそのような情報源の1つである。例えば、fMRI画像は、脳の機能領域を定義する情報源とする。最適に選択されたパラメータを有する特定のパルスシーケンスは、MRIシステム100によって使用され、組織コントラストを利用して、組織および材料の異なる特性を描写する画像を得ることができる。例えば、T2 *緩和は、90°RFパルスの直後の信号強度に大きく影響する。T2 *緩和は、GREパルスシーケンスを用いた画像コントラストの主な決定要因の1つであり、fMRIを含む多くの核磁気共鳴画像（MR）用途の基礎となる。

fMRI研究は、脳の血流の差に基づいて、脳の区切られた重要な機能領域を示す。血中酸素濃度依存型（Blood oxygen partial pressure imaging；BOLD）は、fMRI研究において画像を生成する技術である。BOLD-fMRIは、酸素化ヘモグロビンおよび脱酸素化ヘモグロビンの常磁性の違いに起因して、脳の血流の差異を検出する。脱酸素化されたヘモグロビンは、酸素化されたヘモグロビンより強く常磁性であり、したがって、前者中のプロトンがもっと位相外される。局所的な位相外れは、そのすぐ近くにある組織からのMR信号を減少させる可能性はある。T2 *重み付きパルスシーケンスでこの変化を検出することができる。したがって、fMRI画像が取得されている間に患者に適切な動作を施すことによって、スキャンされている組織における酸素化の差異に基づいて、動作を実行するために必要な機能に関連する脳の領域を識別することができる。

取得された画像内の関心領域を定義するために使用され得る代替のデータ源は、核磁気共鳴画像法（MRI）の拡散神経線維画像法である。例えば、神経線維画像は、脳における白質部分構造を識別するための基礎となる。脳の異なる領域を接続し、脳の白質を少なくとも部分的に形成する神経線維は神経線維画像に基づいて識別され得る。白質は、有髄軸索の束でできている。白質の拡散係数は一般的に水と比べて低い。さらに、拡散係数の値は、神経線維の長さに沿ってではなく、神経線維の直径にわたって低くなる。したがって、多くの方向に沿った拡散を測定し、一方向の方が他の方向よりも速いと観察すると、神経線維の配向を測定することができる。神経線維の方向が測定されると、全部の測定を結合して全経路を再構成することが可能となる。

最も単純な形態では、神経線維画像法は脳内に神経線維を検出する。したがって、この方法は、初期（シード）位置で方向測定を取得し、新しい方向が検出されるまで測定された方向に沿って測定を続けることである。測定はその後、この新しい方向に続き、経路全体が追跡されるまで続く。

白質路は、典型的に1マイクロメートル（μm）程度の直径を有するが、各測定が（例えば、画像の各ボクセルにおいて）約2~3ミリメートル（mm）の規模で行われる。しかしながら、脳の異なる結合は、数十万個の軸索を含む大きな領域に揃えられる。したがって、ボクセルは、神経線維を識別するのに十分な解像度がある。 別の実施形態では、より精巧な神経線維画像法で神経線維を検出する。 更なる変形例では、脳全体又は特定の神経線維の束を検査する。脳全体の神経線維束画像法では、脳全体がシードとして使用される。特定の神経線維束画像法では、ユーザーが選択した関心領域がシードとして使用される。

いくつかの実装形態では、神経線維が検出されると、神経線維は束などの部分構造または機能領域にさらに分割されてもよい。領域の分割は、追加のデータおよび/又は手動入力に加えて、取得された画像自体が領域に基づいて分割されてもよい。例えば、神経線維束はウェイポイントに基づいて識別する。したがって、取得された画像の分割された領域は、解剖学的または機能的なウェイポイントとして定義された領域を含む。ウェイポイントが白質神経線維束の始点、通過点または終点を示す。一例として、神経線維束は視覚野終点と視床の外側膝状核終点とを結ぶ視放線など、それらが接続する機能的終点に基づいて定義する。別の例として、神経線維束は、脳の各半球の側頭端点と後頭極端点領域を結ぶ下縦腱束バンドルのような、それらが接続する解剖学的終点領域によって定義する。他の神経線維束は、2つの半球をコーパスの声門を通して接続する鼻腔繊維のような、それらの経路の解剖学的位置によって定義されてもよい。さらに、神経線維束が通過するパススルー領域
に基づいて、他の神経線維束を識別することができる。いくつかの実施形態では、一部の領域を除外領域として識別される。そのような除外領域を通過する又は接続する神経線維は、識別された神経線維束から除外する。

さらなる変形例では、複数の情報源からのデータを用いて、異なる関心領域を識別することができる。例えば、一変形例では、fMRI画像を用いて、取得された画像から脳の機能領域を識別する。さらに、神経線維画像法を使用して、取得された画像の白質内の神経線維束を識別することが可能である。したがって、被験者（スキャンされた脳）からの取得された画像は、データの情報源によって定義された脳の機能領域および神経線維束に基づいて分割することができる。分割された解剖学的画像は、脳の各機能領域が他の機能領域にどのように接続されているかを表示する。更なる変形例では、海馬などの異なる脳構造の表示し、したがって機能領域と解剖学的基礎構造との間の関係、および線維束によるそれらの接続性を表示する追加データを得る。

いくつかの実施形態では、取得された画像においてどの関心領域が識別され得るかに基づくデータは、内在的および外在的として分類され得る。具体的には、外在的データは、取得された画像についてスキャンされる対象以外の情報源から取得されたデータを含む。例えば、別の変形例では、外部データはアトラスデータを含む。アトラスデータは、単一の被験者の解剖学的構造に基づいても良いが、典型的に異なる組織サンプル又は患者などの複数の情報源から得られる。複数の情報源から得られたデータは、様々な画像およびデータ処理技術を用いて相関され、結合され、複数の対象の解剖学的構造を揃える。したがって、アトラスの領域は、典型的には、集団の平均である。アトラスデータは手動で作成しても良い。例えば、入力機構を介して領域を表すデータを受信することによって、アトラスを作成することができる。入力機構は、例えば、マウス、デジタルペン、又は他の類似の入力機構であってもよい。様々な画像およびデータ処理技術を使用して、あるアトラスから別のアトラスにアトラスのデータを転送して、アトラスの解剖学的構造を整列させることもできる。

外在的データは画像化される対象とは独立して得られるので、組織内の領域を定義するアトラスデータなどの外在データを生成するのに十分な時間がある。例えば、脳の機能領域の全てまたは大部分を定義するアトラスデータが利用可能である。

一方、内在的データは、典型的には、対象の解剖学的画像から直接に取得される。例えば、様々な自動、手動又は支援画像処理技術を使用して、被験体の解剖学的画像からの海馬などの機能領域または基礎構造を定義する。変わりに、又は加えて、1つまたは複数の領域が定義できるかどうかに基づいて対象の組織又は患者からさ
らなる画像およびデータを取得することができる。追加の画像は、fMRI画像、CTスキャン又はEEGのような他の画像化およびデータ取得モダリティに基づくデータであってもよい。

内在的データは被験者から得られるため、データを早急に取得する必要がある。例えば、内在的データは、術前または手術中に取得しても良い。したがって、対象についてすべてを定義する内在的データを取得するのに、時間は十分と言えない。代わりに、典型的には、例えば外科的切開できる場所に基づいて、1つまたは複数の領域が関連として選択され、選択された領域を定義するために内在的データを取得する。したがって、典型的には、内在的データに基づいて定義される領域の数は、外在的データに基づいて定義される領域の数よりも少ない。

内在的データの利点の1つは外在的データに基づいて検出できない特定の対象に関連する異常を示すことが多いことである。例えば、被験者によって、脳の機能領域の規模は大きく変わる。一例として、被験者がプロのピアニストである場合、細かい指の制御に関連する領域は、平均人口と比較して大きい。あるいは、被験者が盲人である場合、視覚に関連する領域は、視力以外の機能を獲得する。そのような獲得された機能性は、外在的データから正確に特定することはできない。

さらなる変形形態では、被験体は一般集団において珍しい追加の塊を有し得る。例えば、嚢胞または腫瘍が脳内に存在し得る。このような付加的な塊は、周辺組織に歪みを生じさせ、したがって、一般集団における他の被験体と比較して組織の局所的構成を著しく変える。したがって、追加の塊を取り囲む領域内の内在的データを取得することは、対象の解剖学的画像における関心領域を正確に識別するために重要である。

外在的データは取得された画像に整列させることができる。例えば、取得された画像と関連する外在的画像が整列されるまで空間的に画像をゆがむ。この歪みは、全体的な平行移動、回転、伸張、圧縮、およびせん断からなる粗いものでもよく、又は画像の局所的な変形でもよい。

いくつかの変形例では、外在的データは内在的データで調整される。例えば、外在的データの少なくともいくつかに対応する内在的データは取得される。したがって、内在的データに対応する外在的データの部分は、内在的データと整合するように修正されてもよい。一例として、一次運動野を定義する内在的データと同様に、機能領域のアトラスを受け取ることができる。一次運動野に関連するアトラスデータは、内在的データによって規定されるものに対応するように変更しても良い。例えば、アトラスデータは、識別された内在的データの領域のサイズおよび形状と一致
するように、一次運動野の画像が変更されてもよい。一方、サイズおよび形状は、例えば補間の結果として、アトラスデータと内在的データとの間に入るように変更されてもよい。内在的データとアトラスデータをもっと正確に一致するように改善されたいくつかの方法は当業者に知られ、本特許の範囲内である。

別の変形例では、全部の領域を外在的データで識別するに対して内在的データは入手不可能場合がある。例えば、運動皮質の上記の例を続けると、内在的データは、アトラスに対して運動皮質の一部分を定義するだけで十分である。そのような変形例では、内在的データに基づいて全領域形状を推定するために、異なる方法を使用する必要がある。推定された形状と一致するように外在的データは修正されても良く、又は内在的データで定義された領域のみに修正されても良い。

さらなる変形例では、外在的データで定義された領域は内在的データに基づいて一次修正として変更されると、残りの領域もまた、一次修正に応じて修正される。例えば、上記の例を続けると、内在的データは、腫瘍による運動皮質の有意な圧迫を示し得る。運動皮質のアトラス領域が一次修正として圧迫を反映するように調整されると、運動皮質に隣接する領域もまた、腫瘍による圧縮を反映するように二次修正として調整され得る。隣接する領域の調整は、一般集団には存在しない腫瘍に基づいて圧縮を予測する様々な予測方法によって行われることができる。代替的に、いくつかの変形態では、アトラスデータによって定義される領域形状は、内在的データに基づいて、修正することができる。形状の違いは、脳の可塑性に基づく変化など、腫瘍以外の個々の変化に起因する。これらの変形例では、様々な他の予測方法は、内在的データに基づいて形状が修正された領域を囲む領域形状の変化を予測することができる。

さらなる変形例では、外在的データの調整は、1つまたは複数の情報源から得られる2つ以上の内在的データセットに基づいても良い。例えば、運動皮質を定義する内在的データは、fMRI画像データおよびEEGデータに基づいて取得されてもよい。いくつかの変形例では、1つの内在的データセットを使用して別の内在的データセットを検証することができる。他の変形例では、内在的データセットは、相互に基づいて変更されてもよい。例えば、2つの内在的データセットのサイズが異なる場合には、それらを平均化し、平均を用いて外在的データを調整することができる。

さらに他の変形例では、外在的データを複数の情報源から取得することができる。 例えば、脳の機能領域を定義する外在的データは、fMRIデータ及び手作業で取得されたデータに基づいて取得されてもよい。いくつかの変形例では、1つの外在的データセットを使用して、別の外在的データセットを検証することができる。 他
の変形例では、外在的データセットは、相互に基づいて変更されてもよい。例えば、2つの外在的データセットによって定義される領域形状が異なる場合、データが平均化されてもよい。

MRIシステム100によって取得された画像、並びに内在的及び外在的データは、データ処理システム105を使用して、結合され、分割され又は他の方法で修正されて、処理される。データ処理システム105は、MRIシステム100の様々な制御ユニットおよび他のハードウェアモジュールと通信し、データを処理することができる任意のコンピューティングデバイスであってもよい。データ処理システム105は、デスクトップパソコン、ラップトップ又はノートパソコン、サーバなどの形態をとることができるが、これらに限定されない。実施形態では、MRIシステム100はデータおよび画像処理を有利に実行するように実施される。

変形例では、画像処理およびデータ処理は、MRIシステム100とは別個のデータ処理システム又はコンピューティングシステムで実行されてもよい。

脳の画像などの被験者の画像は、複数の関心領域を識別して分割するために処理されてもよい。例えば、プロトン濃度重み付き画像を生成するためのパルスシーケンスに基づくMRIシステム100を用いて得られた取得画像は、その画像内の異なる領域を示すために、外在的および/または内在的データに基づいて分割されてもよい。上述したように、このような領域は、解剖学的構造および機能領域などの様々な領域に対応する。領域を分割することは、様々な技術を使用して実行できる。例えば、取得された画像が分割されるデータに基づいて、プロトン密度重み付きMRI画像およびfMRI画像を含むデータのような、同じまたは同様の機構を使用して得られた画像の形態である場合、データ画像および 領域情報が画像の被験者と位置合わせされるように、公知の機構を用いて画像を適切に整列されてもよい。画像の整列は、取得された画像および画像データの、回転、平行移動、伸縮、収縮などの1つまたは複数の修正を含む。

変形例では、データは、取得された画像とは異なるフォーマットで表示されてもよい。 例えば、いくつかの変形例では、アトラスデータは、地域的境界の座標を提供する幾何学的データの形態場合が多い。これらの変形例では、適切な方法を使用して、取得した画像の部分にデータをマッピングすることができる。

領域が解剖学的な画像と適切に位置合わせされると、データで定義された領域に基づいて画像を分割することができる。区切られた領域は、色、陰影、概説、および当業者に知られている他の様々な方法を使用して、取得された画像を表示すること
ができる。変形例では、テキストラベルを、単独で又は領域を表す他の方法と組み合わせて使用する。

取得された画像をさらに強調するために、上述したような拡散強調画像法に基づいて被検体から神経線維データを取得し、追加の内在的データが形成され得る。様々な変形例では、神経線維データは、神経線維アトラスに基づいて、外在的データとして取得される。神経線維データを方向付け、取得された画像とマッピングすることで、神経線維データを表示される。

識別された関心領域に基づいて、神経線維データを分割され、神経線維束を識別され、位置データが取得され得る。神経線維束の位置を知ることは有益である。例えば、計画された外科的軌道に基づいてどの神経線維束が損傷されるかを外科医に示したら、外科医が外科的軌道を変更することができる。外科的軌道を変えることによって、脳の視覚野の重要な神経線維束を回避することができる。

変更された外在的データが変動性を説明するために十分に修正されていない変形例では、神経線維束は、指定された神経線維束を属しない（偽陽性）神経線維を含み、又は指定された神経線維束を属する（偽陰性）神経線維を含み得る。したがって、神経線維束を定義するウェイポイントまたは除外領域を手動で補正することによって、神経線維束を取得した画像内にインタフェースを反映するように再構成することができる。

更なる変形例では、取得された画像が対象から内在的データとして神経線維データが取得される場合、神経線維データは欠陥を有する可能性がある。例えば、取得された拡散強調画像が、腫瘍の周りに浮腫のような方向情報の減少した領域を含む場合もある。この場合は、方向情報の減少した領域を通る神経線維束の経路を画定するウェイポイントは、バンドルを切除するのに十分な情報を提供できず。中断された神経経路のため、偽陰性につながる可能性が高い。これを防ぐために、ウェイポイントを利用しなく、領域の空間座標と外在的アトラスとの重なりを利用し、代替の神経線維を識別方法を使用することができる。外在的神経線維束アトラスは神経線維束の確率表現を含み、またはfMRIのような追加のモダリティから得られた空間経線維データを含んでも良い。

この代替方法によれば、外在的な神経線維束アトラスは、神経線維データに登録され、神経線維データにマッピングされ得る。神経線維束は、外在的な神経線維束アトラスから選択できる。識別された神経線維束と少なくとも部分的に重なり合う空間座標を有する内在的な神経線維束データ内の神経線維は、次に、選択された神経線維束に属するものとして識別することができる。この部分は、予め定義され、例
えば長さの一部分に基づいてもよい。変形例では、神経線維束は選択されたウェイポイントに基づいて識別される。外在的神経線維束アトラスとの重なりに基づいて特定された神経線維束は、ウェイポイントの神経線維束選択に基づいて神経線維データから識別された神経線維に追加することができる。

前述の神経線維束を分割する方法は、各束について1束の神経線維をもたらし、したがって、所与のトラクトは1つまたは複数の束に属する。いくつかの変形例では、神経線維データをさらに処理して、各神経線維を一束に関連付けられる。したがって、解剖学的束ごとに代表的な束を識別することができる。例えば、平均表現は、各束の平均空間中点であってもよい。この代表的な神経線維は、神経線維束内のすべての長手方向の神経線維位置を平均することによって、または束内の他のすべての神経線維までの最も近い神経線維を選択することによって識別する。例えば、円筒状の束の代表的な神経線維は、円筒の長手軸に沿う。いくつかの変形例では、特に複雑な神経線維束の場合、複数の神経線維で一束を表せる。

脳全体にわたる、神経線維データの全ての経路は、各経路と代表神経線維との距離を比較することができる。この比べは、平均最近点距離または最近接点距離（Hausdorff距離）などの適切な距離メトリックを使用されても良い。

距離に基づいて各神経線維束の関連付けを決定することができる。したがって、各神経線維は、距離が閾値未満である限り、それが閉回路される代表的な神経線維束に関連付ける。すべての代表的な神経線維からの閾値距離よりも離れた神経線維は、未確定と分類される。いくつかの変形例では、様々なレベルの信頼度で脳の束を表示するために閾値を調整しても良い。

いくつかの変形例では、神経線維が複数の束に属するように、バンドルラベルを階層的に定義することができる。例えば、神経線維データは、アトラスデータ内で識別された機能領域と交差する。従って、アトラスデータの調整された部分と交差するこれらの神経線維は、例えば、腫瘍との交差を防止するなどの適切な方法で交差が継続して行われるように、それら自体調整され得る。

図3は内在的および外在的データに基づく医用画像の分割方法を全体的に300で示す。方法をわかりやすく説明するために、方法300は図1に示すようなMRIシステム100を使用して部分的に操作されると仮定する。さらに、方法300の以下の説明は、システム100のさらなる理解をもたらす。しかしながら、システム100および方法300は変更可能であり、そのような変形は範囲内にある。

310で始まり、取得された画像が受信される。この例では、画像は一連の断面画像から得られた脳の三次元MRI画像である。具体的には、各断面画像は、T1強調画像を生成するためのパルスシーケンスに基づくMRIシステム100を使用している。

320において、脳の機能領域に対応する外在的データが受信される。 定義された機能領域には、視覚野と一致する領域が含まれる。この例では、アトラス情報は、画像が310で取得された対象以外の情報源から取得されると理解される。例えば、アトラスは、機能領域を定義するために分割された異なる患者から複数回のスキャン組み合わせから取得する。したがって、この例では外在的データはMRIと同じフォーマットである。

図3に示すように、内在的データは330で受信される。この例では、内在的データの1つの種類は、視覚野を識別するために処理するfMRI画像を含む。いくつかの変形例では、内在的データは、手動で又はコンピュータ命令で得られた腫瘍又は病変の区切ることを含む。別の変形は、病変の部分、例えば浸潤性構成要素、嚢胞性構成要素、または壊死性構成要素の分割を含む。更なる変形態は、大脳交連のような、画像上で識別される解剖学的なランドマークを含む。

340において、内在的データに基づいて外在的データが修正される。この修正を実行するために、外在的データおよび内在的データに関連する解剖学的画像を最初に粗く整列させる。データセットが粗く整列されると、外在的アトラスデータ内の領域は、内在的データのサイズ、形状、位置、および性質に基づいて修正されるか、または空間的に歪ませる。この例では、内在的データは、視覚野に関連するfMRIから取得された領域を含む。別の変形態では、内在的データが腫瘍または病変の分割を含む場合、外在的データは、外在的アトラス内の近くの解剖学的構造を圧縮する、分割された病変の変形特性に基づいて修正される。いくつかの変形例では、病変の部分が特定される場合、外在的データをより具体的に修正することができ、例えば、浸潤成分は解剖学的領域を置換または圧縮しない場合。

350において、取得された画像は、変更された外在的データに基づいて領域に分割され、取得された画像上の異なる領域を表示する。領域を分割するのに、修正された外在的データを登録し、ステップ310で取得した画像にマッピングすることができる。次に、取得画像を分割し、適切なラベルを用いて区切られた領域を識別する。したがって、310で取得された3次元画像を使用して、様々な機能領域を、また解剖学的領域および他の関心領域を変化させて表示することができる。さらに、関心の機能領域は、外在的データを修正するために使用された内在的データに基づいている。そのため、機能性の正確な表現であることが確実に分かっている。

360で神経線維データが得られる。上述したような拡散強調画像に基づいて、内在的データが形成され、対象から神経線維データが取得される。神経線維データは、経路情報を表示する310で取得された画像に位置合わせされ、マッピングされる。

神経線維データに基づいて束を識別するために、1つまたは複数のウェイポイントが370で選択される。取得された画像の1つ以上の分割された領域は、ウェイポイントとして選択することができる。あるいは、取得された画像の分割された領域に対応しない取得画像の領域を識別することによって手動でウェイポイントを選択することができる。

この例では、選択されたウェイポイントは、脳中の腫瘍に到達し切断するように脳の部分に対応する画像の手動で識別された領域である。取得された画像内のこの手動で識別された領域は、分割された領域の1つに対応せず、神経線維束が通過する通過点であるパススルー領域を表す。さらに、選択されたウェイポイントは重要なエンドポイント領域に対応する。この場合、取得された画像の分割された領域に基づいて視覚野である。

次に、380において、神経線維データを分割して、選択されたウェイポイントに対応する束を識別する。したがって、この例では、神経線維データから抽出される神経線維束は、実行される操作の領域を通過する脳の視覚領域を結ぶ神経線維束である。識別されたパススルーポイントを通過するが、選択されたエンドポイントによって定義された特定の神経線維束に属しない神経線維は除去される。したがって、分割は、取得された画像から手動で識別され、取得された画像の選択された区切られた領域を接続するパススルーポイントを通過する神経線維を選択することによって実行することができる。

上述の方法300の実施例では、画像を分割する前に外在的データを修正するが、外在的データの修正および画像の分割は任意の順序で行うことができることは当業者には理解される。例えば、変形例では、画像は外在的データに基づいて区切られる。その分割は、内在的データに基づいて修正される。

上述した実施形態は例示であり、変更および修正が可能である。当業者は、改変が請求項の範囲内にあることを理解するであろう。例えば、説明された方法、システムおよび実施形態は、完全にまたは部分的に変更および組み合わせることができる。

Claims (17)

1. 生理学的画像を分割するコンピュータ実施の方法であって、
   外在的領域を定義する外在的データを受信するステップと、
   内在的領域を定義する内在的データを受信し、白質神経線維束の始点、通過点または終点を示すウェイポイント領域を受信し、各内在的領域は１つの外在的領域に対応するステップと、
   内在的領域の形状及びサイズに基づいて各内在的領域に対応する各外在的領域の形状及びサイズを修正することによって修正外在的データを作成するステップと、 そして
   修正された外在的データに基づいて生理学的画像を分割区切られた領域に分割され、各区切られた領域は内在的領域に対応するステップを含む。
2. 前記ウェイポイント領域は、少なくとも１つの白質神経線維束の終点を示すエンドポイント領域を含み、バンドルは少なくとも１つのエンドポイント領域で終わる神経線維に基づいて識別される、請求項１に記載の方法。
3. ウェイポイント領域が少なくとも１つの白質神経線維束の通過点を示すパススルー領域を含み、バンドルが少なくとも１つのパススルー領域を通過する経路に基づいて識別される、請求項１または２のいずれか一項に記載の方法。
4. 除外領域を取得するステップと、エンドポイント領域で終わる内在的な神経線維およびパススルー領域を通過する経路に基づいて識別された領域の部分集合から除外領域に関連する領域を除外するステップを含む、請求項１〜３のいずれか１項に記載の方法。
5. 少なくとも１つのウェイポイント領域が前記区切られた領域から選択される、請求項１〜４のいずれか一項に記載の方法。
6. 少なくとも１つのウェイポイント領域が前記生理学的画像から手動で選択される、請求項１〜４のいずれか一項に記載の方法。
7. 外在的なバンドルを含む外在的なバンドルアトラスを取得ステップと、神経線維および外在的なバンドルに基づいて追加の神経線維を識別するステップと、追加神経線維を含むように識別されたバンドルを修正するステップを含む、請求項１〜６のいずれか１項に記載の方法。
8. 外在的なバンドルのうちの１つの選択を受信するステップと、
   前記追加の神経線維を識別することは、追加の神経線維が、選択された外在的なバンドルと少なくとも部分的に重なり合うことを決定するステップとを含む、
   請求項７に記載の方法。
9. 請求項１〜８のいずれか１項に記載の方法であって、
   ウェイポイント領域および神経線維に基づいて追加のバンドルを識別するステップと、
   識別されたバンドルおよび追加バンドルのそれぞれについて、対応する代表的な神経線維を識別するステップと、
   各神経線維について、各代表神経線維への距離に基づいて最も近い代表神経線維を決定するステップと、そして
   各神経線維について、最も近い代表神経線維が閾値を超えていない場合には、その神経線維を「不詳」とし、そして代表的な神経線維が閾値を超えている場合、その神経線維を最も近い代表的な神経線維に対応するバンドルに関連付けるステップとを含む方法。
10. 前記外在的データが、少なくとも２つの異なる情報源から得られる、請求項１〜９のいずれか１項に記載の方法。
11. 前記内在的データが、第１の情報源および前記第１の情報源とは異なる第２の情報源から得られる、請求項１〜９のいずれか一項に記載の方法。
12. 神経線維データが内在的な核磁気共鳴画像法の拡散強調画像に基づく、請求項１〜１１のいずれか一項に記載の方法。
13. 第２の情報源からの前記内在的データを使用して、第１の情報源から得られた内在のデータを検証し、第１の情報源から得られた内在のデータを修正する、請求項１２に記載の方法。
14. データ処理システムであって、そのシステムはプロセッサを含み、そのプロセッサは
    生理学的画像を受信し、外在的領域を定義する外在的データを受信し、内在的領域を定義する内在的データを受信し、
    各内在的領域は１つの外在的領域に対応し、
    内在的領域の形状及びサイズに基づいて内在的領域対応する外在的領域の形状及びサイズを変更することによって外在的データを修正し、 そして
    生理学的画像を修正された外在的データに基づいて区切られた領域に分割し、各区切られた領域は、対応する内在的領域を有する。
15. 前記プロセッサは、内在的領域対応する外在的領域の形状及びサイズの１次の変更に基づいて、内在的領域に対応する少なくとも１つの外在的領域以外の外在的領域の形状およびサイズを２次の変更として変更する、請求項１４に記載のデータ処理システム。
16. ウェイポイント領域は、少なくとも１つのエンドポイント領域を含み、前記バンドルは、前記少なくとも１つのエンドポイント領域で終わる神経線維に基づいて識別される、請求項１４に記載のデータ処理システム。
17. ウェイポイント領域は、少なくとも１つのパススルー領域を含み、前記バンドルは、前少なくとも１つのパススルー領域を通過する領域に基づいて識別される、請求項１４〜１６のいずれか一項に記載のデータ処理システム。